AS_407_2018

Ottobre 2018 Automazione e Strumentazione MANUTENZIONE approfondimenti 36 bilità e la criticità delle loro parti. In particolare la RCM (Reliability Centered Maintenance, ovvero manutenzione basata sull’affidabilità) approfondi- sce alcune metodologie diagnostiche proprie del sistema qualità e si concentra sulla singola azione risolutiva e sul singolo modo di guasto. Misure di vibrazioni, ultrasonore, chimiche e termografiche In base all’applicazione sono disponibili nume- rose tipologie di sensori e trasduttori per il sup- porto alla manutenzione predittiva, tipicamente quelli di velocità, accelerazione e spostamento; in particolare quelli dedicati alle misure e all’a- nalisi delle vibrazioni. L’ analisi vibrazionale è eseguita nel dominio delle frequenze e fa riferi- mento a una specifica “firma” vibrazionale. Gli accelerometri piezoelettrici minia- turizzati e capacitivi risultano particolar- mente adatti a questo scopo, grazie a doti di robustezza e a una banda operativa ade- guata per catturare gli eventi più significativi ai fini diagnostici. In ambito meccanico e impiantistico, la rileva- zione a ultrasuoni si basa sull’uso di strumen- tazione in grado di rilevare perdite ed effettuare vari tipi di ispezione elettromeccanica. L’analisi degli oli lubrificanti permette invece l’individuazione dei guasti attraverso la compo- sizione chimica degli olii che lubrificano e scor- rono nei motori e nelle utenze elettromeccaniche. Soprattutto non va dimenticata la termografia a infrarossi , uno dei più validi e utilizzati strumenti diagnostici per la manutenzione predittiva. Le ter- mocamere sono gli strumenti ideali per le ispezioni di installazioni elettriche, attrezzature meccani- che, livelli dei serbatoi, installazioni con materiale refrattario, condutture, torce industriali e molte altre applicazioni. Rilevando anomalie solitamente invisibili ad occhio nudo, la termografia ad infra- rossi permette di intraprendere azioni correttive prima che si verifichino costosi guasti ai sistemi. L’avvento di Industria 4.0 e dell’IoT Nell’era di Industria 4.0 il profondo mutamen- to del contesto produttivo sta portando il tema dell’efficientamento in primo piano e modifi- cando le esigenze manutentive. Oggi, è possibile sviluppare modelli di comporta- mento delle macchine che, sulla base dei dati ana- lizzati, siano in grado di individuare il tempo resi- duo reale prima del guasto, l’elemento esatto che si andrà a rompere e il modo migliore per gestirlo. La manutenzione basata sui Big Data e sul Machine Learning consente un intervento più efficace e mirato là dove il macchinario lo richie- de. Il risultato finale è l’ottimizzazione delle ri- sorse tecniche, umane e temporali. Di fatto la manutenzione predittiva è ritenuta una delle più tangibili applicazioni dell’In- ternet of Things . Nell’ingegneria della manu- tenzione l’Internet of Things si candida come piattaforma in grado di mettere in comunica- zione tra loro un numero crescente di macchine e oggetti fisici e virtuali sfruttando i sistemi di comunicazione e raccolta dati. Sensori, gateway e moduli embedded imple- mentati nei sistemi elettrici e meccanici inviano avvisi nel momento in cui qualche componente necessita di attenzione, ad esempio segnalando dove si trovano le parti di ricambio o il corretto funzionamento dell’impianto. Da questo tipo di approccio deriva un’attività manutentiva sempre meno pianificata in termini statistici e maggiormente orientata alle effettive necessità di componenti e sistemi nel loro fun- zionamento ordinario. Ad esempio in caso di eccessivo stress, l’impianto può ridurre i livelli prestazionali autonomamente, funzionando a scarto ridotto. Questa capacità adattiva è particolarmente efficace nel caso di impianti e macchine in rete, dove ogni compo- nente agisce in funzione delle condizioni degli altri elementi evitando di entrare in conflitto. Questo nuovo scenario di connettività estesa - con oggetti che comunicano fra loro e con appli- cazioni che risiedono nei data center, nel cloud e nelle infrastrutture IT - porta con sé una mole ingente di dati raccolti (Big Data) con la necessità di comprenderli, analizzarli ed estrarne informa- zioni utili (Data Mining). Esempio di termocamera utilizzata per manutenzione predittiva Piattaforma IoT per la Manutenzione Predittiva