• Condition Monitoring
• Deep Learning
• LSTM
• Machine Learning
• Servomotors

Il monitoraggio delle condizioni è il processo di controllo dello stato dei macchinari attraverso l'analisi di parametri (come vibrazioni, temperatura, ecc.), al fine di identificare un cambiamento significativo che è indicativo di un guasto in via di sviluppo. La principale tecnica di monitoraggio delle condizioni applicata alle macchine impacchettatrici è il monitoraggio delle condizioni basato sulle vibrazioni, che ha lo scopo di ridurre i guasti imprevisti. Attualmente nell'azienda Tetra Pak Packaging Solutions S.P.A. vengono utilizzate tecniche di monitoraggio delle condizioni basato sulle vibrazioni che sfruttano i dati degli accelerometri per capire quando un componente si sta per guastare.
Lo scopo di questa tesi è stato studiare la fattibilità della realizzazione di un sensore virtuale, ovvero un software che, attraverso l'utilizzo di algoritmi di Machine Learning e Deep Learning, sia in grado di produrre un'approssimazione del segnale prodotto dal sensore reale, avente come obiettivo ideale la rimozione di buona parte degli accelerometri applicati ai servomotori delle macchine impacchettatrici e valutarne l'utilizzo su altri componenti, con il fine di ridurre i costi.
Quanto fatto in questa tesi consiste innanzitutto nell'analisi e nella modellazione dei dati provenienti da alcune macchine impacchettatrici, proseguendo con lo studio e la valutazione di differenti approcci per la previsione di serie numeriche basate sul Deep Learning. Il cuore del progetto è stato infatti lo sviluppo di un'architettura basata sulle reti neurali ricorrenti utilizzando metodi vicini allo stato dell'arte, e infine sono state fatte alcune considerazioni sulle possibili applicazioni industriali.

Condition monitoring is the process of monitoring condition parameters in machinery (vibration, temperature etc.), in order to identify a significant change which is indicative of a developing fault. The main condition monitoring technique applied to packaging machines is the vibration-based condition monitoring, that has the purpose to reduce unexpected breakdowns. Currently in the company Tetra Pak Packaging Solutions S.P.A. are used vibration-based condition monitoring techniques based on accelerometers data to understand when a component is about to fail. The purpose of this thesis has been to study the feasibility of creating a virtual sensor, i.e. a software that, through the use of Machine Learning and Deep Learning algorithms, is able to produce an approximation of the signal produced by the real sensor, having as ideal objective the removal of a large part of the accelerometers applied to the servomotors of the packaging machines and evaluate their use on other components in order to save costs. What has been done in this thesis consists first of all in the analysis and modeling of data from packaging machines, continuing with the study and evaluation of different approaches for the prediction of numerical series based on Deep Learning. The heart of the project was the development of an architecture based on recurrent neural networks using methods close to the state of the art, and finally some considerations on possible industrial applications were made.