AS_08_2019

ELETTRONICA primo piano 25 Automazione e Strumentazione Novembre/Dicembre 2019 esempio, nelle applicazioni di condition based monitoring (CbM) , utilizzare l’analisi acustica per saper riconoscere, in base e vibrazioni e suoni emessi, se un macchinario industriale sta manife- stando un comportamento anomalo, associando un dato suono a un problema specifico, è utile per tagliare i costi di manutenzione, e allungare la vita utile del macchinario stesso. Normalmente, collegare suoni, vibrazioni e possibili cause, per interpretare il fenomeno e formulare una diagno- si, richiederebbe molto tempo, assieme all’espe- rienza di ingegneri e tecnici esperti; risorse og- gi, sempre più spesso, non banali da reperire in un’organizzazione. In questi scenari applicativi ADI inserisce la tecnologia di OtoSense, una piat- taforma software capace di riconoscere in tempo reale gli eventi a livello edge , senza utilizzare alcuna connessione di rete. In sostanza, analiz- zando, direttamente a livello locale, i dati generati dai sensori e dispositivi di rilevamento connessi ai macchinari attraverso un algoritmo di machine learning, il sistema col tempo è in grado di ap- prendere la natura dei differenti suoni e vibra- zioni , classificando tutte le eventuali anomalie, che in seguito verranno identificate come eventi conosciuti, nei confronti dei quali potranno essere prese contromisure immediate di manutenzione. Facendo riferimento alla cruciale convergenza tecnologica in atto tra IT (information techno- logy) e OT (operational technology), sempre più profonda, via via che le imprese aggiornano le attrezzature d’automazione, anche Kevin Carlin, Vice President Industrial Automation & Energy, parla delle potenzialità delle tecniche di condition monitoring. Emostra, senza fare il nome, il caso di un costruttore auto europeo che, nel valutare que- sto genere di soluzioni, ha potuto identificare pro- blemi nel sistema di saldatura dei telai, e scatole del cambio gravemente danneggiate e soggette a produrre guasti in qualunque momento. La possi- bilità di predire i malfunzionamenti prima che si verificassero avrebbe permesso di pianificare in anticipo e completare le riparazioni nei tempi di fermo programmati, evitando i downtime impre- visti e risparmiando almeno due milioni di euro. Più automazione negli edifici intelligenti Le innovazioni nei semiconduttori e nella crea- zione di sensori e sistemi di rilevamento sempre più sofisticati, che permettono di alimentare gli algoritmi di machine learning (ML) e deep lear- ning (DL) con dati di qualità superiore, possono generare benefici anche in settori come lo smart building , dove l’obiettivo è realizzare edifici ed uffici più automatizzati, efficienti ed ecologici. Un caso concreto lo illustra Dan Leibholz, Chief Technology Officer di ADI: è quello della startup britannica Beringar . Fondata nel 2016, la società adotta la tecnologia ADI e algoritmi di AI e ML per elaborare i dati a livello edge, e poi fornire ai propri clienti informazioni utili a migliorare l’uso delle risorse e degli spazi negli edifici e Un wafer con dispositivi Mems (micro-electro-mechanical system) (fonte: ADI)