Manutenzione predittiva

Azienda leader produzione di elettrodomestici per la casa e per uso professionale.

Identificare sulla linea di montaggio gli apparecchi (frigoriferi) con difetti di  produzione.

Accuratezza delle previsioni del 95% per le tecniche  supervised e del 90% per le tecniche unsupervised con un risparmio significativo in termini di reso del  prodotto.

Inoltre, le tecniche ibride ML/DL e tecniche model-based a stati nascosti, hanno consentito stimare anche il Remaining Useful Life (RUL) per la macchina analizzata.

Su serie storiche fornite dal cliente con dati di  temperatura, potenza e corrente elettrica, sono state applicati modelli ML di tipo supervised (metodi ad albero e reti neurali) e unsupervised (reti neurali di tipo autoencoder) che hanno consentito sia l’individuazione degli apparecchi  difettosi che l’identificazione del tipo di difetto. L’approccio basato su reti neurali non lineari e modelli AE-based, ha offerto performance ottime anche in presenza di serie storiche poco profonde.