Manutenzione predittiva con MATLAB: un esempio di prognostica
Il trattamento di grandi moli di dati, prodotti dai sistemi di sensoristica applicati sulle macchine negli impianti produttivi, risulta un’attività complessa non solo per il volume dei dati in gioco ma anche per la loro differente natura e la velocità con la quale possono variare. Si tratta di attività di analisi che stanno guadagnando sempre maggiore attenzione in ambienti industriali evoluti e strutturati, spesso in relazione al termine “Data Mining” e “Big Data”.
MATLAB fornisce in un unico ambiente integrato gli strumenti di analisi che permettono un rapido sviluppo sia dei data analytics sia dei sistemi che processano i segnali catturati dai sensori, in modo da poter intervenire sull’ottimizzazione della progettazione di macchine, poter realizzare tool per la prognostica e la manutenzione preventiva, la diagnostica e molte altre applicazioni.
Nel webinar che si terrà l’11 Maggio alle ore 16 saranno utilizzate delle tecniche di machine learning per stimare la vita utile residua di un componente. Verrà trattato il workflow che inizia con l’acquisizione dei dati, il loro pre-processing e quindi la scelta della tecnica predittiva idonea, attraverso le fasi di selezione e addestramento dei modelli.
[button color=”” size=”large” type=”” target=”_blank” link=”https://go2.mathworks.com/predictive-maintenance-ml-lwb-it-1377703?s_v1=12687&elq_cid=10543820&elqTrackId=ceab8f6c74914ef48a7bd55586c0e792&elq=9c65139b6d924887ab43c3705b70342a&elqaid=12687&elqat=1&elqCampaignId=4059″]ISCRIVITI AL WEBINAR[/button]
INFORMAZIONI SUL RELATORE
Francesca Perino è in MathWorks dal gennaio 2002 ed attualmente è uno degli Application Engineer del team Italiano. Per diversi anni, come sviluppatore software, ha utilizzato MATLAB per lo sviluppo di modelli e algoritmi. Francesca si è laureata in Fisica a Torino con un percorso orientato alla Fisica Computazionale. In MathWorks Francesca si occupa principalmente di MATLAB, dei tool di matematica/statistica/ottimizzazione e di calcolo parallelo e dell’integrazione di MATLAB in ambienti terzi.