Nuova soluzione per il monitoraggio dello stato di degrado e la manutenzione predittiva di macchine utensili
Data di pubblicazione
20-11-2019Codice
ME.18.043.AStato
DisponibileData di priorità
27-03-2018Fase
NazionaleTitolare
Politecnico di Milano; MCM S.p.A.Dipartimento
DIPARTIMENTO DI MECCANICAAutori
Bianca Maria Colosimo; Marco GrassoDescrizione
L’invenzione consiste in un nuovo servizio per il monitoraggio dello stato di degrado della macchina utensile e l’implementazione di nuove strategie di manutenzione predittiva.
I sistemi industriali sono sempre più dotati di sensori ma la vera difficoltà consiste nell'estrarre il contenuto realmente informativo da una grande mole di dati.
L’idea alla base del servizio consiste nell'utilizzare segnali già disponibili in macchina (posizioni e velocità assi, assorbimenti di corrente e potenza, stati I/O del PLC, etc.) per caratterizzare la “firma” rappresentativa del normale stato di salute della macchina e successivamente individuare deviazioni da tale firma che siano indicative di stati di degrado, guasti incipienti o condizioni di malfunzionamento.
In particolare, l’invenzione si articola in due strumenti:
- Fingerprint Analysis : periodicamente la macchina esegue un ciclo di operazioni predefinite, ad ogni esecuzione segnali multipli acquisiti dai sensori installati sulla macchina vengono inviati a una piattaforma che esegue un confronto con la “firma” identificata nella fase di training effettuata in corrispondenza dell’installazione della macchina o in successive fasi di ricalibrazione.
- Degradation Analysis : è uno strumento complementare al primo che permette di tenere sotto controllo lo stato di salute dei sotto-sistemi dell’automazione macchina (scambiatore pallet, pinze attacco/sgancio utensile, porte etc.). I dati per verificare il corretto funzionamento delle componenti del sistema vengono estratti dalle sequenze binarie degli stati I/O del PLC durante il normale funzionamento del sistema. I dati raccolti sono confrontati con quelli ottenuti nella fase di training, attraverso algoritmi di analisi statistica e data mining, al fine di determinare lo stato di salute e degrado dei componenti monitorati.