• Big Data
• Condition Monitoring
• Industry 4.0
• Model Based Analysis
• Predictive

Tutte le informazioni che arrivano dai macchinari hanno bisogno di essere lette ed interpretate in modo tale di essere in grando di riconoscere e definire il loro stato meccanico.
Da queste machine i dati sono campionati, collezaionati ed inviati in un cloud storage.
Il veloce aumento del numero dei dati necessita un modello in grado di analizzare I segnali e tradurli in informazioni.
Attraverso queste informazioni e’ possibile definire lo stato di salute della macchina.
Qesta tesi spiega come un condition monitoring Model Based Analytics e’ stato progettato, sviluppato e validato in una macchina form fill seal e cut: prima in un test rig (scarico – privo di packaging material e prodotto), poi in diverse machine che si trovano in produzione dai clienti (con packaging material e prodotto).
Lo scopo di questo progetto e’ quello di diostrare la fattibilita’ ed I vantaggi nell’usare un’analisi Model Based per fare prognostica.
In questo modo e’ possibile predire quando una parte meccanica di una macchina specifica sis ta per rompere e cambiarla, evirando degli stop indesiderati.

All the information coming from mechanical machines need to be read and interpreted in order to be able to recognize and define their mechanical status. From those machines data are sampled, collected and sent in the cloud storage. The increasing amount of data needs a model that is able to analyse signals and translate them in information. By means of these information it is possible to define the healthy status of the machine. This thesis explains how a condition monitoring Model Based Analytics has been designed, developed and validated on a form fill seal and cut machine: first on a test rig (unloaded – without packaging material and product) and then on several customer’s field machines (running with packaging material and product). The aim of this project is to demonstrate the feasibility and the advantages in using Model Based Analytics for prognostics. In this way it is possible to predict when a mechanical part of a specific machine is going to break out and changing it, avoiding an unwanted stop.