Predictive maintenance of industrial equipment through digital twin analysis

In this work, the Anomaly Detection task and Predictive Maintenance task in an industrial setting are tackled. In particular, the Anomaly Detection functionality is performed through an LSTM Autoencoder, while the Predictive Maintenance functionality is achieved through a Remaining Useful Life RUL estimation-based technique. The latter uses Dynamic Time Warping based curves matching to estimate the RUL of a machine based on past data.

In questo lavoro, vengono esaminati sia il problema dell' Individuazione di Anomalie, sia della Manutenzione Predittiva in ambito industriale. In particolare, la funzionalità di Individuazione di Anomalie è sviluppata tramite un LSTM Autoencoder, invece la funzionalità di Manutenzione Predittiva viene affrontata tramite la tecnica di stima della Vita Utile Rimanente (RUL). Quest'ultima viene implementata tramite l'utilizzo di un algoritmo chiamato Distorsione Dinamica Temporale (DTW) per effettuare il confronto tra sequenze temporali e stimare la RUL dei macchinari coinvolti nel progetto.