Riassunto analitico
Nel contesto dell’Industria 4.0, l’importanza di digitalizzare i processi sta diventando fondamentale. L’aumento delle quantita’ dei dati richiede dei modelli in grado di analizzare ed estrarre contenuto informativo da questi. Tra questi dati ne esistono alcuni di fondamentale importanza che permettono di definire lo stato di salute dei macchinari monitorati. In questo progetto sono stati creati diversi modelli data-driven e model-based con lo scopo di riuscire a predirre futuri guasti di carrelli indipendenti basandosi su anomilie di questi o del sistema generale, studiando la tecnologia Beckhoff eXtended Transport System (XTS). Lo scopo di questa tesi e’ dimostrare la fattibilita’, i vantaggi e la flessibilita’ che i modelli data-driven possono dare nel settore della Predictive Maintenace per questo tipo di tecnologia, approccio usato per eliminare fermo-macchina indesiderati e rimpiazzare solamente le parti meccaniche che saranno soggette a guasti, in modo da poter rimpiazzare l’approccio Preventive Maintenance.
|
Abstract
In the context of industry 4.0, the importance of process digitalisation is becoming crucial.
The increasing amount of data requires models that are able to analyse and extract information content from these.
In this fundamental information are those that allow to define the health status of the monitored machines.
In this project several data-driven models have been built with the aim of being able to predict the future deterioration of independent Carts based on anomalies of these or of the general system, on the Beckhoff eXtended Transport System (XTS) technology.
The aim of this thesis is to demonstrate the feasibility, advantages and flexibility that data-driven models can give in the field of Predictive Maintenance for this type of technology, approach used to eliminate unwanted stops and replace only with incipient failures mechanical parts, so as to be able to replace Preventive Maintenance.
|