KINEMA

L’utilizzo di metodi data-driven offre grandi potenzialità in termini di miglioramento delle politiche manutentive di sistemi meccanici: tali metodi non sono però esenti da limitazioni e sono spesso applicati senza valorizzare adeguatamente la conoscenza disponibile sul campo. KINEMA ha l’obiettivo di utilizzare metodi di Machine Learning allo stato dell’arte in una modalità innovativa, al fine di massimizzare lo sfruttamento della conoscenza disponibile sull’intera filiera produttiva con finalità manutentive. L’obiettivo sarà ottenuto mediante la definizione di una metodologia di integrazione per modelli eterogenei all’interno di una architettura neurale: l’approccio faciliterà lo sfruttamento della conoscenza esistente, il riutilizzo di modelli predittivi, la riduzione delle quantità di dati necessarie per l’allenamento dei modelli. L’approccio sarà dimostrato mediante lo sviluppo di sistemi diagnostici operativi su tre casi d’uso industriali.