Dalla manutenzione predittiva verso la prescrittiva

  Richiedi informazioni / contattami

Sistemi di monitoraggio e diagnostica

Mappa concettuale Reliability Centered Maintenance
Mappa concettuale Reliability Centered Maintenance
Overview sistemi di monitoraggio online avanzati in ottica Industry 4.0
Overview sistemi di monitoraggio online avanzati in ottica Industry 4.0

La nascita dell’approccio predittivo

L’idea alla base della manutenzione e del moni­toraggio è quella di garantire l’efficienza e la dispo­nibilità degli impianti, ed è una prassi antica quanto le stesse macchine. In principio la manutenzione si basava su interventi non programmati a seguito del verificarsi di guasti (manutenzione a rottura); successivamente venne introdotta la schedulazio­ne degli interventi basata sulle specifiche dei co­struttori e sull’esperienza degli operatori (manu­tenzione preventiva).

Durante la seconda guerra mondiale l’inglese Conrad Hal Waddington, che coordinava una squadra incaricata di organizzare il manteni­mento degli aeromobili della Royal Air Force, effettuò uno studio sulla disponibilità degli ae­romobili, arrivando alla sorprendente conclu­sione che il tasso di fallimento e/o rottura, in molti casi, era più alto immediatamente dopo un intervento di manutenzione preventiva.

Tali interventi risultavano spesso invasivi, ad esempio potevano richiedere il disassemblaggio di parti del velivolo, e sembravano facilitare l’instaurarsi di ulteriori guasti portando più svantaggi che benefici. Questo fenomeno fu suc­cessivamente soprannominato “Effetto Waddington” e aprì le porte al concet­to di monitoraggio basato sulle condizioni della apparecchiatura. La soluzione adottata da Waddington difatti prevedeva la schedulazione della manutenzione non più in base ad un approccio di tipo preventivo, ma in base alle condizioni fisiche dell’apparecchiatura e alla frequenza del suo utilizzo. Con questo stra­tagemma Waddington migliorò notevolmente la disponibilità degli aeromobili e fondò le basi della manutenzione basata sul monitoraggio delle grandezze caratteristiche dell’asset. Negli anni 60 nel settore aeronautico si sviluppò il concetto della RCM (Reliability Centered Maintenance). I principi della RCM miravano a incrementare rapidamente e sostenere una crescita della disponi­bilità e della sicurezza degli aeromobili. Questi principi supportavano anche la determinazione dei fabbisogni di manutenzione delle nuove apparecchiature in maniera da garantire affidabilità, velocità e precisione nella diagnosi, al fine di contribuire ad una significativa riduzione dei costi.

I concetti legati alla RCM hanno contribuito allo sviluppo delle metodologie della manutenzione predittiva e di tutte le tecnologie ad essa associate.

All’inizio degli anni 90 grazie al contributo di John Moubray - RCM II, i principi della Reliability Centered Maintenance furono applicati a molte realtà indu­striali facilitando lo sviluppo su larga scala della manutenzione predittiva.

Monitoraggio e diagnostica: stato attuale e potenziali sviluppi

Monitoraggio e diagnostica sono due attività diverse ma profondamente legate e devono essere coordinate in modo efficiente per massimizzare i benefici della manutenzione predittiva. Per la maggior par­te dei modi di guasto sono diversi i controlli che permettono di identificare la presenza del guasto stesso: vibrazioni, ultrasuoni, analisi termografiche, analisi degli olii lubrificanti, misure elettriche, ecc. Questi rilievi devono essere integrati ed utilizzati in modo coerente per ottimizzare il monitoraggio al fine di garantire la migliore capacità diagnostica.

Un sistema di monitoraggio e diagnostica on-line si basa sulla acquisizione continua delle variabili ca­ratteristiche relative al funzionamento delle mac­chine al fine di identificare e monitorare l’insorgere delle anomalie. Questi sistemi di diagnostica sono finalizzati a garantire un elevato livello di affidabilità degli impianti, permettendo di pianificare interventi di manutenzione in tempo utile.

Molti dei sistemi di monitoraggio attualmente pre­senti sul mercato si basano sulla acquisizione dei segnali di vibrazione e di altre grandezze fisiche come la temperatura, la velocità angolare, ecc.

I sistemi di monitoraggio più semplici, utilizzano un valore di picco o globale (RMS) e lo confrontano con un livello di allarme. Un valore globale è un numero che rappresenta il contributo totale delle vibrazioni in un range di frequenza. Se la vibra­zione raggiunge valori elevati, o aumenta improv­visamente, significa che la macchina ha raggiunto una condizione critica ed è richiesto un intervento di troubleshooting per identificare con precisione le cause dell’aumento anomalo. Il monitoraggio dei valori globali presenta però delle limitazioni dovute alla mancata identificazione delle singole forzanti che contribuiscono al valore globale.

I sistemi di monitoraggio avanzati prevedono la possibilità di effettuare l’analisi dei segnali acquisiti e di applicare degli algoritmi dedicati non solo per generare alert ma anche per fornire una diagnosi dettagliata dei modi di guasto. Ad esempio dall’a­nalisi della forma d’onda e dello spettro di vibrazio­ne si è in grado di determinare la tipologia del difetto, come usura dei cusci­netti, sbilanciamento, disallineamento, usura di ingranaggi, ecc.

Attualmente, in accordo con le linee guida dettate dalla Industry 4.0, i siste­mi di monitoraggio più evoluti sono concepiti per acquisire grandezze fisiche (vibrazioni, grandezze elettriche, ecc.) e variabili di processo provenienti da sistemi di automazione asserviti agli impianti, ad esempio, drivers, PLC, DCS, SCADA, ecc. In questa maniera vengono raccolte grandi quantità di dati (Big Data) che possono essere storicizzati su un cloud dedicato e processati cor­relandoli tra loro al fine di migliorare la diagnostica e ottimizzare il processo produttivo, utilizzando ad esempio algoritmi di Machine Learning.

Manutenzione prescrittiva: sistemi di monitoraggio basati su intelligenza artificiale

“E se volessimo non solo prevedere i problemi, ma prescrivere soluzio­ni?” Questa è la premessa della manutenzione prescrittiva, tappa dell’In­dustry 4.0, che prevede modelli di tipo predittivo con la capacità di fornire un supporto alle decisioni, utilizzando anche le potenzialità della Intelli­genza Artificiale.

La combinazione delle tecniche di Intelligenza Artificiale, Machine Lear­ning, sistemi di diagnostica evoluti e interfacce utente sempre più inte­rattive (ad esempio attraverso l’utilizzo di Chatbot) garantirà l’evoluzione della gestione della manutenzione nelle realtà industriali. Manutenzione e produzione non saranno più realtà distinte ma fortemente interconnesse, con l’obbiettivo comune di scambiarsi informazioni al fine di ottimizzare il processo produttivo.

Vale la pena ricordare che i concetti legati alla manutenzione prescritti­va rappresentano l’eccellenza del maintenance management. Ad oggi, purtroppo, sono molte le realtà produttive nelle quali non è ancora stato implementato un programma di gestione della manutenzione strutturato ed in linea con l’evoluzione delle tecnologie predittive.

In questa ottica ISE Srl - www.iseweb.net, azienda con una expertise basata su 20 anni di attività on site in molti contesti industriali nazionali ed internazionali, si propone come partner per migliorare l’efficienza e l’affidabilità degli impianti, offrendo servizi di Reliability & Maintenance Consulting, PdM & Condition Monitoring e tecnologie predittive all’avan­guardia.

Nicola Giannini, Sales & Customer Service Engineer, ISE Srl

Pubblicato il Ottobre 22, 2018 - (77 views)
Articoli correlati
Pruftechnik annuncia la vendita dell’azienda a Fluke Corporation
Schaeffler rende pubblici i risultati del primo trimestre
Mattei festeggia i primi cento anni di attività
Valvole pneumatiche con Industrial Ethernet
Il sito di Ct Meca diventa mobile friendly
Continua l'ampliamento del catalogo Conrad
MaintenanceStories 2019, un'edizione da record
La divisione IPDE di Parker ottiene una certificazione IATF
Energy 2019, record di partecipanti per la sesta edizione
Una manutenzione sempre più #digital e orientata al 4.0
Utensili per l'industria
Sensori radar
Giraviti
Giravite torsiometrico elettromeccanico
Software per la manutenzione
Servizio per impianti industriali
Pompe per superficie o profondità
Sistema di allineamento ottico
Strumenti personalizzati per la misura
Dynamic Motor Analyzer
Sistema di allineamento ottico
Dynamic Motor Analyzer
Encoder con interfaccia IO-Link
SMARTCOLLECT PM10, PM20 E PM30
LINAX PQ3000
Monitoraggio totale della qualità della tensione e dei consumi elettrici
SECULIFE HIT AM
Multimetro digitale per la verifica dei motori elettrici
Misuratore d'isolamento METRISO PRIME10
WI-CARE: il sensore per l'analisi spettrale online
Encoder con interfaccia IO-Link
E-Mobility, apparecchiature per la verifica delle stazioni di ricarica per veicoli elettrici
WI-CARE: il sensore per l'analisi spettrale online
Centraline idrauliche modulari
Misurazione smart dei parametri ambientali
Videoscopio diagnostico con tecnologia Up-is-Up
Sistemi motorfeedback rotativi
Laboratorio portatile
Lucchetti lockout/tagout
Granulo abrasivo