• Open Daily: 10am - 10pm
    Alley-side Pickup: 10am - 7pm

    3038 Hennepin Ave Minneapolis, MN
    612-822-4611

Open Daily: 10am - 10pm | Alley-side Pickup: 10am - 7pm
3038 Hennepin Ave Minneapolis, MN
612-822-4611
Lean Six Sigma e apprendimento automatico per l'ottimizzazione

Lean Six Sigma e apprendimento automatico per l'ottimizzazione

Paperback

Technology & Engineering

ISBN10: 6630128079
ISBN13: 9786630128079
Publisher: Edizioni Sapienza
Published: Jun 10 2026
Pages: 56
Weight: 0.19
Height: 0.13 Width: 6.00 Depth: 9.00
Language: Italian
Lo sfruttamento del petrolio pesante presenta notevoli sfide energetiche e operative a causa dell'elevata viscosità, che incide direttamente sull'efficienza dei processi di recupero termico. Nel giacimento di Tsimiroro, in Madagascar, una previsione accurata della viscosità è fondamentale per ottimizzare l'iniezione di vapore e mitigare gli eccessivi sprechi energetici. Questo studio adotta la metodologia Lean Six Sigma come quadro strutturato per eliminare i Mudas operativi (rifiuti) legati al consumo eccessivo di vapore. È stato sviluppato un quadro predittivo basato sull'apprendimento automatico, confrontando sei architetture distinte: regressione lineare, regressione polinomiale di secondo grado, Support Vector Machine (SVM), rete neurale artificiale (ANN), foresta casuale e XGBoost. I risultati dimostrano che mentre il modello polinomiale raggiunge un'elevata precisione statistica (R = 0,995, RMSE = 154,62 cSt), l'architettura della rete neurale artificiale offre una robustezza superiore (R = 1.000, RMSE = 154,62 cSt) nell'acquisizione di comportamenti termici non lineari complessi. XGBoost e Random Forest mostrano prestazioni competitive con valori R rispettivamente di 0,90 e 0,91, mentre SVM mostra gli errori di previsione più elevati (RMSE ≈ 780 cSt).

Also from

Ignace, Rakotozandry

Also in

Technology & Engineering