Rilevamento Anomalie Senza Dati di Guasto: Come Luviner Abilita la Manutenzione Predittiva dal Primo Giorno
La maggior parte dei sistemi di manutenzione predittiva richiede esempi di ogni tipo di guasto. Luviner ha bisogno solo dei dati di funzionamento normale — e rileva il 100% delle anomalie.
Il problema del rilevamento guasti tradizionale
Ogni progetto di manutenzione predittiva inizia con la stessa domanda: “Dove sono i vostri esempi di guasto?”
In realtà, la maggior parte delle fabbriche non li ha. I guasti sono rari (per fortuna), costosi da riprodurre e spesso mai registrati. La classificazione supervisionata tradizionale richiede esempi etichettati di ogni tipo di guasto — usura cuscinetti, disallineamento, sbilanciamento — prima di poterli rilevare.
Questo crea un problema dell’uovo e della gallina: servono dati di guasto per costruire il sistema, ma serve il sistema per catturare i dati di guasto.
One-Class: impara il normale, rileva tutto il resto
Il rilevamento anomalie di Luviner adotta un approccio fondamentalmente diverso. Invece di imparare com’è un guasto, il modello impara com’è il funzionamento normale. Qualsiasi deviazione da quel pattern appreso viene segnalata come anomalia.
Le implicazioni pratiche sono significative:
- Nessun dato di guasto necessario — addestra interamente su registrazioni normali
- Rileva guasti sconosciuti — anche modalità di guasto mai viste prima
- Deploy dal primo giorno — registra qualche ora di funzionamento normale e sei pronto
- Migliora nel tempo — combinabile con l’adattamento on-device
Risultati benchmark
Sul nostro benchmark di vibrazioni industriali:
- 100% tasso di rilevamento — ogni anomalia è stata correttamente segnalata
- 27x separazione degli score — campioni normali 0.04, anomalie 1.10
- Zero falsi negativi — nessun guasto perso in nessun test
Il modello produce uno score di anomalia continuo, non un semplice sì/no. Questo significa che puoi impostare la tua soglia di sensibilità — catturare degradazioni precoci o segnalare solo deviazioni gravi.
Gira su MCU, in tempo reale
Il modello di rilevamento anomalie viene esportato in puro C e gira in modalità streaming su qualsiasi microcontrollore supportato. Il tuo sensore legge i dati, li passa al modello e ottiene uno score di anomalia — tutto in tempo reale, tutto on-device.
- Nessuna connessione cloud necessaria
- Monitoraggio continuo — non elaborazione batch
- Si affianca al tuo modello di classificazione
Come si confronta
Edge Impulse offre rilevamento anomalie ma richiede la loro piattaforma cloud e un abbonamento. TensorFlow Lite Micro può eseguire autoencoder ma richiede competenze ML significative. Luviner è l’unica piattaforma che offre rilevamento anomalie one-class come feature integrata con export C automatico e deployment su MCU.
Inizia
Carica i dati di funzionamento normale come CSV. Seleziona la modalità rilevamento anomalie. Luviner addestra il modello e lo esporta per il tuo MCU target — pronto da flashare.