Documenti full-text disponibili:
Abstract
La Manutenzione Predittiva - PdM è una pratica che viene utilizzata per ottimizzare i piani di manutenzione delle risorse, attraverso la previsione di guasti alle stesse, con tecniche che sfruttano la predizione di comportamenti sulla base di dati passati.
L'applicazione di PdM può portare numerosi vantaggi alle aziende, tra cui, la riduzione dei tempi di inattività e l'aumento della qualità del prodotto. Le aziende più interessate alla PdM sono quelle che si occupano di produzione manifatturiera, che è l'area di interesse in questa tesi, ma anche tutte quelle che fanno della efficienza degli impianti una loro prerogativa.
Questa tesi nasce con l'obiettivo di applicare la PdM su un caso reale, proposto da una azienda del territorio che lavora in ambito manifatturiero, sfruttando le moderne tecnologie di Machine Learning e Analitica Previsionale.
Nella tesi viene descritto approfonditamente il caso di studio in questione e la tecnologia che è stata utilizzata per portare a termine il progetto.
Abstract
La Manutenzione Predittiva - PdM è una pratica che viene utilizzata per ottimizzare i piani di manutenzione delle risorse, attraverso la previsione di guasti alle stesse, con tecniche che sfruttano la predizione di comportamenti sulla base di dati passati.
L'applicazione di PdM può portare numerosi vantaggi alle aziende, tra cui, la riduzione dei tempi di inattività e l'aumento della qualità del prodotto. Le aziende più interessate alla PdM sono quelle che si occupano di produzione manifatturiera, che è l'area di interesse in questa tesi, ma anche tutte quelle che fanno della efficienza degli impianti una loro prerogativa.
Questa tesi nasce con l'obiettivo di applicare la PdM su un caso reale, proposto da una azienda del territorio che lavora in ambito manifatturiero, sfruttando le moderne tecnologie di Machine Learning e Analitica Previsionale.
Nella tesi viene descritto approfonditamente il caso di studio in questione e la tecnologia che è stata utilizzata per portare a termine il progetto.
Tipologia del documento
Tesi di laurea
(Laurea magistrale)
Autore della tesi
Agatensi, Luca
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
manutenzione predittiva,machine learning,reti neurali,analitica previsionale,reti LSTM,remainiing useful Life
Data di discussione della Tesi
19 Marzo 2020
URI
Altri metadati
Tipologia del documento
Tesi di laurea
(NON SPECIFICATO)
Autore della tesi
Agatensi, Luca
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
manutenzione predittiva,machine learning,reti neurali,analitica previsionale,reti LSTM,remainiing useful Life
Data di discussione della Tesi
19 Marzo 2020
URI
Statistica sui download
Gestione del documento: