Riassunto analitico
La diagnostica predittiva è diventata in questi ultimi anni un tema importante anche nel mondo delle macchine automatiche. Il numero di dati da elaborare è elevato: principalmente informazioni provenienti da sensori e dal controllo macchina. Per elaborare questa quantità di dati, una strategia vincente è quella di utilizzare algoritmi evoluti di machine learning e deep learning.
Il presente lavoro di tesi ha l’obiettivo di applicare queste metodologie. Più in particolare, partendo da una pre-elaborazione dei segnali estratti da sensori presenti sulla macchina automatica, si è cercato di individuare la migliore architettura di Rete Neurale, basata su LSTM, capace di offrire una predizione nel tempo dei futuri segnali che i sensori potrebbero acquisire. In questo modo, risulta possibile analizzare il tempo di vita rimanente di un componente della macchina e riuscire ad intervenire prima dell’effettiva rottura di quest’ultima.
|
