Automazione industriale

Progettazione e sviluppo di sensori per la manutenzione predittiva degli impianti industriali – sistemi IoT

Daniele Carniello (Resp. Marketing – 221e srl) – daniele.carniello@221e.com, in collaborazione con Zamperla spa

Questa esperienza ha concorso alla terza edizione del Premio Innovazione 4.0, ottenendo il 2° premio assoluto nella categoria “Start-up”

 

I sistemi “Internet-of-Things (IoT) predictive maintenance” si basano sulla raccolta e l’analisi in tempo reale di dati provenienti da un insieme eterogeneo di sensori. Tali sistemi vengono tipicamente installati su edifici e impianti di produzione con l’obiettivo di individuare potenziali anomalie e prevedere possibili guasti, in modo da intervenire tempestivamente ed evitare costosi fermi macchina.

Secondo uno studio del World Economic Forum (WEF), grazie alla manutenzione predittiva è possibile ridurre i costi di manutenzione del 30% e i tempi di inattività di un impianto fino al 70%. In Italia, gran parte delle Piccole e Medie Imprese (PMI) usa ancora sistemi di manutenzione costosi e inefficienti e questo rappresenta uno dei principali fattori che rendono le imprese tradizionali meno competitive rispetto alle aziende manifatturiere già convertite al cosiddetto modello 4.0.

Manutenzione correttiva e manutenzione preventiva sono fra i principali sistemi attualmente usati dalle aziende. Nel primo caso si interviene dopo che si è verificato un malfunzionamento o, addirittura, a impianto fermo. Nel secondo caso si programma la manutenzione per prevenire il danno, sostituendo il pezzo indipendentemente dalle sue effettive condizioni, anche se funzionante.

In entrambi gli scenari la manutenzione è estremamente inefficiente. Ecco perché il passaggio al modello 4.0 e la sensorizzazione degli impianti porterebbero non solo all’ottimizzazione dell’intero processo produttivo, ma anche a una rivoluzione nella manutenzione: da impresa industriale tradizionale a Smart Factory.

In una Smart Factory i sensori IoT installati sui macchinari misurano in tempo reale parametri come, ad esempio, consumo energetico, temperatura, vibrazioni, garantendo così un costante monitoraggio delle condizioni degli impianti e degli ambienti di lavoro. Queste informazioni (Big Data) vengono registrate, storicizzate e, in base ad algoritmi che lavorano su logiche di Machine Learning (ML), usate per condurre analisi predittive e prevedere dove e quando si verificheranno guasti agli impianti, oltre a stimare la vita residua dei macchinari.

Gli attuali scenari di interventi correttivi e/o preventivi vengono così sostituiti da un approccio di tipo predittivo, che permette un considerevole abbattimento dei costi di intervento ed un corrispondente aumento della produttività dell’impianto.

Tuttavia, per poter sfruttare appieno la tecnologia IoT non è sufficiente dotarsi di una piattaforma IoT, ma è necessario un ecosistema per l’IoT, che comprenda diversi elementi (hardware, software, connessione a internet, Cloud, Client, Machine Learning).

In questo contesto, 221 (www.221e.com) ha sviluppato, sin dal 2015, Muse (Fig.1), una piattaforma inerziale miniaturizzata, a basso consumo e wireless. Muse è un sistema versatile per l’acquisizione di un insieme di dati eterogenei, in modalità streaming oppure log. Esso infatti integra un accelerometro a 3 assi, un giroscopio a 3 assi e un magnetometro a 3 assi, nonché un barometro ad alta risoluzione, un termometro ed un microprocessore ARM® 32-bit. È dotato di una memoria Flash da 16 MB e comunica via Bluetooth Classic oppure Low-Energy, a discrezione dell’utente.

Figura 1: Muse, piattaforma inerziale miniaturizzata, a basso consumo e wireless

La presenza di cosiddetta “capacità di calcolo” (microprocessore) e di una memoria Flash ‘on-board’, unitamente alle ridotte dimensioni (25 x 25 x 4 mm), rendono il Muse uno strumento ideale per qualsiasi tipo di applicazione indossabile o più in generale IoT che richieda la misurazione di informazioni inerziali.

Costantemente dedita alla ricerca e sviluppo, 221e ha numerose collaborazioni con istituzioni accademiche e di ricerca in tutta Europa, tra cui: Università di Bergamo, che ha contribuito all’ingegnerizzazione del sistema e utilizza il prodotto in svariate attività di ricerca; Università di Bristol (UK), per tracking del movimento mirato all’addestramento di un braccio robotico per interventi chirurgici; Università di Bochum (Germania), per analisi del movimento umano; Università di Birmingham (UK) ed Università degli Studi di Padova (Italia), per una rete indossabile di sensori focalizzata al tracking biomeccanico dell’utente in tempo reale. 221e ha inoltre declinato l’architettura del Muse in molteplici altre applicazioni integrando non solo accelerometri, giroscopi e magnetometri, ma anche sensori per il controllo della qualità dell’aria, ed ultimi ma non meno importanti: Algoritmi, cioè la componente software (on-board e/o standalone) che elabora i dati raccolti dai sensori trasformandoli in informazione.

Muse integra un algoritmo proprietario di stima dell’orientamento spaziale (IMU – Inertial Measurement Unit / AHRS, Attitude and Heading Reference System) chiamato Motion Processing Engine (MPE), anch’esso declinato in una serie di applicazioni specifiche, tra cui analisi del movimento in ambito sportivo e riabilitativo (tracking, monitoraggio prestazioni, analisi del passo, valutazione dei tremori su soggetti parkinsoniani e più in generale analisi del movimento su soggetti con patologie neurodegenerative), monitoraggio sollecitazioni di sistemi meccanici, monitoraggio vibrazioni strutturali ed ultimo ma non meno interessate il tracking del movimento di giostre e attrazioni basate su Virtual Reality (VR), e non solo, per parchi divertimento.

Proprio in quest’ultimo scenario, 221e ha recentemente declinato i propri reference design Muse ed MPE rispettivamente in Zimu (Fig. 2) e ZOE, su richiesta di Zamperla Spa – The Amusement Rides Company (https://www.zamperla.com), azienda leader nel settore dell’amusement rides manufacturing. Zimu è una piattaforma inerziale con connettività Ethernet progettata ad-hoc per applicazioni outdoor, ad elevato stress meccanico. ZOE sta per Zamperla Orientation Estimation ed è una libreria per la stima dell’orientamento opportunamente sviluppata per l’impiego nell’ambito dell’entertainment (monitoraggio giostre, roller coaster, VR).

La collaborazione con Zamperla Spa è iniziata nel 2017 con l’utilizzo da parte loro del sistema Muse e lo sviluppo di una prima versione di algoritmo dedicato per la stima dell’orientamento. Tale collaborazione si è tradotta poi nella richiesta di realizzare una piattaforma inerziale, personalizzata, a basso costo, da utilizzare e per il monitoraggio del sistema giostra in quanto tale e per la ricostruzione del movimento dello stesso o di sue parti con l’obiettivo di proporre agli utenti nuove esperienze di divertimento basate su realtà virtuale e non solo. Da qui, in collaborazione con lo staff di Zamperla Spa abbiamo definito le specifiche di sistema e, utilizzando il Muse in prima battuta, acquisito svariate serie di dati su tre tipologie di giostre diverse, giungendo nel corso del 2018, alla realizzazione dello Zimu e della seconda versione di ZOE.

Zimu integra giroscopio, accelerometro, sensore di temperatura e microcontrollore; supporta connettività Ethernet e può essere alimentata a 24 V. La connessione al sistema avviene per mezzo di un singolo cavo con connettore M12, che fornisce sia alimentazione sia linee di comunicazione. Il sistema viene resinato e chiuso all’interno di un involucro classificato IP67, cioè totalmente protetto dalla polvere e dall’effetto di eventuali immersioni in acqua. Il sistema Zimu è indipendente dalla tipologia di giostra su cui andrà installato e contribuisce oggi ad un considerevole abbattimento dei costi di sensorizzazione di una giostra, in confronto a strumenti tradizionali quali gli encoder. Allo stesso tempo apre la possibilità di instrumentare anche giostre già prodotte in passato senza richiedere modifiche strutturali. Inoltre, esso funge da strumento di monitoraggio, attraverso i dati di accelerazione che fornisce, i quali possono essere opportunamente interpretati in relazione allo stato e alle sollecitazioni a cui è sottoposta ogni sezione della giostra stessa. D’altra parte, l’algoritmo ZOE è stato implementato in una libreria software che dati in input i valori di velocità angolare e accelerazione lineare, forniti rispettivamente da giroscopio e accelerometro, restituisce una stima in tempo reale degli angoli di rollio e beccheggio del sistema. Vincolando rigidamente lo Zimu ad un corpo rigido e processando i dati con l’algoritmo ZOE possiamo ricostruire l’orientamento spaziale dello stesso lungo due gradi di libertà. Punto di forza dell’algoritmo ZOE è la compensazione in tempo reale di problematiche quali derive sulle stime dell’orientamento piuttosto che effetti delle accelerazioni centrifughe / centripete generate dal movimento delle giostre o vibrazioni introdotte dagli azionamenti meccanici.

221e ha curato la progettazione hardware, lo sviluppo firmware e l’assemblaggio del sistema, nonché lo sviluppo delle libreria software ZOE. Per quanto riguarda invece test, collaudi e prove sul campo ci siamo affidati direttamente allo staff di Zamperla Spa.