Modellazione, ottimizzazione ed innovazione di processo
A.A. 2025/2026
Learning objectives
L'insegnamento si propone di fornire a* student* conoscenze relative ai metodi di modellazione e di ottimizzazione più utilizzati nell'industria alimentare. L'insegnamento si propone inoltre di fornire le conoscenze relative alle tecnologie innovative ed alle loro applicazioni.
Expected learning outcomes
Al termine dell'insegnamento gli/le studenti/esse sapranno costruire, mediante l'uso di software dedicati, modelli statistici capaci di descrivere un processo produttivo, di ottimizzare le condizioni operative e di prevedere le proprietà del prodotto finito. Gli/Le studenti/esse sapranno inoltre valutare le potenzialità di applicazione delle tecnologie più innovative nei diversi processi alimentari.
Periodo: Primo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Course syllabus and organization
Edizione unica
Responsabile
Periodo
Primo semestre
Programma
1. Introduzione alla modellazione di processo. Confronto tra approccio fondamentale e approccio empirico. Principi, definizioni, scopi, esempi applicativi.
2. I differenti metodi statistici utilizzati per la costruzione di un modello: regressione lineare, non lineare e pesata. Il metodo dei minimi quadrati per la stima dei parametri.
3. Principi, scopi e procedure del disegno sperimentale. I differenti disegni sperimentali e i criteri di scelta. L'analisi della varianza. Il disegno comparativo a un fattore e il disegno a blocchi. Il disegno fattoriale completo e frazionario a due livelli. Il concetto di confondimento degli effetti e di risoluzione. Metodi per il miglioramento della risoluzione del disegno frazionario. l disegni Plackett-Burman. L'aggiunta dei punti centrali ai disegni fattoriali.
4. I disegni di superfici di risposta: Central Composite Design, Face Centered Design, Box-Behnken.
5. Le procedure di ottimizzazione per una o più variabili di risposta ed il metodo di salita ripida. La funzione di desiderabilità.
6. I disegni per le miscele. Trattamento simultaneo di variabili di processo e miscele: i D-optimal design.
7. Processi innovativi termici e non termici per l'industria alimentare. Il processo ad alte pressioni, i campi elettrici pulsati, le microonde e il riscaldamento ohmico.
- Esercitazioni al computer in aula di informatica con esempi pratici di modellazione ed ottimizzazione di processo e di prodotto mediante l'impiego delle diverse metodologie trattate. Software utilizzati: Excel e Design Expert o analogo.
2. I differenti metodi statistici utilizzati per la costruzione di un modello: regressione lineare, non lineare e pesata. Il metodo dei minimi quadrati per la stima dei parametri.
3. Principi, scopi e procedure del disegno sperimentale. I differenti disegni sperimentali e i criteri di scelta. L'analisi della varianza. Il disegno comparativo a un fattore e il disegno a blocchi. Il disegno fattoriale completo e frazionario a due livelli. Il concetto di confondimento degli effetti e di risoluzione. Metodi per il miglioramento della risoluzione del disegno frazionario. l disegni Plackett-Burman. L'aggiunta dei punti centrali ai disegni fattoriali.
4. I disegni di superfici di risposta: Central Composite Design, Face Centered Design, Box-Behnken.
5. Le procedure di ottimizzazione per una o più variabili di risposta ed il metodo di salita ripida. La funzione di desiderabilità.
6. I disegni per le miscele. Trattamento simultaneo di variabili di processo e miscele: i D-optimal design.
7. Processi innovativi termici e non termici per l'industria alimentare. Il processo ad alte pressioni, i campi elettrici pulsati, le microonde e il riscaldamento ohmico.
- Esercitazioni al computer in aula di informatica con esempi pratici di modellazione ed ottimizzazione di processo e di prodotto mediante l'impiego delle diverse metodologie trattate. Software utilizzati: Excel e Design Expert o analogo.
Prerequisiti
E' richiesta la conoscenza dei principali processi applicati nell'industria alimentare, nonché nozioni di base di statistica.
Metodi didattici
L'insegnamento sarà erogato attraverso:
- Lezioni frontali (4 CFU) con supporti informatici (presentazioni Power Point, fogli di calcolo Excel, software statistici) finalizzate a trasferire le conoscenze teoriche per la comprensione e l'applicazione dei metodi spiegati;
- Esercitazioni in laboratorio di informatica (2 CFU) finalizzate a prendere confidenza con la soluzione di problemi.
- Lezioni frontali (4 CFU) con supporti informatici (presentazioni Power Point, fogli di calcolo Excel, software statistici) finalizzate a trasferire le conoscenze teoriche per la comprensione e l'applicazione dei metodi spiegati;
- Esercitazioni in laboratorio di informatica (2 CFU) finalizzate a prendere confidenza con la soluzione di problemi.
Materiale di riferimento
- Le diapositive proiettate a lezione, corredate da un testo esplicativo, gli esercizi con soluzioni e gli esempi di esami pratici sono disponibili sul portale myARIEL.
- "Progettazione e analisi degli esperimenti", Douglas Montgomery, McGraw-Hill.
- "Engineering statistics" http://www.itl.nist.gov/div898/handbook/index.htm
- Response Surface Methodology. Process and product optimization using design experiments. Wiley series in probability and statistics. Raymond H. Myers, Douglas C. Montgomery, Christine M. Anderson-Cook
- "Formulation Simplified: Finding the Sweet Spot through Design and Analysis of Experiments with Mixtures", M.J. Anderson, P.J. Whitcomb, M.A. Bezener
- "Progettazione e analisi degli esperimenti", Douglas Montgomery, McGraw-Hill.
- "Engineering statistics" http://www.itl.nist.gov/div898/handbook/index.htm
- Response Surface Methodology. Process and product optimization using design experiments. Wiley series in probability and statistics. Raymond H. Myers, Douglas C. Montgomery, Christine M. Anderson-Cook
- "Formulation Simplified: Finding the Sweet Spot through Design and Analysis of Experiments with Mixtures", M.J. Anderson, P.J. Whitcomb, M.A. Bezener
Modalità di verifica dell’apprendimento e criteri di valutazione
La verifica dell'apprendimento consiste in una prova scritta articolata in due parti: la prima comprende la risoluzione di esercizi (con l'utilizzo di calcolatrice e tavole statistiche), risposte a domande aperte, affermazioni Vero o Falso e/o completamento di testi relativi alle conoscenze teoriche (durata: 80 minuti - 17 punti); la seconda prevede la risoluzione di un esercizio al computer mediante il software Design Expert o analogo, con relativo commento (durata: 40 minuti - 9 punti). La valutazione delle Tecnologie Innovative avverrà attraverso lo svolgimento di un lavoro di ricerca (4 punti), la cui tematica e data di presentazione saranno previamente concordate con il docente.
Il voto finale, espresso in trentesimi, sarà comunicato tramite posta elettronica (e-mail). Sono previsti sei appelli annuali: due durante ogni periodo di sospensione delle lezioni tra i semestri e uno durante le pause didattiche all'interno di ciascun semestre. Eventuali appelli aggiuntivi potranno essere organizzati su richiesta degli studenti.
Eventuali student* con DSA e con disabilità sono pregat* di contattare via mail il Docente almeno15 giorni prima della data di esame prevista per concordare le eventuali misure individualizzate. Nella mail indirizzata al docente è necessario mettere in CC i rispettivi Servizi di Ateneo: serviziodsa@unimi.it (per studenti con DSA) e ufficiodisabili@unimi.it (per studenti con disabilità).
Il voto finale, espresso in trentesimi, sarà comunicato tramite posta elettronica (e-mail). Sono previsti sei appelli annuali: due durante ogni periodo di sospensione delle lezioni tra i semestri e uno durante le pause didattiche all'interno di ciascun semestre. Eventuali appelli aggiuntivi potranno essere organizzati su richiesta degli studenti.
Eventuali student* con DSA e con disabilità sono pregat* di contattare via mail il Docente almeno15 giorni prima della data di esame prevista per concordare le eventuali misure individualizzate. Nella mail indirizzata al docente è necessario mettere in CC i rispettivi Servizi di Ateneo: serviziodsa@unimi.it (per studenti con DSA) e ufficiodisabili@unimi.it (per studenti con disabilità).
AGR/15 - SCIENZE E TECNOLOGIE ALIMENTARI - CFU: 6
Esercitazioni in aula informatica: 32 ore
Lezioni: 32 ore
Lezioni: 32 ore
Docente:
Hidalgo Vidal Alyssa Mariel
Turni:
Docente:
Hidalgo Vidal Alyssa Mariel
Turno 1
Docente:
Hidalgo Vidal Alyssa MarielTurno 2
Docente:
Hidalgo Vidal Alyssa MarielProfessor(s)
Ricevimento:
su appuntamento
via Mangiagalli 25, 4to piano