Modello Data-Driven e Analitica Model-Based per Predictive Maintenance di Carrelli Indipendenti

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.