PR.I.MA.

PRototipo Industriale per la MAnutenzione predittiva.

CLIENTE:

Progetto di ricerca aziendale

DATA:

2017

SERVIZI:

Realizzazione di un prototipo per la manutenzione predittiva di un motore elettrico

La manutenzione predittiva è un tipo di manutenzione che viene effettuata a seguito dell’individuazione di uno o più parametri misurati ed estrapolati utilizzando appropriati modelli matematici allo scopo di individuare il tempo residuo prima del guasto.

In particolare, si parla di “manutenzione predittiva” quando esiste una relazione diretta tra il valore di un segnale e la vita residua del pezzo che lo emette. Si può così determinare il tempo residuo prima di un guasto e pianificare l’intervento da mettere in atto.

Fa da contraltare la “manutenzione su condizione”, che si ha invece quando non esiste o non si riesce a determinare questa relazione e quindi si prestabilisce un limite entro il quale intervenire.

PR.I.MA. è il prototipo per la manutenzione predittiva che abbiamo ideato e realizzato allo scopo di monitorare costantemente lo stato di salute del sistema controllato: al primo segno di degradazione del suo funzionamento mette in atto, automaticamente, una serie di azioni correttive che ne preservano l’operatività, evitando il verificarsi del guasto fino all’intervento del manutentore.

Esigenza da soddisfare

Si è partiti da un fine ben preciso: implementare un sistema di manutenzione predittiva per un sistema controllato pre-esistente, costituito da: 

  • unità a logica programmabile (PLC);
  • interfaccia uomo macchina (HMI);
  • attuatori e sensori.

In particolare, si è posta l’attenzione sulla manutenzione dei motori dei nastri trasportatori di un sistema di material handling, partendo dal monitoraggio della loro temperatura.

La nostra proposta

Per perseguire lo scopo finale, si è optato per la realizzazione di un controllo decentralizzato in Cloud implementato su un single board controller: le variabili di interesse vengono gestite da un nuovo sottosistema a cui è collegato il sensore di temperatura. Tale soluzione comunica con il sottosistema di controllo e supervisione mediante l’infrastruttura di rete realizzata. 

Funzionamento del sistema

Il sistema così implementato, articola la sua operatività nei seguenti principali processi successivi:

  1. il single-board controller legge il valore della temperatura ed effettua una media di tale lettura su un arco temporale di 10 secondi;
  2. lo IoT HUB implementato sul micro-controllore, calcola la media di 6 letture fatte in un minuto e la invia al Cloud;
  3. le informazioni inviate al Cloud vengono elaborate da una Cloud-Application che, attraverso la comparazione e l’andamento dei dati ricevuti, individua eventuali anomalie all’interno del funzionamento del motore;
  4. sulla base dei risultati ottenuti, il Cloud invia un feedback allo IoT HUB che, a seconda dell’evento evidenziato nell’informazione ricevuta, richiama l’attenzione del micro controllore applicando la routine relativa. Routine che può contemplare la modifica della posizione di lavoro di più zone di impianto o l’apertura di un ticket verso il programma che gestisce la manutenzione;
  5. sulla base dell’azione intrapresa, il micro controllore impone al motore una modalità di funzionamento di tipo regolare, degradato o stop di sicurezza, fino a che l’operatore tenuto alla manutenzione del sistema non ripristina il suo normale funzionamento.

Funzionamento del sistema simulato in assenza di anomalie

Funzionamento del nastro in assenza di anomalie

Funzionamento del nastro in presenza di anomalie

Stop di sicurezza del nastro

Risultati

Grazie all’utilizzo di librerie di comunicazione come SNAP 7, il sistema da noi realizzato può essere facilmente introdotto su impianti controllati preesistenti, senza necessitare di modifiche sostanziali alla logica di controllo.

Inoltre, durante la sperimentazione si è potuto osservare come il monitoraggio costante dei parametri e l’individuazione tempestiva della deriva di funzionamento, unitamente all’attuazione di azioni correttive perpetrate in maniera automatica dal modulo di intelligenza artificiale, portino all’evidente diminuzione di casi di rotture inattese e al significativo aumento delle prestazioni del sistema.
.