Riconoscimento e Classificazione di Anomalie in un Contesto di Industry 4.0

Morselli, Filippo (2019) Riconoscimento e Classificazione di Anomalie in un Contesto di Industry 4.0. [Laurea magistrale], Università di Bologna, Corso di Studio in Informatica [LM-DM270]
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Disponibile con Licenza: Creative Commons Attribuzione - Non commerciale - Non opere derivate 3.0

Download (3MB)

Abstract

Una delle applicazioni più promettenti delle tecnologie abilitanti dell'Industry 4.0 riguarda la realizzazione di sistemi in grado di fornire servizi di manutenzione su condizione e predittiva. Nell'elaborato di tesi si tratta l'argomento, presentando gli obiettivi di tali servizi, le difficoltà e i problemi noti e le soluzioni proposte dalla letteratura. Si descrive inoltre la progettazione e l'implementazione di un sistema di condition-based maintenance (CBM) applicato ad una macchina reale. La soluzione proposta si basa su un approccio data-driven, utilizzando multipli sensori e combinando modelli di machine learning per determinare lo stato di funzionamento della macchina e segnalare eventuali situazioni di anomalia. I risultati ottenuti mostrano che il sistema è in grado di rilevare e classificare diversi guasti con buona precisione, abilitando quindi servizi di diagnostica e prognostica.

Abstract
Tipologia del documento
Tesi di laurea (Laurea magistrale)
Autore della tesi
Morselli, Filippo
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Indirizzo
Curriculum C: Sistemi e reti
Ordinamento Cds
DM270
Parole chiave
Industry 4.0,Manutenzione su Condizione,Machine Learning,Anomaly Detection,Classificazione
Data di discussione della Tesi
14 Marzo 2019
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^