Bruno Pinci
Metodologie data-driven a supporto della manutenzione predittiva. Applicazioni in ambito robotica nell’era Industry 4.0 = Data-driven methodologies to support predictive maintenance. Applications in the robotics field in the Industry 4.0 era.
Rel. Tania Cerquitelli, Francesco Ventura. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Gestionale, 2019
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (2MB) | Preview |
Abstract
Lo sviluppo tecnologico negli ultimi anni ha compiuto passi da gigante, dando forma a nuove invenzioni, nuovi modelli di business e nuovi settori in campo industriale e dei servizi, che fino a poco tempo fa neanche esistevano e che stanno rivoluzionando la vita quotidiana dell’uomo. L’evoluzione digitale ha fatto sì che chiunque, anche solo utilizzando il proprio smartphone, possa collezionare e trasmettere informazioni di valore che possono essere sfruttate in moltissimi modi diversi. Il motivo dell’importanza dei dati – che provengano dalle persone, dall’uso di internet o dalle macchine di una fabbrica – è molto semplice: essi permettono di capire al meglio il mondo in cui viviamo, consentono di ottimizzare i nostri sforzi dirigendoli in direzioni ben precise e in alcuni casi danno la possibilità di creare modelli di predizione del futuro tramite algoritmi induttivi, che dai casi particolari comprendono il comportamento di sistemi sempre più generali.
Pertanto, questa tesi s’inserisce nell’ambito della big data analytics, andando ad approfondire nel dettaglio il contesto che ha permesso a questa tecnologia di divenire così determinante negli ultimi anni
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
URI
![]() |
Modifica (riservato agli operatori) |
