Ricerc@Sapienza

L'obiettivo della ricerca consiste nella definizione di un metodo gestionale ideato in modo tale da fornire in tempo reale informazioni sintetiche utili alla rilevazione ed alla previsione di eventuali malfunzionamenti o condizioni operative inefficienti a partire dai dati di monitoraggio relativi a parametri energetici, produttivi, manutentivi e ambientali che caratterizzano i processi industriali. Mediante l'applicazione di opportuni algoritmi di Machine Learning (regressione lineare, reti neurali, Cluster Analysis, alberi decisionali, ecc.), Complex Network Analysis (CNA) e Graph Database (GDB) è possibile, estraendo le informazioni e le tendenze più importanti fra le variabili monitorate, individuare connessioni logiche e correlazioni nascoste tra i diversi parametri che descrivono il comportamento di un impianto complesso. L'intento è quello di riconoscere l'evoluzione di eventuali malfunzionamenti o condizioni operative anomale e di individuare precocemente possibili guasti incipienti. Ciò permette di suggerire appropriate misure da adottare per ottenere risultati ottimali, riducendo in tal modo i costi operativi ed eliminando i tempi di inattività e gli sprechi. L'attività principale del gruppo di ricerca sarà costituita da una prima fase di ricerca bibliografica, per avere un quadro dettagliato dello stato dell'arte riguardante le tecniche di gestione ed analisi dei dati precedentemente elencate ed individuare i modelli matematici più adatti per gli scopi prefissati, per poi passare alla fase di progettazione del metodo e la successiva validazione. Il modello verrà istruito con dati acquisiti mediante il monitoraggio di un impianto fotovoltaico di riferimento in condizioni di corretto funzionamento e in seguito testato con dati di processo in condizioni che si discostano dal funzionamento ottimale al fine di analizzare la capacità del modello di individuare problematiche differenti.