Marginal Column

Prevenire con la massima semplicità

Content

Luglio 2017

 

La Predictive Maintenance riduce i fermi degli impianti, facendo risparmiare tempo e denaro.

Un fermo imprevisto delle macchine è l’incubo di ogni Responsabile Produzione: soprattutto nei grandi impianti che producono 24 ore su 24 – ad esempio, miniere, fonderie o stabilimenti di miscelazione della gomma – ogni ora d’inattività di una macchina comporta costi elevatissimi.

Il pacchetto di servizi ODiN (Online Diagnostics Network) di Rexroth sfrutta l’interazione fra sensoristica, applicazioni cloud-based e metodologie di Machine Learning per eseguire la sorveglianza Model-Based degli stati d’esercizio ed interventi di manutenzione preventiva. A tale scopo, un apposito algoritmo di Machine Learning, entro un dato periodo di apprendimento, rileva il normale “stato di salute” del sistema, in base a svariati segnali della sensoristica: ad esempio, pressione, portata, vibrazioni, temperatura e qualità dell’olio, in base all’unità d’impianto da sorvegliare.

Dopo la fase di apprendimento, ODiN è in grado, con un modello basato su tali dati, di rilevare costantemente l’“health index” dell’unità d’impianto sorvegliata. Se un singolo valore di misura esce brevemente dal range di tolleranza, ciò non porta automaticamente ad un avviso, che potrebbe risultare errato: l’usura, infatti, è raramente rilevabile da un solo segnale. Se, invece, l’“health index” prosegue a peggiorare, ossia se i dati di più sensori subiscono variazioni – pur entro i limiti defi niti – a causa di variazioni nel comportamento della macchina, il sistema segnala la presenza di un problema. Il “health index” indica le condizioni dell’unità sorvegliata, lievi e progressive variazioni nella meccanica o nell’idraulica a monte e a valle. Se, nel tempo, alcuni movimenti durano più a lungo o richiedono maggiore forza, ciò indica un’usura nella parte meccanica o nell’idraulica.

A livello puramente statistico, un errore viene rilevato casualmente con una probabilità di appena il 13%, mentre un tecnico specializzato, sorvegliando costantemente l’impianto con mezzi tradizionali, arriverà al 43%; con ODiN, il tasso di rilevamento errori è invece superiore al 95%. Anche laddove il software non sia in grado di identificare con precisione l’errore, può aiutare i tecnici nella ricerca all'interno delle unità. La panoramica di questa pagina doppia illustra quali componenti interagiscono nella Predictive Maintenance.

Prevenire con la massima semplicità Magnifier

Prevenire con la massima semplicità