CUSUM E MACHINE LEARNING PER LA STIMA DELLA RUL: DAL CONTROLLO STATISTICO DI PROCESSO ALLA MANUTENZIONE PREDITTIVA

The thesis investigates the integration of Statistical Process Control and Predictive Maintenance, with particular reference to the use of CUSUM control charts. After a review of the possible links between the two fields, the work examines the application of the CUSUM chart to the residuals of a Machine Learning model for estimating the Remaining Useful Life (RUL) of components subject to degradation. The proposed methodology is validated experimentally on a public degradation dataset, first through a preliminary analysis in Excel and then through the implementation of a predictive model on the Qlik platform. The results highlight the limitations of applying the chart directly to the raw signal and the contribution of the hybrid approach to the early detection of degradation.

La tesi indaga l’integrazione tra il Controllo Statistico di Processo e la Manutenzione Predittiva, con particolare riferimento all’impiego delle carte di controllo CUSUM. Dopo una rassegna dei possibili assi di collegamento tra i due ambiti, il lavoro approfondisce l’applicazione della carta CUSUM ai residui di un modello di Machine Learning per la stima della vita utile residua (Remaining Useful Life) di componenti soggetti a degrado. La metodologia proposta è validata sperimentalmente su un dataset pubblico di dati di degrado, prima attraverso un’analisi preliminare in ambiente Excel e successivamente mediante l’implementazione di un modello predittivo sulla piattaforma Qlik. I risultati evidenziano i limiti dell’applicazione diretta della carta al segnale grezzo e il contributo dell’approccio ibrido nel rilevamento anticipato del degrado.