B2405 - PREDICTIVE MAINTENANCE

Conoscenze e abilità da conseguire

The course aims to provide the conceptual, methodological, and practical bases for the Predictive Maintenance of industrial equipment. At the end of the course, the student is able to apply the most advanced techniques based on Machine Learning and Neural Networks, characterizing Industry 4.0, of Condition Monitoring and Predictive Maintenance. Finally, significant cases related to industrial machines will be analyzed.

Contenuti

MACHINE LEARNING APPLICATO ALLA DIAGNOSI DI GUASTI (DG) E ALLA MANUTENZIONE PREDITTIVA (MP) degli Impianti e Macchinari Industriali

Fondamenti di Machine Learning: principali algoritmi di classificazione come

• Support Vector Machine;k-Nearest Neighbors
• Random Forest
• Naive Bayes
  e loro applicazione al learning di tipo Bagging, Boosting and Blended 

Workflow della Manutenzione predittiva:

• Sensorizzazione  degli impianti per la DG e la MP: misurazione in tempo reale dati meccanici, elettronici, elettrici, dati su usura, surriscaldamento e consumi
• Data processing ed individuazione dei Condition Indicators(CI) nel dominio del tempo, delle frequanze e nel tempo-frequenza
• Training del Modello Machine Learning
• Cassificazione dei Guasti
• Individuazione features utili alla predizione della Remaining Useful Life (RUL)
• Metodologie per la Predizione della RUL
  
  

Illustrazione del Toolbox di Predictive Maintenance di Matlab/SImulink:

• programmazione, esempi e utilizzo sinergico con il Toolbox di Machine Learning di Matlab

• Applicazione in Matlab di tecniche di Machine Learning alla diagnosi di guasti nei cuscinetti a sfera mediante l'uso di accelerometri (dati reali): analisi del vibrazioni, spectrum e Envelope Spectrum delle vibrazioni, incremento del rapporto segnale/rumore mediante Kurtogramma, Support Vector Machine based classification of the fault (inner and/or outer race fault). Programmazione in Matlab/Simulink
• Applicazione di Tecniche di Machine Learning alla predizione del tempo di vita utile rimanente di una Pompa Idraulica mediante misure di pressione (dati da digital twin). Programmazione in Matlab/Simulink

DEEP LEARNING PER LA MANUTENZIONE PREDITTIVA

Fondamenti di Neural Networks (NN)

• Basic notion on NN
• Convolutional Neural Network
• Transfer Learning: use of Google Net and Squeezenet

Condition Monitoring and RUL prediction by Deep Learning

• Applicazione alla diagnosi e RUL prediction di Rolling Element Bearingdi una Rotating Machinery

CENNI SUL NEURAL NETWORK INTELLIGENT CONTROL

Neuro Adaptive Control

• Fondamenti sulle reti Neurali adattive: Radial Basis Function Neural Networks
• Fondamenti di Feedback Error Learning Control
  

CENNI SULLA COMPUTER VISION

• “Machine Vision” e “Imaging Transformations”
• Image processing per il controllo di qualità, la diagnosi di gusti e la predizione della RUL

Testi/Bibliografia

• Pedro Larrañaga et al, Industrial Applications of Machine Learning. Editore: Chapman & Hall/CRC Data Mining and Knowledge Series

Metodi didattici

Lezioni in presenza. Software Matlab/Simulink. Software CAM.

Modalità di verifica e valutazione dell'apprendimento

Colloquio orale con lo studente. Eventuale tesina facoltativa su argomento concordato con lo studente.

Il colloquio orale può avvenire anche durante il corso in aula di lezione

Strumenti a supporto della didattica

Computer in aula e laboratorio didattico

Visite didattiche in industrie locali del settore.

Orario di ricevimento

Consulta il sito web di Paolo Castaldi