Unbalanced dataset classification: the Easy Plast case study
La tesi analizza i dati inerenti il processo di manutenzione degli stampi multi-cavità presso l'azienda Easy Plast. Attraverso tecniche di Machine Learning apposite per dataset sbilanciati ed applicate ai dati produttivi e manutentivi, l'obiettivo è supportare la transizione da una manutenzione reattiva ad una predittiva.
The thesis analyzes data related to the maintenance process of multi-cavity molds at Easy Plast. By applying Machine Learning techniques designed for unbalanced datasets to production and maintenance data, the goal is to support the transition from reactive to predictive maintenance.