Studio preliminare relativo alla cognitivizzazione di meccanismi di misura di un sistema idrico

Questa tesi descrive le operazioni preliminari svolte nel contesto di collaborazione con un’azienda partner mirata alla creazione di un modello predittivo che individui malfunzionamenti nei dispositivi di misura impiegati nei sistemi idrici. Questo lavoro è un piccolo contributo a un progetto di collaborazione più ampio, e documenta una prima fase di pulizia e manipolazione dei dati, oltre a una piccola analisi esplorativa sulle caratteristiche di questi, volta alla creazione di un dataset che verrà utilizzato per l’allenamento di reti neurali per la previsione dei guasti. Si suddivide il lavoro in due fasi, la prima quella di pulizia e la seconda quella di analisi. In particolare, la prima fase si articola nel raggruppamento dei file forniti dall’azienda, nella ricerca di ed eliminazione delle righe con dati vuoti, delle righe con esito diverso da ’OK’, delle righe che non rispettano un vincolo imposto dall’azienda, delle righe che non hanno la data valida, delle letture ricostruite. La seconda fase, quella di analisi, si è focalizzata sull’analisi dei guasti rispetto a determinati fattori. In particolare, si sono analizzati i guasti in base al CAP, produttore, divisione ubicazione, materiale, categoria di tariffa, anno e mese. Infine, è stata allenata una semplice rete neurale allo scopo di far vedere come è possibile apprendere e fare predizioni sui guasti usando questo dataset.