Digital model of a CNC machine tool for fault data generation

The availability of data for Artificial Intelligence and the simulation of anomalous condi- tion are two critical challenges that the contemporary digital industry is called to face. It is already possible to acquire and analyze large datasets, but the availability of fault state data is far from being adequate to the demand: it requires long machine running times (months or in some cases years) and even when these data are available it is not guaran- teed that a trend to the fault state can be found in order to identify it again later. Fault data may be not reliable or present in a limited amount, since for Artificial Intelligence purposes very large datasets are required. To this end, this thesis presents a methodology suitable for generating artificial fault data by means of physics-based model. Applying this methodology to the case study of a CNC machine, it is possible to validate it and lay the foundations for broader reflections on systems of different nature. For the purpose of this project, the object-oriented paradigm has been selected has the proper modelling style, providing versatility and coherence to the model by virtue of its modularity and strong correspondence between physical and virtual reality. Although this project is just a piece in the great mosaic of digitization, it opens potential scenarios for the management of issues in which many production companies recognize or will recognize themselves: the results obtained provide both an answer to the tempo- rary lack of data and a helpful tool for design and maintenance decisions. Taking the modelling of a machine tool as a case study, this thesis will seek the connection between the two issues, namely the ability to simulate anomalous conditions and the consequent generation of information about the state of the system under analysis.

La disponibilità di dati al servizio dell’Intelligenza Artificiale e la simulazione di condizioni anomale sono due sfide critiche che l’industria digitale contemporanea è chiamata ad af- frontare. Ad oggi è possibile acquisire e analizzare insiemi di dati di grandi dimensioni, ma la disponibilità di dati di guasto è lungi dal soddisfare la domanda: sono richiesti lunghi tempi di funzionamento della macchina (mesi o in alcuni casi anni) e anche quando questi dati sono disponibili non è garantito che si possa trovare un trend del degrado per iden- tificarlo poi in altre situazioni. Inoltre i dati di guasto potrebbero non essere affidabili o essere insufficienti, poiché per molte applicazioni dell’Intelligenza Artificiale sono neces- sari dataset molto grandi. A tal fine, questa tesi presenta una metodologia idonea alla generazione di dati di guasto artificiali mediante modelli basati sulla fisica. Applicando tale metodologia al caso studio di una macchina CNC, è possibile validarla e gettare le basi per riflessioni più ampie su sistemi di diversa natura. Il paradigma orientato agli oggetti è stato scelto in quanto rappresenta lo stile di model- lazione più appropriato, fornendo versatilità e coerenza al modello in virtù della sua modularità e forte corrispondenza tra realtà fisica e virtuale. Sebbene questo progetto sia solo un tassello nel grande mosaico della digitalizzazione, apre potenziali scenari per la gestione di problematiche in cui molte realtà produttive si riconoscono o si riconosceranno nel breve termine: i risultati ottenuti forniscono sia una risposta alla temporanea mancanza di dati, sia un utile strumento per le decisioni progettuali e manutentive. Prendendo come caso di studio la modellazione di una macchina utensile CNC, questa tesi cercherà la connessione tra le due problematiche, ovvero la capacità di simulare condizioni anomale e la conseguente generazione di informazioni sullo stato del sistema in analisi.