Analisi e previsione delle rotture mille fusi ora nei filatoi: applicazione di modelli predittivi al caso reale

The aim of this thesis is to predict the number of breaks per thousand spindle hours of textile spinning machines through the application of artificial intelligence predictive models. The ultimate goal is to optimize the speed regulation of the spinning machine, balancing increased production with the risk of an excessive number of breaks. The use of predictive models to estimate breaks per thousand spindle hours allows finding the ideal compromise between efficiency and process reliability. The analysis was conducted on real data provided by a company in the sector, including variables regarding the characteristics of the material in production and the working parameters of the machinery. After a preliminary phase of data exploration and analysis, various machine learning algorithms were tested to evaluate their predictive capacity; the results obtained show the potential of applying artificial intelligence in the textile field.

L'obiettivo di questa tesi è la previsione del numero di rotture per mille fusi ora dei filatoi tessili attraverso l'applicazione di modelli predittivi di intelligenza artificiale. L'obiettivo finale è ottimizzare la regolazione della velocità del filatoio, bilanciando l'aumento della produzione con il rischio di un numero eccessivo di rotture. L'impiego di modelli predittivi per stimare le rotture per mille fusi ora consente di trovare il compromesso ideale tra efficienza e affidabilità del processo. L'analisi è stata condotta su dati reali forniti da un'azienda del settore, includendo variabili riguardanti le caratteristiche del materiale in produzione e i parametri di lavoro del macchinario. Dopo una fase preliminare di esplorazione e analisi dei dati, sono stati testati diversi algoritmi di machine learning al fine di valutare la loro capacità predittiva; i risultati ottenuti mostrano il potenziale dell'applicazione dell'intelligenza artificiale in ambito tessile.