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.
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.
Classificazione di dataset sbilanciati: il caso Easy Plast
MICHETTI, KATIA
2024/2025
Abstract
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.File in questo prodotto:
| File | Dimensione | Formato | |
|---|---|---|---|
|
TESI DI LAUREA KATIA MICHETTI.pdf
non disponibili
Dimensione
2.62 MB
Formato
Adobe PDF
|
2.62 MB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento:
https://hdl.handle.net/20.500.12075/21902