Come realizzare una fabbrica ad autonomia avanzata, resiliente, in grado di mantenere intatta la capacità produttiva anche in presenza di imprevisti? È indispensabile avere sistemi e dispositivi abilitanti il monitoraggio di tutti gli asset coinvolti nel processo di produzione. In altre parole, “conditio sine qua non” per la digitalizzazione d’impresa è avere la capacità di convertire il mondo analogico in digitale. Interprete e leader mondiale di questa funzione è Analog Devices, la multinazionale americana attiva nel settore dei semiconduttori e di circuiti integrati che vanta una capitalizzazione di mercato di quasi 100 miliardi di dollari e un fatturato di 5,6 miliardi di dollari. «Quello che oggi serve nel mondo industriale è una sorta di raffineria in grado di trasformare il dato grezzo della misura fisica – vibrazione, pressione, temperatura, umidità – nella sua forma digitale, binaria, per essere analizzata in real time con il potere dell’intelligenza artificiale».
È quanto afferma Nicolas Layus, direttore della divisione Analog Devices responsabile della piattaforma di condition monitoring OtoSense, tecnologia di interpretazione sensoriale nata all’interno dell’omonima startup acquisita da Analog Devices nel 2019, su cui oggi convergono anche le soluzioni di manutenzione predittiva di motori elettrici della spagnola Test Motors. OtoSense permette di sviluppare soluzioni di prossimità, “on edge”, riducendo i fermi di produzione e i costi di riparazione e sostituzione delle parti usurate o compromesse. Il segreto? Gli algoritmi di intelligenza artificiale basati sulla rilevazione del suono e delle vibrazioni. «L’elaborazione avviene in edge poiché serve analizzare dati in real time. Tanti dati, spesso si tratta di centinaia di kilobyte per secondo. Un volume che non può essere trasferito in cloud. Insomma, real time analytics è un’attività edge per antonomasia», dice Layus.
Obiettivo è monitorare lo stato della macchina, supervisionare i processi di produzione rilevando le anomalie prima che diventino un problema. L’algoritmo di machine learning apprende ed evolve continuamente, giorno per giorno, settimana per settimana, controllando il funzionamento del singolo asset nel corso dell’intero ciclo di vita. Con il passare delle ore, grazie all’interpretazione di qualsiasi fenomeno fisico, la sua intelligenza aumenta, permettendo di individuare anche la più piccola deviazione. «La tecnologia OtoSense è modulare, flessibile e può essere implementata in qualsiasi contesto produttivo, discreto o di processo», aggiunge Layus. Osservazione di temperatura, vibrazione e flussi magnetici abilitano la diagnostica sullo stato di salute di motori, pompe e impianti di condizionamento, con notifiche che permettono di conoscere il livello di severità dell’anomalia riscontrata, dando modo agli operatori di decidere la pianificazione ottimale della manutenzione. Nei primi casi d’uso della piattaforma – in ambiente energetico, food e farmaceutico – si è riusciti a ridurre l’80% dei downtime non pianificati e dell’85% gli interventi di manutenzione.
Intelligenza artificiale e apprendimento automatico always on
La convergenza OT-IT apre possibilità inedite, offrendo una visione a 360 gradi dei dati che viaggiano in un ambiente industriale. Grazie a sensori evoluti i dispositivi stanno diventando sempre più “comunicativi” creando potenziali flussi di dati abilitanti la manutenzione predittiva. In un ambiente fatto di apparecchiature, sistemi, protocolli e sensori eterogenei, sorgono però nuove sfide. Tutto deve essere interconnesso, garantendo una raccolta dati di qualità e un’interpretazione fruibile da tutti i tipi di utenti, operatori di macchina, tecnici, ingegneri, responsabili della manutenzione e dei processi produttivi. «Le soluzioni disponibili sul mercato sono molte, ma sono incomplete o inefficienti, afferma Layus. OtoSense offre un approccio basato su una tecnologia modulare che può essere collegata a Mes e altri sistemi aziendali, consentendo agli utenti finali di eseguire analisi avanzate utilizzando l’intelligenza artificiale e l’apprendimento automatico. Significa poter fornire una interpretazione contestualizzata dei dati in funzione di più parametri come umidità, temperatura, provenienti da una molteplicità di sensori, in tempo reale, con frequenze di campionamento continue».
Sensori miniaturizzati ad alte prestazioni
Per Analog Devices, l’obiettivo del condition monitoring non è esclusivamente quello di garantire un funzionamento non-stop, ma quello di ottenere un’operatività continua al massimo dell’efficienza. Per raggiungere questo obiettivo, la tecnologia Mems (Micro Electro-mechanical Systems) applicata ai sensori è di fondamentale importanza. Permette infatti di sviluppare nuove tipologie di sensori di piccole dimensioni, robusti e in grado di misurare con precisione le vibrazioni e il movimento. Gli accelerometri a basso rumore e banda larga offrono così l’elevata precisione e l’accuratezza necessaria per identificare minimi cambiamenti nell’impronta vibrazionale della macchina. Congiuntamente al software di analisi dei dati provenienti dai sensori, questi dispositivi consentono agli operatori dei macchinari di individuare la fonte di un potenziale guasto molto prima che si verifichi e di applicare tempestivamente misure di manutenzione preventiva.
Una logica plug & play
«L’interfaccia intuitiva associata alle soluzioni OtoSense consente a chiunque, qualunque sia il suo livello di esperienza, di etichettare i dati e creare modelli di riconoscimento degli eventi. Non c’è bisogno di assumere uno scienziato di dati o uno specialista del segnale, spiega Layus. Il software è pensato per essere un alleato di tecnici e operatori, li aiuta a dirigere la loro attenzione e il loro impegno verso le macchine che più ne hanno bisogno. Fornisce un grande valore sin dal primo giorno dell’installazione, creando automaticamente il modello predittivo più opportuno. Poche ore dopo l’inizio della raccolta dei dati avvisa delle anomalie provenienti dalla macchina. Il software di manutenzione predittiva offre una gamma completa di soluzioni chiavi in mano. Ogni componente, dal rilevamento all’interpretazione dei dati, può essere utilizzato in modo indipendente, inclusi il modulo di acquisizione dati, la funzionalità e i dashboard di visualizzazione».
Modelli di apprendimento automatico
OtoSense è dunque uno strumento di apprendimento automatico “pronto all’uso” che mappa automaticamente una selezione di suoni o vibrazioni. Le selezioni possono essere “tutti i dati raccolti finora” o riferiti a un intervallo di tempo specifico. Una volta raccolti i dati, OtoSense seleziona alcune centinaia di punti dati che rappresentano al meglio l’intera varietà di suoni o vibrazioni e quindi li mappa sullo schermo permettendo a tecnici e ingegneri di interpretare al meglio la condizione di funzionamento e le eventuali criticità. Per impostazione predefinita, l’apprendimento automatico genera e applica un primo modello di rilevamento delle anomalie un’ora dopo l’inizio della raccolta dei dati per poi perfezionarlo nel tempo. Una volta applicato, il modello calcola continuamente, in tempo reale, il punteggio anomalo dei suoni o delle vibrazioni raccolti. Quando i punteggi anomali raggiungono una soglia definita, vengono inviate notifiche o avvisi che indicano la deriva di funzionamento. I modelli possono essere creati anche manualmente, con l’ausilio di tecnici o ingegneri, selezionando i dati che meglio fanno riferimento al segnale normale dell’asset (ad esempio, il ronzio costante del motore a diversi regimi di rotazione).
OtoSense per il controllo qualità
OtoSense viene utilizzato sempre più frequentemente anche a livello ispettivo per aumentare la qualità del prodotto. «Attualmente esistono molti differenti test di controllo qualità e aggiungendo OtoSense a queste applicazioni, i dati di rilevamento possono aumentare la precisione degli attuali test e identificare le problematiche che con gli approcci tradizionali non sarebbero facilmente rilevabili», afferma Pete Sopcik, marketing manager di OtoSense. Ad esempio, i test di collaudo nella produzione di pompe e compressori sono applicazioni specifiche in cui OtoSense utilizza i dati di rilevamento acustico e delle vibrazioni per rilevare e prevedere i problemi meccanici che sono indice di una qualità inferiore alla media e di potenziali guasti sul campo. «Per le applicazioni di controllo qualità, molti dei settori di produzione discreta – in particolare automotive, elettronica ed elettrodomestici – stanno beneficiando di OtoSense Quality Control, migliorando sia i test di qualità nei collaudi sia il controllo di processo durante l’assemblaggio», aggiunge Sopcik
OtoSense Smart Motor Sensor
Smart Motor Sensor è la soluzione hardware e software basata sulla piattaforma OtoSense che consente la manutenzione predittiva dei motori elettrici, fornendo un monitoraggio dettagliato delle caratteristiche relative alla salute del motore. Gli interventi regolari richiesti per il funzionamento affidabile dei motori elettrici industriali, come, ad esempio, la sostituzione dei cuscinetti, possono essere pianificati piuttosto che essere effettuati solo a seguito di un guasto. Ebbene, le funzionalità di OtoSense consentono agli operatori di prevedere e programmare la manutenzione correttiva, riducendo al minimo le interruzioni nei processi produttivi, aumentando al tempo stesso la disponibilità dei macchinari. «La nostra offerta tecnologica – afferma Layus – comprende le funzionalità complete per acquisire la manutenzione predittiva: dal rilevamento fisico all’elaborazione del segnale all’analisi fondata sul machine learning». Secondo quanto affermato dal manager, fornendo una diagnostica automatizzata che include sia i guasti elettrici che quelli meccanici, unita a un’interfaccia intuitiva e facile da usare, l’SMS permette agli utenti di distribuire e rendere scalabile la soluzione in modo semplice, in tutta la linea produttiva e in più siti. «Oggi i clienti non devono più coinvolgere squadre di tecnici per controllare periodicamente le attrezzature. Utilizzando l’SMS per monitorare le apparecchiature, i tecnici vengono infatti indirizzati sullo specifico asset solamente quando è necessario dando modo di inviare le squadre di pronto intervento direttamente all’attrezzatura che ha bisogno di essere trattata», spiega Sopcik.
OtoSense Smart Motor Sensor
Use case 1 – Monitoraggio in produzione agro-alimentare
In ambienti “food” la piattaforma monitora l’insieme dei motori che guidano la produzione alimentare. Attrezzature quali macchine centrifughe, pompe, miscelatori, refrigeratori, compressori sono osservati speciali e vengono costantemente supervisionati. La soluzione invia avvisi non appena viene rilevato un segno di usura o un potenziale guasto, evitando così possibili fermi. Le informazioni consentono di conoscere il livello di gravità e dell’origine del guasto permettendo di pianificare al meglio la manutenzione. Nei primi casi d’uso si è riusciti a ridurre l’80% dei downtime non pianificati e dell’85% gli interventi di manutenzione, che vengono così effettuati solo quando necessario. Per esempio, a causa di un difetto di progettazione, un pezzo chiave delle attrezzature – una potente centrifuga – si rompeva almeno una volta all’anno a causa di un problema associato alla lubrificazione dei cuscinetti. Per risolvere il guasto e riattivare la centrifuga ci volevano tre settimane. Ora con il condition monitoring la manutenzione può essere pianificata, riducendo drasticamente i tempi di fermo.
Use case 2 – Manutenzione predittiva di impianti energetici
Negli impianti energetici, milioni di motori a bassa tensione operano senza controllo. Questo può portare a numerose inefficienze e provocare fermi imprevisti e interruzione nella produzione di energia. Tipicamente il costo del downtime viene stimato in un range di 30mila-50mila dollari l’ora. Con la soluzione OtoSense Smart Motor Sensor si può raggiungere una riduzione dei costi di manutenzione compresi tra il 5 e il 10% riducendo dell’80% il numero di downtime non pianificati. I problemi vengono risolti con un continuo monitoraggio della salute dei motori a induzione acquisendo dati in tempo reale da tutte le macchine che sono coinvolte nel processo di generazione di energia, come ventole di raffreddamento per turbine a gas, pompe idrauliche e sistemi di raffreddamento. Il polling sulle singole macchine viene effettuato ogni 20 secondi consentendo di rilevare problemi elettrici e meccanici. In questo modo vengono eliminate tutte le misurazioni di vibrazioni manuali, risparmiando ore di lavoro di manutenzione, evitando allo stesso tempo l’accesso degli operatori a luoghi pericolosi spesso posti ad altezze elevate.
Usa case 3 – Condition monitoring in impianti farmaceutici
I metodi di manutenzione tradizionali non consentono di monitorare continuamente la salute di macchine che sono utilizzate in processi farmaceutici che devono sottostare a regolamentazioni molto severe. Sistemi per il trattamento dell’aria, compressori, pompe e turbine per il condizionamento. Queste macchine funzionano continuamente 24 ore su 24, 7 giorni su 7 e la loro attività può essere interrotta solo una o due volte all’anno per la revisione pianificata, indipendentemente dal fatto che sia necessaria o meno. I fermi imprevisti sono costosi e possono compromettere la qualità del prodotto. In uno specifico caso i dispositivi Smart Motor Sensor sono stati posizionati sulle principali unità di condizionamento dell’aria monitorando il motore asincrono trifase che aziona la turbina. In occasione di una interruzione della corrente elettrica, con successivo fermo della turbina, si sono verificati problemi con i cuscinetti della stessa. Il monitoraggio ha permesso al team di manutenzione di valutare la gravità del problema e intervenire nel momento più adeguato, riducendo le ore di fermo macchina.
