EMB 94

EMBEDDED 94 • NOVEMBRE • 2024 31 Fig. 2 – Achitettura basata sui gemelli digitali (fonte: MDPI) MACHINE LEARNING | IN TEMPO REALE tali sulle condizioni operative e sullo stato di una mac- china rendono possibile la manutenzione predittiva. Ciò può includere il rilevamento di parametri come umidità, temperatura e altri ancora. Un algoritmo di apprendimento automatico può analiz- zare i modelli tra i dati raccolti nel tempo e prevedere ragionevolmente quando la macchina potrebbe aver bi- sogno di manutenzione. Esistono diversi approcci per raggiungere questo obiettivo, tra cui quelli di seguito elencati: • Modelli di regressione: prevedono la vita utile resi- dua dell’apparecchiatura. Questo metodo utilizza dati storici e statistici, così i produttori possono pre- vedere quanti giorni mancano prima che la macchi- na subisca un guasto • Modelli di classificazione: questi modelli prevedono guasti entro un intervallo di tempo predefinito • Modelli di rilevamento delle anomalie: segnalano i dispositivi quando rilevano un comportamento ano- malo del sistema Grazie ai sensori IoT che alimentano la manutenzione predittiva, l’apprendimento automatico può analizzare i modelli nei dati per vedere quali parti della macchina devono essere sottoposte a manutenzione per evitare un guasto. Se determinati modelli portano a una tendenza dei difetti, è possibile che i comportamenti hardware o software possano essere identificati come cause di tali difetti. Da qui, gli ingegneri possono trovare soluzioni per correggere il sistema per evitare quei difetti in futu- ro. Questo consente di ridurre il margine di errore della fabbrica. I gemelli digitali I gemelli digitali sono una rigenerazione virtuale del processo di produzione basato sui dati dei sensori IoT e sui dati in tempo reale. Possono essere creati come una rappresentazione ipo- tetica originale di un sistema che non esiste ancora, op- pure potrebbero essere una rigenerazione di un sistema esistente.