L’elaborato si è focalizzato sul tema della manutenzione e, più in particolare, su quella predittiva. Dal punto di vista teorico, sono stati riportati gli elementi focali riguardanti la manutenzione, ma il fulcro della tesi è stato senz’altro l’analisi dei dati di una stazione di lavorazione (divisa in diverse sottostazioni) e, più nello specifico, la gestione delle avarie della stessa. Lo studio si è focalizzato sull’individuazione dei pattern e di tutte quelle correlazioni utili alla prevenzione delle avarie, nonché sullo sviluppo di modelli di Machine Learning in grado di effettuare delle previsioni in maniera da definire quando un macchinario avrà bisogno di manutenzione prima che si rompa.

MANUTENZIONE PREDITTIVA 4.0: ANALISI DATI DI UNA STAZIONE DI LAVORAZIONE E GESTIONE DELLE AVARIE ATTRAVERSO MODELLI DI MACHINE LEARNING

SAVARESE, LINDA
2024/2025

Abstract

L’elaborato si è focalizzato sul tema della manutenzione e, più in particolare, su quella predittiva. Dal punto di vista teorico, sono stati riportati gli elementi focali riguardanti la manutenzione, ma il fulcro della tesi è stato senz’altro l’analisi dei dati di una stazione di lavorazione (divisa in diverse sottostazioni) e, più nello specifico, la gestione delle avarie della stessa. Lo studio si è focalizzato sull’individuazione dei pattern e di tutte quelle correlazioni utili alla prevenzione delle avarie, nonché sullo sviluppo di modelli di Machine Learning in grado di effettuare delle previsioni in maniera da definire quando un macchinario avrà bisogno di manutenzione prima che si rompa.
2024
2025-07-21
PREDICTIVE MAINTENANCE 4.0: DATA ANALYSIS OF A PROCESSING STATION AND FAILURE MANAGEMENT THROUGH MACHINE LEARNING MODELS
File in questo prodotto:
File Dimensione Formato  
TESI_SAVARESE_LINDA.pdf

embargo fino al 20/07/2028

Descrizione: Tesi in PDF/A completa del frontespizio non firmato
Dimensione 2.01 MB
Formato Adobe PDF
2.01 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/20.500.12075/22728