Architettura Software IoT per la Diagnosi e Identificazione dei Guasti a Misura d'Uomo

In recent years, the complexity of production systems has increased significantly due to advancements in technologies stemming from Industry 4.0, particularly through the Internet of Things (IoT) and big data. This evolution has facilitated unprecedented access to vast amounts of data but has also introduced challenges in data collection and its practical application for operators interacting with these systems. This thesis presents an IoT architecture tailored for real industrial environments, aimed at demonstrating how data can be effectively utilized to monitor operations and production processes in real-time. The proposed approach enhances the ability to detect and manage failures, providing operators with the necessary information to make informed decisions. By integrating smart sensors and advanced analytics, detailed visibility into system status can be achieved, enabling timely maintenance interventions and paving the way for future predictive maintenance implementations. The research includes an analysis of two distinct case studies, showcasing the versatility of the architecture across different industrial applications. It illustrates how effective data utilization can optimize operational efficiency and minimize downtime, ultimately contributing to improved system management. Furthermore, this approach empowers human operators to understand their environments better and make autonomous decisions based on real-time insights.

Negli ultimi anni, la complessità dei sistemi produttivi è aumentata significativamente a causa dei progressi nelle tecnologie derivanti dall'Industria 4.0, in particolare attraverso l'Internet of Things (IoT) e i big data. Questa evoluzione ha facilitato l'accesso senza precedenti a enormi quantità di dati, ma ha anche introdotto sfide nella raccolta dei dati e nella loro applicazione pratica per gli operatori che interagiscono con questi sistemi. Questa tesi presenta un'architettura IoT progettata per ambienti industriali reali, con l'obiettivo di dimostrare come i dati possano essere utilizzati efficacemente per monitorare le operazioni e i processi produttivi in tempo reale. L'approccio proposto migliora la capacità di rilevare e gestire i guasti, fornendo agli operatori le informazioni necessarie per prendere decisioni informate. Integrando sensori intelligenti e analisi avanzate, è possibile ottenere una visibilità dettagliata sullo stato del sistema, consentendo interventi di manutenzione tempestivi e preparando il terreno per future implementazioni di manutenzione predittiva. La ricerca include un'analisi di due casi di studio distinti, mostrando la versatilità dell'architettura in diverse applicazioni industriali. Illustra come l'utilizzo efficace dei dati possa ottimizzare l'efficienza operativa e ridurre i tempi di inattività, contribuendo così a una migliore gestione del sistema. Inoltre, questo approccio consente agli operatori umani di comprendere meglio i loro ambienti e di prendere decisioni autonome basate su informazioni in tempo reale.