| KEYWORD |
Tecniche di Machine Learning per il Controllo di Processo nella Lavorazione Meccanica
Parole chiave CONTROLLO DI PROCESSO, DEEP NEURAL NETWORKS, INDUSTRIA 4.0, MACHINE LEARNING, MANUTENZIONE PREDITTIVA, RETI NEURALI ARTIFICIALI, SMART MANUFACTURING
Riferimenti DANIELE JAHIER PAGLIARI
Riferimenti esterni Nicola Zaquini, Balance Systems S.r. l.
Gruppi di ricerca GR-06 - ELECTRONIC DESIGN AUTOMATION - EDA
Tipo tesi IMPLEMENTATIVA, INDUSTRIALE, RICERCA
Descrizione Progettazione e sviluppo software per la realizzazione di un sistema di controllo di processi produttivi basato su metodi di Machine/Deep Learning.
La tesi verrā svolta in collaborazione con l'azienda Balance Systems S.r.l.
Nell'ambito della lavorazione meccanica, si vuole realizzare un sistema di controllo del processo e manutanzione predittiva in base ai dati raccolti da sensori su macchinari industriali. In particolare, ci si concentrerā su accelerazioni e vibrazioni. I dati raccolti verranno analizzati mediante tecniche di machine/deep learning al fine di predire malfunzionamenti o guasti.
Lo studente implementerā e confronterā diverse tecniche di Machine Learning, al fine di individuare la soluzione migliore sia dal punto di vista dell'accuratezza della predizione che della complessitā computazionale.
Conoscenze richieste I candidati devono avere buone abilitā di programmazione ed essere interessati al machine/deep learning ed alle sue applicazioni.
Avere esperienza con Python e C++ ed avere giā delle nozioni base di machine/deep learning č sicuramente preferibile ma non necessario.
Scadenza validita proposta 14/11/2020
PROPONI LA TUA CANDIDATURA