Artificial Intelligence for predictive maintenance

This thesis investigates artificial intelligence application for predictive maintenance field. This research discusses the different maintenance approaches, going from reactive, preventive, to condition-based maintenance, and sketches insights into the current trend of predictive maintenance with AI solutions. In this thesis, major advancements and methodologies embedded in predictive maintenance are identified majorly through an accrued literature review, emphasizing the role of AI in enhancing maintenance decision-making, reducing operational costs, and improving equipment reliability. This thesis compares the conditions of the traditional statistical models and the models developed under AI to run predictive maintenance strategies in the face of each other, to show the superiority of AI in prediction and efficiency. Further, the research deepens the evaluation in industry-specific case studies with the enumeration of practical applications and benefits of AI-powered predictive maintenance and the issues and challenges related to data integration, system compatibility, and human factors. An attempt has been made in this thesis to present a comprehensive framework for the adoption of AI in predictive maintenance with insights into future directions for this area. The results of this research will be of important findings important to offer insights into the maximization of AI potentials in maintenance strategies and helping practitioners and researchers in management engineering to devise more effective and efficient maintenance operations.

Questa tesi studia l'applicazione dell'intelligenza artificiale nel campo della manutenzione predittiva. La ricerca discute i diversi approcci alla manutenzione, da quella reattiva, a quella preventiva, a quella basata sulle condizioni, e traccia un quadro dell'attuale tendenza della manutenzione predittiva con soluzioni di intelligenza artificiale. In questa tesi vengono identificati i principali progressi e le metodologie della manutenzione predittiva attraverso una revisione della letteratura, sottolineando il ruolo dell'IA nel migliorare il processo decisionale di manutenzione, ridurre i costi operativi e migliorare l'affidabilità delle apparecchiature. Questa tesi confronta le condizioni dei modelli statistici tradizionali e dei modelli sviluppati con l'IA per eseguire strategie di manutenzione predittiva, per dimostrare la superiorità dell'IA nella previsione e nell'efficienza. Inoltre, la ricerca approfondisce la valutazione in casi di studio specifici del settore con l'enumerazione delle applicazioni pratiche e dei benefici della manutenzione predittiva alimentata dall'IA, nonché delle problematiche e delle sfide legate all'integrazione dei dati, alla compatibilità del sistema e ai fattori umani. In questa tesi si è cercato di presentare un quadro completo per l'adozione dell'IA nella manutenzione predittiva con approfondimenti sulle direzioni future di questo settore. I risultati di questa ricerca saranno importanti per offrire spunti di riflessione sulla massimizzazione delle potenzialità dell'IA nelle strategie di manutenzione e per aiutare i professionisti e i ricercatori in ingegneria gestionale a ideare operazioni di manutenzione più efficaci ed efficienti.