MAGGIO 2014
FIELDBUS & NETWORKS
84
L
’automazione degli impianti di
trattamento riveste un’importanza
sempre maggiore nel rispettare la
normativa vigente in materia di sca-
richi (D.Lgs. 152/06) e garantire una
continua efficienza dell’impianto. Una buona
automazione integrata deve essere in grado
di garantire diversi obiettivi concorrenti: ga-
rantire un effluente nei limiti di legge, con-
tenere al massimo i consumi energetici e
contrastare/prevenire situazioni critiche in
cui può trovarsi l’impianto. Questi obiettivi
possono essere raggiunti solamente se il si-
stema di controllo può fare affidamento su un
flusso di dati continuo e affidabile. Scopo di questa panoramica
è l’illustrazione delle tecniche di rivelazione dei guasti che pos-
sono verificarsi in un impianto di depurazione biologica, la cui
strumentazione sta diventando allo stesso tempo più complessa
e più importante, da cui la necessità di aumentarne l’affidabilità.
La figura 1 mostra la catena di monitoraggio che supervisiona
il funzionamento di un impianto di depurazione. Per semplicità
si è tralasciata la connessione, peraltro sempre più frequente,
verso un eventuale centro servizi remoto che sovraintende a un
sistema di impianti attraverso una rete aziendale. In questo con-
testo si suppone, per semplicità, che la rivelazione dei guasti sia
affidata allo Scada locale. In tal caso esso dovrà essere dotato
di un apposito software aggiuntivo di riconoscimento e segna-
lazione guasti, che è appunto l’argomento di questa memoria.
Logica di rilevazione e riconoscimento
dei guasti
La figura 2 mostra come la logica di riconoscimento dei guasti
si articoli su tre fasi distinte, di cui le prime due sono essen-
ziali, mentre la terza può essere vista come un raffinamento del
risultato prodotto dalle due precedenti. I dati provenienti dal
campo, eventualmente dopo filtraggio e condizionamento, sono
sottoposti a trattamenti spiegati qui di seguito.
Parametrizzazione
: questo stadio preliminare serve a individuare
quali informazioni contenute nei dati si rivelano più significa-
tive per l’individuazione del guasto, ad esempio potrebbe essere
rilevante il superamento di certe soglie oppure la velocità di
variazione di una certa variabile.
Principal Component Analysis (PCA)
: è una tecnica per otti-
mizzare la rappresentazione dei dati in modo da eliminarne
l’eventuale ridondanza e se necessario ridurne la dimensio-
nalità. Questa fase serve essenzialmente per massimizzare le
differenze di comportamento rilevabile dai dati e distinguere
fra funzionamento ‘normale’ e/o genericamente ‘difettoso’. La
discriminazione fra tali comportamenti viene decisa da uno o
più indicatori, per i quali si devono fissare opportuni valori di
soglia determinati sperimentalmente per ciascuna applicazione.
Fuzzy Clustering (FC)
: questa tecnica di raggruppamento associa
elementi simili in base al loro grado di somiglianza, definito sui
parametri definiti al punto 2.1. Recentemente si è dimostrato
che algoritmi di raggruppamento basati sulla logica fuzzy sono
in grado di produrre associazioni più flessibili, risolvendo si-
Fieldbus & Networks
ILLUSTRIAMO ALCUNE TECNICHE DI RIVELAZIONE
DEI GUASTI CHE POSSONO VERIFICARSI IN UN
IMPIANTO DI DEPURAZIONE BIOLOGICA, LA CUI
STRUMENTAZIONE STA DIVENTANDO ALLO STESSO
TEMPO PIÙ COMPLESSA E PIÙ IMPORTANTE, DA CUI
LA NECESSITÀ DI AUMENTARNE L’AFFIDABILITÀ
RILEVAZIONE
GUASTI IN PROCESSI
DI DEPURAZIONE
BIOLOGICA
di
Stefano Marsili Libelli (*)
Fonte: www.morguefile.com
