Ricercatore a tempo determinato Legge 240/10 art.24-a
Dipartimento di Ingegneria Meccanica e Aerospaziale (DIMEAS)
Profilo
Interessi di ricerca
Biografia
Ha conseguito il Dottorato di Ricerca in Ingegneria Meccanica presso il Politecnico di Torino nel 2023, specializzandosi nell’applicazione di tecniche di Intelligenza Artificiale per la diagnosi e la manutenzione predittiva di sistemi rotanti, con particolare attenzione ai cuscinetti volventi. Ha svolto attività sperimentale per lo sviluppo di dataset dedicati alla diagnostica, occupandosi di acquisizione vibrazionale, utilizzo di accelerometri e definizione di protocolli di condition monitoring. Le sue competenze integrano progettazione ingegneristica e metodi di AI. In ambito meccanico ha esperienza nella modellazione strutturale e dinamica tramite elementi finiti con software commerciali (Ansys), nella simulazione CFD e nell’interazione fluido-struttura, in particolare per sistemi di lubrificazione idrodinamica e cuscinetti a strisciamento. Dal 2023 al 2024 è stato Research Assistant presso il Dipartimento DIMEAS del Politecnico di Torino, lavorando su generazione di dati sintetici mediante reti generative e su applicazioni di modelli di linguaggio (LLMs) per l’analisi di dati industriali. In questo contesto ha maturato esperienza nell’analisi di serie temporali e segnali per il condition monitoring. Dal 2024 è ricercatore a tempo determinato presso il DIMEAS, dove prosegue le attività su manutenzione predittiva, intelligenza artificiale generativa, condition monitoring avanzato e integrazione tra AI e sistemi industriali. Si occupa inoltre di sviluppo di agenti AI a supporto della diagnosi e manutenzione dei macchinari e dell’impiego di Model Context Protocol (MCP) per l’interfacciamento tra strumenti di analisi e LLMs. Nel 2025 ha svolto attività di Visiting Researcher presso la Universitat Politècnica de Catalunya e la Universitat Politècnica de València, su tecniche avanzate di condition monitoring e fault diagnosis di macchine elettriche tramite analisi di vibrazioni, correnti e flusso magnetico e approcci di anomaly detection. Possiede competenze di data science e machine learning applicate al contesto industriale: analisi dei dati, gestione di dataset rumorosi, sviluppo di modelli di machine learning e deep learning per diagnostica e prognostica di macchine industriali. Utilizza MATLAB per l’elaborazione di segnali e Python per data science e sviluppo di modelli, insieme a strumenti di visualizzazione e tool di AI avanzata per il supporto al coding e alla prototipazione di algoritmi. Sta seguendo un percorso avanzato in strategia d’impresa e management, con l’obiettivo di integrare le competenze tecniche con conoscenze di controllo di gestione, project management e innovazione, focalizzandosi sull’applicazione dell’Intelligenza Artificiale nei contesti industriali innovativi e nei modelli di business data-driven.
Settore scientifico discliplinare
(Area 0009 - Ingegneria industriale e dell'informazione)
Linee di ricerca
- Industrial AI for Machine Diagnostics and Predictive Maintenance
- Machine Learning and Generative AI for Modelling and Engineering of Industrial Systems
Competenze
Settori ERC
SDG
Open badge
-
Effective communication with businesses
Rilasciato da Politecnico di Torino il 15-07-2024
Premi e riconoscimenti
- Applied Sciences Best Paper Award conferito da Applied Sciences MDPI, Svizzera (2025)
- Premio "A. Capocaccia" conferito da AIAS, Società Scientifica Italiana di Progettazione Meccanica e Costruzione di Macchine, Italia (2023)
Comitati editoriali
- MACHINES (2025-2026), Guest Editor di rivista o collana editoriale
- ELECTRONICS (2024), Guest Editor di rivista o collana editoriale
Altri incarichi di ricerca o didattica esterni
- Visiting Researcher, presso Universidad Politécnica de Valencia (1/9/2025-30/9/2025)
- Visiting Researcher, presso Universitat Politècnica de Catalunya (7/7/2025-11/7/2025)
- Visiting Researcher, presso Universidad Politécnica de Valencia (1/6/2025-30/6/2025)
Altri titoli
- Solidworks CSWP-)
- Altair HyperWorks/HyperMesh-)
- Matlab-)
- Ansys-)
Didattica
Collegi dei Corsi di Studio
- Collegio di Ingegneria Meccanica, Aerospaziale e dell'Autoveicolo. Componente invitato
Insegnamenti
Corso di laurea magistrale
- Costruzione di macchine. A.A. 2024/25, INGEGNERIA MECCANICA. Collaboratore del corso
- Machine design. A.A. 2023/24, INGEGNERIA MECCANICA (MECHANICAL ENGINEERING). Collaboratore del corso
- Costruzione di macchine. A.A. 2023/24, INGEGNERIA MECCANICA. Collaboratore del corso
- Costruzione di macchine. A.A. 2022/23, INGEGNERIA MECCANICA. Collaboratore del corso
- Machine design. A.A. 2021/22, INGEGNERIA MECCANICA (MECHANICAL ENGINEERING). Collaboratore del corso
- Machine design. A.A. 2020/21, INGEGNERIA MECCANICA (MECHANICAL ENGINEERING). Collaboratore del corso
- Machine design. A.A. 2019/20, INGEGNERIA MECCANICA (MECHANICAL ENGINEERING). Collaboratore del corso
Corso di laurea di 1° livello
- Elementi di costruzione di macchine. A.A. 2025/26, INGEGNERIA MECCANICA. Collaboratore del corso
- Elementi di costruzione di macchine. A.A. 2025/26, INGEGNERIA MECCANICA. Collaboratore del corso
- Elementi di costruzione di macchine. A.A. 2024/25, INGEGNERIA MECCANICA. Collaboratore del corso
- Elementi di costruzione di macchine. A.A. 2022/23, INGEGNERIA MECCANICA. Collaboratore del corso
Ricerca
Gruppi di ricerca
Dottorandi
- Luca Giraudo. Corso in Ingegneria Meccanica (41o ciclo, 2025-in corso)
Pubblicazioni
Pubblicazioni per tipo
Coautori PoliTO
Pubblicazioni con più citazioni Vedi tutte le pubblicazioni su Porto@Iris
- Brusa, Eugenio; Cibrario, Luca; Delprete, Cristiana; Di Maggio, Luigi Gianpio (2023)
Explainable AI for Machine Fault Diagnosis: Understanding Features' Contribution in Machine Learning Models for Industrial Condition Monitoring. In: APPLIED SCIENCES, vol. 13. ISSN 2076-3417
Contributo su Rivista - Brusa, E.; Delprete, C.; Di Maggio, L. G. (2021)
Deep transfer learning for machine diagnosis: From sound and music recognition to bearing fault detection. In: APPLIED SCIENCES, vol. 11. ISSN 2076-3417
Contributo su Rivista - Di Maggio, Luigi Gianpio (2023)
Intelligent Fault Diagnosis of Industrial Bearings Using Transfer Learning and CNNs Pre-Trained for Audio Classification. In: SENSORS, vol. 23. ISSN 1424-8220
Contributo su Rivista - Brusa, E.; Bruzzone, F.; Delprete, C.; Di Maggio, L. G.; Rosso, C. (2020)
Health indicators construction for damage level assessment in bearing diagnostics: A proposal of an energetic approach based on envelope analysis. In: APPLIED SCIENCES, vol. 10, pp. 1-24. ISSN 2076-3417
Contributo su Rivista - Brusa, Eugenio; Delprete, Cristiana; Di Maggio, Luigi Gianpio (2023)
Eigen-spectrograms: An interpretable feature space for bearing fault diagnosis based on artificial intelligence and image processing. In: MECHANICS OF ADVANCED MATERIALS AND STRUCTURES, pp. 1-13. ISSN 1537-6494
Contributo su Rivista - DI MAGGIO, LUIGI GIANPIO; Brusa, Eugenio; Delprete, Cristiana (2023)
Zero-Shot Generative AI for Rotating Machinery Fault Diagnosis: Synthesizing Highly Realistic Training Data via Cycle-Consistent Adversarial Networks. In: APPLIED SCIENCES, vol. 13. ISSN 2076-3417
Contributo su Rivista - Brusa, E.; Delprete, C.; Giorio, L.; Di Maggio, L. G.; Zanella, V. (2022)
Design of an Innovative Test Rig for Industrial Bearing Monitoring with Self-Balancing Layout. In: MACHINES, vol. 10. ISSN 2075-1702
Contributo su Rivista - Delprete, C.; Maggio, L. G.; Sesana, R. (2021)
Theory of critical distances: A discussion on concepts and applications. In: PROCEEDINGS OF THE INSTITUTION OF MECHANICAL ENGINEERS. PART C, JOURNAL OF MECHANICAL ENGINEERING SCIENCE, vol. 235, pp. 5695-5708. ISSN 0954-4062
Contributo su Rivista - Giraudo, Luca; Di Maggio, Luigi Gianpio; Giorio, Lorenzo; Delprete, Cristiana (2025)
Dynamic Multibody Modeling of Spherical Roller Bearings with Localized Defects for Large-Scale Rotating Machinery. In: SENSORS, vol. 25, pp. 1-25. ISSN 1424-8220
Contributo su Rivista - Di Maggio, Luigi Gianpio; Gastaldi, Chiara; Renzo, Danilo Antonello; Delprete, ... (2025)
A robust methodology for dataset preparation and algorithm performance assessment in machine learning prediction of the fatigue life of additive manufactured components. In: ENGINEERING WITH COMPUTERS. ISSN 0177-0667
Contributo su Rivista