AS_06_2021

tecnica Automazione e Strumentazione Settembre 2021 91 CONTROLLO dei parametri operativi e alimentare in qualsiasi condizione la fase liquida con accuratezza, precisione ed omogeneità. Anche in questo progetto, così come in quello presentato in prece- denza, sono state condotte parallelamente la campagna simulativa e una serie di test sperimentali necessaria a confermare i risultati dell’attività di modellazione del componente. Questa attività di validazione è stata condotta simulando il funzio- namento di un collettore a 24 testine , e confrontando il valore di portata in uscita da ogni singola testina con quello effettivamente misurato dai sensori installati a bordo di un collettore pilota dalla configurazione identica ( Figura 5 ). Fare innovazione con la simulazione In seguito a questa attività è stato possibile utilizzare il gemello digitale del componente per testare diverse configurazioni alter- native , determinare i parametri caratteristici di processo e la loro relazione con i parametri prestazionali e guidare la progettazione del nuovo collettore. Anche in questo caso, i risultati raggiunti grazie alla modellazione corretta del processo e alla creazione di una copia virtuale dello stesso sono stati diversi: - la precisione della portata ed il bilanciamento della reazione è stata garantita e validata sperimentalmente; - il sistema di controllo ed automazione del processo è stato ottimiz- zato sia per quanto riguarda il numero che la posizione di installa- zione dei sensori; - l’alimentazione delle testine grazie al nuovo collettore è risultata stabile e omogenea (variazione massima di portata tra le diverse testine ≤ ±2%); - sono diminuiti sensibilmente i tempi di setup e manutenzione del sistema. In quanto auto-calibrante, il collettore non richiede infatti all’avvio del processo operazioni manuali di sostituzione o modi- fica della disposizione o della configurazione delle testine. Conclusioni: i risultati ottenuti attraverso la modellazione digitale I casi di successo elencati sopra dimostrano che nell’industria moderna l’automazione della gestione del processo sta assumendo una importanza sempre maggiore. A tal proposito, la creazione di modelli virtuali in grado di replicare con solidità e affidabilità il fun- zionamento di fasi produttive può fornire alle attività di controllo, gestione, automazione e miglioramento dei processi nuove e più arti- colate finalità. Da un lato, lo sforzo richiesto per condurre le attività di analisi legate all’implementazione di modelli affidabili aumenta la conoscenza degli asset produttivi , permettendo lo studio approfondito delle diverse fasi operative. Dall’altro, la necessità di validare sul campo i modelli virtuali per- mette di integrare i sistemi di monitoraggio con sensori intelligenti , architetture di controllo interconnesse e software di visualizza- zione e analisi dinamica dei dati. Questo fornisce al sistema l’ intelligenza necessaria per saper inter- pretare con trasparenza il processo, comprendere le relazioni che legano le leve operative con gli indici prestazionali e agire in maniera predittiva, mantenendo elevate le performance del sistema e dimi- nuendo il dispendio di risorse. Il “Digital Twin”, in altre parole, può essere uno strumento rivo- luzionario per analizzare e ottimizzare le prestazioni di impianti e processi nella configurazione reale e fornire al sistema di con- trollo una logica predittiva di comando in grado di migliorare l’effi- cienza e la produttività diminuendo contemporaneamente lo spreco di tempi e risorse. La creazione di un modello virtuale affidabile e la sua implementa- zione a bordo di sistemi di monitoraggio, supervisione e controllo del processo sono attività che richiedono l’integrazione di quelle compe- tenze che fanno parte del know-how di FMB Engine e Digitron: due realtà pronte ad accettare questa sfida. Figura 5 - Validazione della portata in uscita simulata, che è stata confrontata con quella effettivamente misurata