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 (CC BY-NC-ND 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

^