Verso Industry 4.0: profilazione di dati telemetrici di produzione presso Bonfiglioli Riduttori S.p.A.

Gavelli, Alessandro (2021) Verso Industry 4.0: profilazione di dati telemetrici di produzione presso Bonfiglioli Riduttori S.p.A. [Laurea magistrale], Università di Bologna, Corso di Studio in Ingegneria gestionale [LM-DM270], Documento full-text non disponibile
Il full-text non è disponibile per scelta dell'autore. (Contatta l'autore)

Abstract

Nella cosiddetta “era dei Big Data” le aziende sono sempre più guidate dai dati nel prendere decisioni strategiche, tanto che è stato coniato il termine data-drive companies per descrivere questo fenomeno. Tra le numerose tipologie di dati, l’acquisizione di quelli telemetrici, ovvero ottenuti a partire da sensori posizionati sulle macchine, si sta sempre più affermando grazie al paradigma dell’Industria 4.0. Il vantaggio principale consiste nella possibilità di utilizzare le informazioni ricavabili per aumentare la produttività degli impianti, in particolare grazie alla manutenzione predittiva. La trasformazione da dato in informazione ed infine in conoscenza non può però prescindere dalla presenza di metadati in grado di fornire alcune informazioni preliminari e riassuntive relative alla distribuzione dei dati e dalla qualità di questi ultimi. Il progetto realizzato presso l’ufficio IT di Bonfiglioli Riduttori S.p.A. ha proprio l’obiettivo di creare tabelle e dashboard in grado di raccogliere e presentare grandezze, tra cui media, deviazione standard, massimo e minimo, calcolate per le variabili telemetriche di coppia, corrente e potenza raccolte dall’azienda dalle proprie macchine e progettare un “engine” volto a verificare l’eventuale presenza di valori anomali, frutto di un possibile problema di mapping delle variabili. Gli output prodotti andranno a supportare l’implementazione della manutenzione predittiva sulle macchine presenti negli stabilimenti produttivi dell’azienda.

Abstract
Tipologia del documento
Tesi di laurea (Laurea magistrale)
Autore della tesi
Gavelli, Alessandro
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Business Intelligence,Artificial Intelligence,Big Data,Data Profiling,Single Column Data Profiling,Multiple Column Data Profiling,Dependency Discovery,FD_MINE,FD_Tool,Outliers,Anomalies,Telemetrics Data,Predictive Maintenance,Data Valley,Pandas,Numpy,Data Engineering,Data Science,Digitalization,Data Lake,Apache Spark,Python,Snowflake,SQL,Azure Databricks,Internet of Things
Data di discussione della Tesi
10 Marzo 2021
URI

Altri metadati

Gestione del documento: Visualizza il documento

^