Seamless infrastructure for "Big-Data" collection and transportation and distributed elaboration oriented to predictive maintenance of automatic machines

In questo progetto di tesi, realizzato all'interno del laboratorio industriale LIAM Lab, si propone lo sviluppo e la sperimentazione di un'infrastruttura hardware e software per l'acquisizione e l'elaborazione di segnali da sensori di macchine automatiche da utilizzare per effettuare operazioni di diagnostica predittiva su di essa. La tematica sta avendo sempre più seguito all'interno del settore, in quanto la sua realizzazione si basa profondamente sui concetti di industria 4.0, internet delle cose e big data. Nel caso particolare l'infrastruttura riceverà dati da accelerometri con frequenze variabli dai 5KHz a 50KHz e su di questi applicherà un algoritmo di identificazione e semplici test statistici. Successivamente, i parametri dentificati e i risultati dei test verranno poi inviati via OPC ad un computer che provvederà alla loro rielaborazione. Con rielaborazione si intende l'utilizzo di ulteriori test statistici più complessi e anche algoritmi di machine learning. L'infrastruttura ha quindi il compito di "prepare la strada" per l'acquisizione e rielaborazione dei segnali ricevuti dai sensori per poter realizzare in seguito algoritmi in grado di apprendere le condizioni operative della macchina cosicchè sia possibile prevederne produzione e manutenzione.