ETD

Archivio digitale delle tesi discusse presso l'Università di Pisa

Tesi etd-05252018-104501


Tipo di tesi
Tesi di laurea magistrale
Autore
COLI, ELENA
URN
etd-05252018-104501
Titolo
Concurrent Data Mining techniques for Discovering 4.0 Skills and Jobs
Dipartimento
INGEGNERIA DELL'ENERGIA, DEI SISTEMI, DEL TERRITORIO E DELLE COSTRUZIONI
Corso di studi
INGEGNERIA GESTIONALE
Relatori
relatore Fantoni, Gualtiero
correlatore Ing. Fareri, Silvia
Parole chiave
  • Industry 4.0
  • 4.0 Skills
  • 4.0 Job Profiles
  • Data Mining Techniques
Data inizio appello
20/06/2018
Consultabilità
Non consultabile
Data di rilascio
20/06/2088
Riassunto
Industry 4.0 is defined as a trend of automation and data exchange based on the use of new technologies and their interconnections. While rapid and epochal changes are taking place, the issue of skills and job profiles assumes, for sure, a critical role. The literature highlights not only the necessary integration of new skills in existing professional profiles, but also the inevitable creation of new ones. The state of the art, however, tends to offer qualitative approaches to the topic, making the results uncertain; this research proposes a quantitative data driven approach. In order to formulate the new 4.0 job profiles, a bottom-up methodology was designed: using Wikipedia as data source and starting from the expression “Industry 4.0”, through the reiteration of expansion-cleaning processes, a set of 4.0 technologies was drawn up. Therefore, these were clustered and associated to Porter’s business functions, in order to identify the new 4.0 Workers. In order to define the resilient job profiles, those who will be directly affected by a competences integration without being penalised by the change, a top-down approach was applied. Starting from different heterogeneous data sources, a dictionary of skills was built and their ”4.0 level” quantified. Once the stronger 4.0 skills were identified, a process of matching on O*NET allowed a first approximation of the most impacted job profiles, and, in complementarity, those that will probably disappear. The data-driven approach and the achieved results make us confident in methodology improvement, through the integration with new data sources.

L’Industria 4.0 è definita come un trend di automazione e scambio di dati basato sull'uso di nuove tecnologie e delle loro interconnessioni. Di fronte a questo rapido ed epocale cambiamento, il tema delle competenze e dei profili professionali assume, per certo, un ruolo critico. Nella letteratura si evidenzia non solo la necessaria integrazione di nuove competenze nei profili professionali esistenti, ma anche l’inevitabile creazione di nuovi. Lo stato dell'arte però offre tendenzialmente approcci qualitativi al topic, rendendo i risultati incerti; questa ricerca propone invece un approccio quantitativo data-driven. Per la formulazione dei nuovi profili professionali 4.0, è stata disegnata una metodologia bottom-up: utilizzando Wikipedia come fonte e partendo dall'espressione "Industria 4.0”, mediante la reiterazione di processi di espansione-pulizia, è stata stilata una lista di tecnologie 4.0. Queste sono state poi clusterizzate e associate alle funzioni aziendali di Porter, per individuare i nuovi Workers 4.0. Per definire invece i profili professionali resilienti, ovvero coloro i quali subiranno una integrazione di competenze, ma che non verranno penalizzati dal cambiamento, è stato applicato un approccio top-down: partendo fonti eterogenee, è stato costruito un dizionario di competenze delle quali è stato quantificato il "livello 4.0". Una volta identificate quelle più spiccatamente 4.0, un processo di matching sulle skill di O*NET ha consentito di avere una prima approssimazione dei profili professionali maggiormente impattati e, complementariamente, quelli che con più probabilità scompariranno. L’approccio data-driven e i risultati raggiunti ci rendono confidenti nel miglioramento della metodologia, attraverso l'integrazione con nuove fonti di dati.
File