Tramite l’analisi delle curve di temperature, potenza e corrente registrate da una linea di test di frigoriferi, l’obbiettivo è quello di identificare le macchine difettose, distinguendole invece da quelle funzionanti.
La rete neurale autoendoer (AE) è una tecnica deep learning unsupervised che permette, tra le altre cose, di imparare una nuova opportuna rappresentazione dei dati, che meglio caratterizzi l’informazione che si vuole analizzare.
La tipica struttura a bottleneck della rete AE permette di estrarre una nuova rappresentazione di dimensione ridotta rispetto alla dimensione del dato in input. Applicando successivamente tecniche unsupervised di clustering è possibile dividere i campioni in base alla classe di appartenenza.
Usando la nuova rappresentazione dei dati imparata tramite AE e applicando successivamente una tecnica di clustering gerarchico è possibile dividere i dati in input in 3 classi: frigoriferi sani, frigoriferi difettosi e difetto riscontrato a livello della linea di test.
Cordoni, G. Bacchiega, G. Bondani, R. Radu, R. Muradore; A deep learning fully unsupervised approach for fault diagnosis in household Appliances.
