La creazione del vuoto è uno step fondamentale nella manifattura di frigoriferi: l’obbiettivo è identificare profili di pressione anomali durante il processo. Tale informazione verrà fruita in maniera semplice dagli operatori di linea e in forma più avanzata in un sistema di supporto alle decisioni per il plant manager ed i responsabili di processo.
L’approccio di Deep Learning adottato ha performance superiori rispetto agli approcci di Anomaly Detection classici in termini di trade-off fra precision e recall.
L’attività di ricerca ha portato alla pubblicazione di un paper su rivista scientifica:
M. Carletti, C. Masiero, A. Beghi, G.A. Susto. A deep learning approach for anomaly detection with industrial time series data: a refrigerators manufacturing case study. Procedia Manufacturing, 2019.
Partner Electrolux; Statwolf Data Science; Università degli Studi di Padova