L'INTELLIGENZA ARTIFICIALE PER LA MANUTENZIONE PREDITTIVA NELL'INDUSTRIA DEL PACKAGING FLESSIBILE

Il presente lavoro sviluppa un framework di manutenzione predittiva (Predictive Maintenance) per le linee di stampa flessografica a tamburo centrale Uteco Crystal , con l'obiettivo di anticipare i guasti catastrofici e superare i limiti della manutenzione tradizionale. La prima fase riguarda la preparazione e pulizia dei dati (Data Engineering) mediante l'integrazione di log storici di manutenzione (Moduli M 4-4) e telemetrie di campo (PLC/SCADA). Implementazione di una pipeline per la sincronizzazione temporale, il filtraggio dei fermi macchina e la rimozione del rumore strumentale (Z-score). Il dataset garantisce la tracciabilità dei componenti critici (cinghie) tramite matricole univoche (Serial Number) ed è stato validato sulla base della documentazione costruttiva Uteco (S/N 2972). Infine, i dati strutturati sono stati predisposti per l'addestramento di modelli di classificazione supervisionata, fornendo una base scientifica solida per l'implementazione di strategie di Condition Monitoring industriale.