Nicolo' Bertozzi
Diagnosis methods for predictive maintenance of rolling bearings in an Industry 4.0 scenario.
Rel. Tania Cerquitelli, Ilaria Bosi, Ariel Pablo Cedola, Rosaria Rossini. Politecnico di Torino, Corso di laurea magistrale in Data Science And Engineering, 2021
|
Preview |
PDF (Tesi_di_laurea)
- Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives. Download (27MB) | Preview |
Abstract
Il cuscinetto è uno dei componenti più utilizzati in ambito industriale, poiché la sua funzione di riduzione dell'attrito è richiesta in differenti sezioni all'interno di un macchinario, sopratutto in vicinanza di elementi rotativi. Tuttavia, l'onere di essere una pedina fondamentale nell'immensa scacchiera della catena di produzione si contrappone al dovere di trovarsi sempre nelle migliori condizioni possibili, dal momento che su di esso potrebbe gravare il risultato operativo di una azienda. La rottura di uno, o più, di questi elementi potrebbe portare, infatti, a durature interruzioni della fabbricazione, generando un impatto economico negativo non indifferente per l'azienda stessa. Per di più un singolo cuscinetto, durante la fase di fine vita, emette vibrazioni ad elevata ampiezza che potrebbero portare a ledere anche la componentistica meccanica intorno, con il rischio di creare dei seri malfunzionamenti a catena.
Tenendo in considerazione sia la quantità di capitale necessario per l'acquisto di un macchinario di questa portata, e sia il numero di anni richiesto per un suo ammortamento a bilancio, si rende sempre più necessario mettere a punto strategie profittevoli che permettano di controllare l'andamento della degradazione di questi componenti
Relatori
Anno Accademico
Tipo di pubblicazione
Numero di pagine
Corso di laurea
Classe di laurea
Aziende collaboratrici
URI
![]() |
Modifica (riservato agli operatori) |
