Predictive maintenance
Il gruppo d’interesse sulla Predictive Maintenance (PdM) si prefigge come obiettivo quello di avviare un processo di sviluppo di un framework comune per l’applicazione della PdM alle infrastrutture scientifiche, facilitando la condivisione di dati, metodi e risorse. La PdM si distingue dalla manutenzione tradizionale in quanto non si limita ad effettuare interventi di manutenzione programmati a cadenza fissa (manutenzione preventiva) o in seguito alla segnalazione di guasti (manutenzione correttiva), ma utilizza modelli basati sui dati per prevedere in anticipo i potenziali malfunzionamenti delle apparecchiature. Questo consente un intervento tempestivo, prima che i guasti si verifichino effettivamente, riducendo al minimo i tempi di inattività e i costi associati alla manutenzione correttiva.
Obiettivi:
- Collaborazioni su progetti congiunti: favorire collaborazioni tra membri e partecipare a progetti congiunti di ricerca.
- Creazione di un framework comune che agevoli l’applicazione della PdM nelle infrastrutture scientifiche, promuovendo la condivisione di dati, metodologie e risorse all’interno di INAF.
Il gruppo si propone di esplorare l’utilizzo di modelli di anomaly detection e machine learning sui dati provenienti dai sensori e sui file di log per identificare pattern anomali con lo scopo di sviluppare applicazioni PdM che possano poi essere condivise all’interno della collaborazione.
Componenti Gruppo:
Federico Incardona – federico.incardona@inaf.it
Alessandro Costa – alessandro.costa@inaf.it
Pietro Bruno – pietro.bruno@inaf.it
Vito Conforti – vito.conforti@inaf.it
Farida Farsian – farida.farsian@inaf.it
Francesco Franchina -francesco.franchina@inaf.it
Stefano Germani – stefano.germani@inaf.it
Fulvio Gianotti – fulvio.gianotti@inaf.it
Alessandro Grillo – alessandro.grillo@inaf.it
Giuseppe Leto – giuseppe.leto@inaf.it
Kevin Munari – kevin.munari@inaf.it
Francesco Schillirò – francesco.schilliro@inaf.it
Gino Tosti – gino.tosti@inaf.it