AS_07_2020

MISURE DI PROCESSO speciale Automazione e Strumentazione Ottobre 2020 71 dipendente dalla dinamica dei fluidi e dalla compresenza di diversi fattori che influenzano il processo. La complessità aumenta ad esempio nel trasporto delle acque reflue, dove le caratte- ristiche idrodinamiche sono influenzate anche dal trasporto di solidi. Una prima classificazione dei misuratori di portata relativa al metodo di misura distingue misuratori di velocità (statici o dinamici) e misuratori di portata diretta. In base ai principi di funzionamento si distinguono misu- ratori di portata a strozzamento (dischi forati, boccagli, venturimetri), ad area variabile, vortici (o swirl), elettromagnetici, di Coriolis (massici), rotanti e volumetrici. Le tecniche di misura tra- dizionali vedono l’utilizzo di sensori doppler basati sulla lettura del livello e della velocità del flusso. D’altro lato l’avanzamento tecnologico ha premiato soprattutto la tecnologia radar, capace di misurare la velocità senza la necessità del con- tatto con la superficie del fluido. Sensori e tecnologie digitali Le più recenti tecnologie legate ai sensori si sono evolute per offrire una maggiore quantità di dati in tempo reale che vengono poi trasformati per prendere decisioni a livello di impianto e di processo. Ma oltre che sui dati, la nuova catena di generazione del valore dei sensori è basata sull’interconnessione. Nei macchinari e nei pro- cessi, la comunicazione industriale parte dai sen- sori intelligenti, i quali scambiano dati tramite piattaforme IoT e Cloud . Da un lato lo sviluppo dell’elettronica ha reso sempre più efficaci ed economici i sensori in- terconnessi. Dall’altro la raccolta di grandi quantità di dati pro- dotti dai sensori è stata resa possibile dall’ab- battimento dei costi di storage e soprattutto dall’avvento delle tec- nologie Cloud e delle varianti Fog ed Edge (laddove la capacità computazionale viene integrata direttamente nei dispositivi e nelle piattaforme embedded). Processi, macchinari e linee di produzione sono sempre più predi- sposti con computer ‘on board’ che raccolgono i dati prodotti dai sensori, li elaborano e alimentano sistemi real-time che hanno in carico le funzioni di monitoraggio, dia- gnostica e gestione allarmi. La quantità di dati raccolti sui Cloud è enorme: basti pensare che la maggior parte dei sensori utilizzati nell’industria fornisce misurazioni ad intervalli inferiori al secondo. Parliamo quindi di veri e propri Big Data elaborati, trasformati e arricchiti con informazioni aggiuntive (pro- venienti ad esempio dai sistemi gestionali). Ai dati, in ultima istanza, sono applicate funzioni statistiche e di analisi per ricavarne indicatori di efficienza e produttività (KPI), accessibili in modo intuitivo attraverso grafici, dashboard, app, smartphone e portali Web dedicati. Una naturale evoluzione di questo scenario è quella di applicare ai dati algoritmi di AI e ML (Machine Learning) e ottenere di conseguenza indicazioni utili a migliorare consumi, prestazioni ed efficienza di macchinari e impianti. L’integrazione IT-OT L’ intelligenza dei sensori di nuova generazione non si limita al rilevamento delle misure ma uti- lizza i dati raccolti in tempo reale, per segnalare malfunzionamenti, guasti e informazioni strategi- che in modo da facilitare i piani di produzione e di manutenzione predittiva. Per favorire la necessaria integrazione IT- OT , i tradizionali protocolli di comunicazione integrati nei sensori, ad esempio i loop di con- La misura di livello è estremamente diffusa nell’industria, per verificare il riempimento e per controllare il flusso produttivo, come per esempio nel caso qui riportato di un sensore a ultrasuoni montato su un serbatoio (Turck Banner Q45UAA Ultrasonic All-in-One, fonte: Turck Banner Italia)