Machine Learning · Random Forest

Manutenzione Predittiva

Analisi del parco macchine basata sullo storico interventi. Il modello stima la probabilità di guasto imminente per ogni macchinario e suggerisce il tecnico in base alla specializzazione.

⚠
Progetto dimostrativo. Dataset fittizio realistico (500 interventi). Il modello (accuratezza 75% sul guasto imminente) illustra l'approccio metodologico, non una previsione operativa reale. L'AI individua i candidati a rischio — la decisione resta all'uomo.
0
Macchinari analizzati
0
Rischio alto
0
Rischio medio
0
Rischio basso
0%
Prob. media

Come legge il rischio il modello

Un Random Forest addestrato sullo storico pesa le caratteristiche di ogni macchinario. Le variabili che incidono di più, in ordine:

Età macchinario 27%
Ore di utilizzo 27%
Mesi senza intervento 17%
Interventi ultimi 12 mesi 14%
Tipo macchinario 10%
Priorità 6%
Modello: Random Forest · scikit-learn · 200 alberi Alessandro Dardi · Manutenzione Predittiva v1