AO_447

Tutorial AUTOMAZIONE OGGI 92 | GIUGNO-LUGLIO 2023 AUTOMAZIONE OGGI 447 Bisogna poi prestare particolare attenzione alla qualità e alla profondità dell’analisi. Una solu- zione è quella di utilizzare tecnologie ad alte prestazioni, come il grid computing o l’in-me- mory analytics; può venire in soccorso anche il MapReduce, un modello di programmazione che è eseguito su Hadoop, un motore di analisi dati ampiamente utilizzato per i Big Data e che scrive applicazioni che sono eseguite in paral- lelo per elaborare grandi volumi di dati archi- viati su cluster. Da ultimo, ma non per importanza, non si può sottovalutare il ruolo delle competenze umane: sviluppatori, data scientist e analyst con skill che spaziano dalla matematica alla statistica e che conoscono i principali sistemi di programmazione, come Java, Scala e Python Programming, nonché i linguaggi SQL, il Data Warehousing e il Data Processing ecc., sono essenziali per gestire ogni aspetto della catena del valore dei dati. Come si integrano nello smart manufacturing? I Big Data combinati con machine learning e AI possono, per esempio, servire a creare una stra- tegia di manutenzione efficace, che permetta all’azienda di ottimizzare i processi produttivi. Raccogliendo dati di qualità in fase di produ- zione è infatti possibile comprendere appieno il funzionamento di una linea e ridurre tempi e costi di produzione. È la cosiddetta manuten- zione predittiva: non si tratta solo di raccogliere i dati, bensì di abilitare un processo di elabora- zione e analisi finalizzato alla creazione di solu- zioni di intelligenza artificiale in ambito smart manufacturing. Rispetto alla manutenzione correttiva o reat- tiva, applicata a seguito della rilevazione di un malfunzionamento, e a quella preventiva o programmata, che si basa principalmente sulla tipologia di utilizzo del macchinario, la predittiva sfrutta il monitoraggio costante. Prevede infatti l’utilizzo di tool e tecniche di condition monito- ring per tracciare costantemente le performance di un asset, con l’obiettivo di individuare possi- bili anomalie e guasti, e risolverli prima che por- tino a fermi macchina. Ciò è possibile solo grazie all’uso di sensori che forniscono dati in tempo reale, utili per monitorare, per esempio, la tem- peratura, i livelli acustici, la velocità, le vibrazioni e altri paramenti elettrici. L’analisi di questi dati consente di creare un digital twin di ogni mac- chinario, un modello interattivo e interrogabile, che offre un quadro dettagliato della situazione di ogni risorsa hardware e software attraverso un ampio set di informazioni che possono essere condivise, tramite API o altri protocolli, con tutti i reparti coinvolti nella produzione. Attualmente esistono diverse tecnologie che consentono di attivare una manutenzione pre- dittiva. Le più comuni analizzano temperatura, suoni, contaminazioni e vibrazioni. La termo- grafia a infrarossi, per esempio, permette di fare una serie di test non invasivi utilizzando delle termocamere a infrarossi per individuare tem- perature superiori alla norma nelle apparec- chiature, individuando quindi quei componenti che sono usurati o circuititi malfunzionanti. Il monitoraggio acustico, invece, rileva i suoni dell’emissione di gas, liquidi o perdite di vuoto a livello sonico e ultrasonico. L’analisi delle vi- brazioni è usata per apparecchiature rotanti ad alta velocità e individua disallineamenti, alberi fuori forma, elementi sbilanciati, parti mecca- niche allentate e problemi al motore. L’analisi dell’olio, invece, stabilisce la presenza di con- taminazioni, determinando il contagio della viscosità, dell’acqua e delle particelle. Per mettere in atto unamanutenzione predittiva è necessario, come prima cosa, analizzare tutte le informazioni esistenti, dai tempi di inattività ai guasti, fino alla produzione di energia in ec- cesso. Questi andranno integrati con i dati estra- polati dai sensori di monitoraggio. I dati (passati e presenti) andranno raccolti in un registro det- tagliato per ogni sistema e per i relativi compo- nenti. Infine, tutte queste informazioni, raccolte, normate e analizzate, porteranno alla creazione di algoritmi predittivi che identificano tutte le tendenze di funzionamento di un macchinario, indicando i possibili momenti di riparazione o di sostituzione dei componenti. Nascono così dei veri e propri protocolli di manutenzione che comprendono anche i ruoli del personale in tutte le fasi di produzione e manutenzione. I vantaggi sono indubbi: costi di manutenzione ridotti, minori guasti e tempi di inattività conte- nuti, il che significa aumento della durata della vita media dei macchinari e, di conseguenza, una maggiore produttività. Non solo, la manu- tenzione predittiva consente anche di preve- dere l’attivazione di specifici segnali di allarme che possono aiutare il personale ad adottare le misure di sicurezza necessarie in caso di guasti, riducendo il numero degli infortuni causati da macchinari difettosi. Capitale umano e competenze sono essenziali per gestire ogni aspetto della catena del valore dei dati Con i Big Data è anche possibile creare il digital twin di ogni macchinario, un modello interattivo e interrogabile che offre un quadro dettagliato della situazione di ogni risorsa hardware e software Fonte: foto Shutterstock Fonte: foto Shutterstock