Riassunto analitico
La fase di manutenzione – insieme delle operazioni che preservano o ristabiliscono uno specifico stato operativo di un bene – è una delle più critiche in ambito industriale a causa delle sue ripercussioni sull’attività produttiva principalmente in termini di tempo e costi. Esistono diverse strategie di manutenzione in ambito industriale: in questa tesi si è nell’ambito della “Manutenzione predittiva”, ovvero quella strategia di manutenzione che prevede un monitoraggio (più o meno) continuo del processo o del particolare identificato come critico al fine di stimarne lo stato funzionale. Sulla base di questa informazione cruciale, si attueranno poi operazioni di manutenzione che risulteranno così ottimizzate rispetto alla particolare condizione in cui ci si trova. Come accennato, il punto cruciale di questa strategia manutentiva è la corretta stima dello stato del processo/oggetto monitorato: questa importanza deriva anche dal fatto che per effettuare il monitoraggio vi è solitamente necessità di aggiungere sensori dedicati, una catena di acquisizione dei dati provenienti dal sensore e un algoritmo capace di interpretare questi dati fornendo una diagnosi affidabile. Dal punto di vista di una realtà industriale che intende implementare sui suoi prodotti un sistema di diagnostica, tutte queste necessità provocano un aumento dei costi del prodotto, costi provenienti dall’hardware e dal tempo e dalle prove sperimentali necessari per sviluppare l’algoritmo di diagnostica. Questi costi iniziali risultano essere molto meglio definibili rispetto invece ai ricavi che il sistema diagnostico offre: infatti questi sono dilazionati nel tempo in quanto verranno percepiti al momento di effettuare la manutenzione, che risulterà però ottimizzata. In breve, è questa la motivazione principale per la quale solamente negli ultimi anni la manutenzione predittiva sta iniziando ad entrare in scala apprezzabile nel settore produttivo, nonostante vi sia disponibilità di hardware e conoscenze teoriche sufficienti perlomeno dai primi anni ’90. Questa tesi è volta alla riduzione dei sopracitati costi iniziali di un sistema di diagnostica tramite alcuni studi di fattibilità della cosiddetta “Diagnostica Sensorless”, dove con “Sensorless” si intende “senza sensori aggiuntivi”: difatti si constata, data la sempre crescente automazione in ambito industriale, una presenza parimenti crescente di sensori necessari per questa automazione. L’idea di base è quella di utilizzare questi sensori (ad esempio: un sensore di corrente necessario alla chiusura di un loop di controllo di un motore elettrico) per fini diagnostici (restando nell’esempio: stimare lo stato del cuscinetto supportante l’albero del motore elettrico attraverso l’analisi della corrente che circola all’interno del motore stesso). Vengono così eliminate le voci di costo relative a sensori e catena di acquisizione dati, mentre i costi di sviluppo dell’algoritmo restano pressappoco gli stessi: questo consente una maggior competitività al produttore sul mercato, in quanto offre un prodotto con sistema di diagnostica integrato ad un prezzo inferiore ma a parità di efficienza del monitoraggio. In questa tesi sono state affrontate le problematiche tecniche per ottenere un sistema di monitoraggio “Sensorless” in tre casi in differenti realtà industriali, concernenti: monitoraggio di un riduttore sottoposto a test di durata, monitoraggio di valvole oleodinamiche utilizzate in un banco di collaudo, monitoraggio dello stato della lama di una troncatrice di tubi.
|
Abstract
The Maintenance activity – i.e.: the set of operations which preserve or restore a particular operative state of a good – is one of the most critical in industry, because of its repercussions on the productive activity mainly in terms of time (e.g.: production time losses due to machinery maintenance) and money cost. Several Maintenance Strategies exist: this thesis is in the “Predictive Maintenance” framework, i.e.: that Maintenance strategy that (more or less) continuously monitors the process (or the part) which had been identified as “critical” in order to estimate its functional status. Thus, the maintenance activities is optimized on the basis of this crucial information. As mentioned, the main point of this maintenance strategy is the correct estimation of the state of the monitored process/part: this importance comes from the necessity of dedicated sensors, the corresponding acquisition chain and an algorithm able to interpret the sensors’ data and to provide an accurate diagnosis. From the point of view of a producer that aims to implement a diagnosis system on its products, all these requirements cause a rise of the product costs, which comes from the aforementioned extra hardware and the system developing time (the latter embodies also the experimental campaign necessary to develop and test the diagnostic algorithm). These “initial costs” are more easily evaluable than the gain that a condition monitoring system provides: indeed, this gain is spread in the future time because it comes from an optimized maintenance phase. This is briefly the main motivation that explains why the Predictive Maintenance started to grow in the industrial environment only in recent years, despite the availability of hardware and theoretical knowledge at least from the first nineties. The aim of this thesis is therefore to reduce the aforementioned initial costs by means of the so-called “Sensorless Diagnostics”, i.e.: “Diagnostics without extra (dedicated) sensors”: indeed, given the ever-growing automation of industrial machines, an equally growing presence of sensors is observed – sensors that are necessary for the automation itself. The basic idea of this thesis is to use those “automation” sensors (e.g.: a current sensor used to close the control loop of an electric motor) for condition monitoring purposes also (e.g.: estimate the state of the motor shaft bearing via the motor current analysis). By doing this, the condition monitoring hardware cost is strongly reduced while the other aforementioned costs remains: this allow the producer to be more competitive on the market, because he can offer a product with condition monitoring on board which have (ideally) the same monitoring performances of a “classic” diagnostic system but it is less costly. In this thesis work, three different industrial cases have been studied in order to develop a Sensorless condition monitoring system, these being: condition monitoring of a gearing on a test bench, condition monitoring of hydraulic valves used in a hydraulic distributors test bench, condition monitoring of a blade of a steel tubes cutter.
|
