Lo Smart Condition Monitoring consente il monitoraggio in tempo reale delle condizioni di funzionamento della macchina senza aggiungere sensori Applicazioni come la manutenzione predittiva e la modellizzazione basate sull’intelligenza artificiale (AI) sono di particolare interesse per i costruttori di macchine. Ma molte aziende non hanno le idee chiare su quali eventi possano essere predetti: il loro principale interesse è monitorare le condizioni di lavoro di macchine e processi. Come dimostrato durante SPS di Norimberga lo scorso novembre, è possibile realizzare un’applicazione di Condition Monitoring che offra ampie informazioni sullo stato di salute di macchine e impianti senza aggiungere ulteriori sensori.
L’approccio di Lenze consente di estrarre informazioni addizionali dalle sorgenti che sono già disponibili. Lenze mette a disposizione algoritmi già testati per diverse applicazioni e aiuta gli ingegneri a trasformare la loro conoscenza del processo e delle macchine in un modello di Condition Monitoring in grado di migliorare disponibilità ed efficienza dell’impianto.
Per esempio, Lenze ha realizzato un modulo-macchina basato sulla gestione di un robot a due assi per dimostrare due possibili approcci al Condition Monitoring. Il primo approccio è basato sulla realizzazione di un modello descrittivo che consente di derivare in modo matematico i valori di grandezze significative della macchina (correnti, velocità) e confrontarli con quelli effettivamente misurati in campo. Lo scostamento, oltre una certa tolleranza, dei valori misurati rispetto a quelli calcolati può indicare un malfunzionamento.
Il secondo approccio è basato sull’analisi della basi di dati. Un algoritmo apprende a partire da una base dati storica il comportamento del sistema e la correlazione di vari parametri, quali velocità, accelerazione, coppia, posizione e assorbimento di corrente. I valori misurati sul campo sono quindi confrontati con quelli derivati dall’algoritmo di apprendimento in modo da evidenziarne scostamenti.
Il modulo-macchina realizzato da Lenze consente di simulare fenomeni quali l’aumento di attrito sulla puleggia o il logoramento della cinghia di trasmissione. Queste anomalie possono essere individuate a partire dai dati di corrente e coppia, sia in termini di scostamenti assoluti, sia tramite l’analisi in frequenza. Il Condition Monitoring può generare allarmi a partire da entrambe le condizioni e mostrare le cause su un cruscotto riassuntivo di informazioni.
I due approcci al Condition Monitoring differiscono non solo in termini di approccio alla modellizzazione, ma anche dal punto di vista di come sono elaborati i dati. La valutazione basata su modelli descrittivi normalmente viene eseguita direttamente sul PLC, in quanto non è onerosa dal punto di vista computazionale. L’utilizzo di Machine Learning e Intelligenza Artificiale per la realizzazione di modelli a partire da basi di dati richiedono invece l’utilizzo di soluzioni Cloud.
Il portafoglio di soluzioni di Lenze lascia agli OEM piena libertà di scelta. È possibile implementare modelli descrittivi per il Condition Monitoring su un’ampia gamma di controllori, inclusi i potenti c750, dotati di risorse di calcolo dedicate all’analisi dati. Oppure si possono trasferire i dati da analizzare in cloud attraverso il gateway x500. L’x500, integrato nella x4 platform di Lenze, mette a disposizione degli OEM una piattaforma pronta all’uso che offre non solo Condition Monitoring, ma anche manutenzione da remoto e una pratica soluzione di Asset Management.