Un caso studio per dimostrare come un monitoraggio adeguato consenta di ottenere, anche su questa tipologia di macchina come le presse, il controllo della qualità del prodotto, della cadenza di produzione e l’individuazione di segnali predittivi di guasto macchina. Con lo sguardo rivolto all’intelligenza artificiale.
Con l’avvento della quarta rivoluzione industriale si è assistito a un fenomeno assente fino a pochi anni fa: la comunicazione fra loro dei mezzi di produzione. Questo fenomeno ha rivoluzionato il mondo industriale permettendo di “vedere” continuamente cosa e come le macchine operano. Il processo si manifesta attraverso l’acquisizione di una enorme quantità di dati che vengono resi disponibili dalla sensorizzazione installata sulle macchine e dalla rete, Internet, che li rende fruibili ovunque. Sulle macchine più datate per completare il processo di acquisizione sono stati installati dei nuovi sensori.
A questa imponente quantità di dati non fa però seguito un utilizzo mirato e consapevole. Ci sono migliaia di dati disponibili, ma solo una piccola parte di essi vengono utilizzati mentre altri rimangono a occupare spazi di memoria senza utilizzo per migliorare i processi. Per trarre informazione dai dati occorre che questi vengano prelevati, aggregati, elaborati, interpretati e che forniscano un output “leggibile” e convertibile poi in azioni concrete che portino al miglioramento. Nelle moderne organizzazioni tese sempre più a ridurre i costi fissi sovente non si trovano le persone che svolgono in maniera sistematica questa attività.
Ci sono casi di interesse sporadici e casuali che sovente rimangono confinati e puntuali e come tali forniscono informazioni limitate. Va aggiunto che in molti casi i dati rilevati possono dimostrarsi addirittura inutili perché non sono coerenti con le grandezze o i parametri che vengono rilevati.
A titolo di esempio non esaustivo si può citare la misura delle vibrazioni. Se il rilievo del segnale viene effettuato con continuità ogni 10 sec si ottengono informazioni prive di utilità, mentre eseguendo 25000 rilievi al secondo una volta ogni 8 ore, si ottengono informazioni utili alla diagnosi del guasto. Il problema delle frequenze di campionamento è poco sentito nei processi continui perché le grandezze rilevate variano lentamente nel tempo, mentre nei processi discontinui in cui i cicli di lavoro sono brevissimi e di conseguenza anche le variazioni dei parametri sono repentine e di breve durata. Proprio in questo breve tempo è molto importante avere l’informazione di cosa succede.
Descrizione del caso specifico
Le attività descritte in seguito sono relative a due interventi eseguiti su presse per la lavorazione della lamiera (tranciatura ed imbutitura) e su una macchina rullatrice. Il settore è quello della costruzione di cerchioni per auto e la ditta interessata è la Alcar Wheel di Manno (CH). Per quanto riguarda le presse di formatura e tranciatura evidenziamo che erano già presenti (installati dal costruttore) dei sensori che rilevano lo sforzo esercitato sulla colonna durante la lavorazione.
Questi sensori non hanno lo scopo di monitorare il processo, ma fungono da sistema di sicurezza contro gli sforzi eccessivi. Se si supera il set point (regolabile dall’operatore) la macchina va in allarme. Per inciso facciamo notare che molti utilizzatori di presse quando presentiamo la nostra realizzazione ci dicono che loro i sensori li hanno già, ma sono quelli sopradescritti e non riescono a fare un monitoraggio fine del processo.Lo scopo del nostro lavoro era diverso.
L’obiettivo perseguito è quello di monitorare il processo di lavorazione con un’alta frequenza di campionamento per avere una curva dell’andamento degli sforzi sulla colonna durante il processo di lavorazione. Il ciclo di lavorazione della macchina è di circa 2 sec. Di seguito un esempio di rilevazione eseguita. È possibile monitorare tutti i cicli e memorizzare i dati, ma questa scelta comporta un utilizzo di memoria imponente senza benefici effettivi. Per ovviare a questo inconveniente la registrazione avviene per circa 20 sec a cui seguono 60 secs di pausa e poi si riprende.
All’interno del ciclo di 20 secondi e per ogni colonna si registrano i valori massimi e li si inviano ad un data lake Oracle che li memorizza per future elaborazioni. A scelta dell’operatore è possibile estrarre un file in formato tabella Excel che permette di visualizzare l’andamento nel tempo degli sforzi nelle colonne durante la registrazione.
Descrizione della situazione di partenza
Prima di descrivere nel dettaglio la soluzione HW realizzata bisogna fare due considerazioni importanti, sia dal punto di vista tecnico che da quello dell’investimento. Il fattore discriminante per la scelta è la presenza o meno di un PLC sulla macchina. Nel nostro caso non avevamo PLC sulle presse, mentre avevamo il PLC sulla macchina di rullatura.
Se è presente un PLC è sufficiente collegare il sensore di misura ad un condizionatore di segnale che lo invia poi al PLC. Andando sul PLC è possibile estrarre i valori misurarti dai sensori ed elaborarli. Se il PLC non è presente occorre installare delle schede di registrazione ed un sistema che gestisce la rilevazione del segnale e comunica i dati al data lake. Questo secondo sistema è più oneroso del precedente, ma l’output rilevato è identico in entrambi i casi.
Case history: hardware da installare, software di acquisizione e di comunicazione
Si descrive ora l’intervento effettuato su un impianto costituito dalle tre presse precedentemente menzionate, operanti talvolta in serie, talaltra indipendentemente, sulle quali non erano presenti apparati elettronici di gestione del processo di lavorazione (trancia e imbutitura). L’obiettivo da raggiungere era il completo controllo del processo stesso in termini di: controllo della qualità del prodotto (assenza di scarti di lavorazione), controllo della cadenza di produzione (mantenimento del tempo ciclo), individuazione di segnali predittivi di guasto macchina (segnali deboli).
Data la tipologia di macchinario, si è optato per installare sulle quattro colonne di ciascuna pressa dei sensori di deformazione (strain sensors piezoelettrici), in grado di cogliere ogni minima deformazione di compressione e di trazione di ciascuna colonna; il fenomeno viene rilevato dinamicamente, acquisendo migliaia di valori di deformazione ogni secondo durante ciclo di lavorazione; solo in questo modo si riesce a rilevare il reale fenomeno fisico di trancia e imbutitura.
Complessivamente la mole di dati rilevati non è elevatissima, perché la rilevazione avviene solo durante la fase di lavorazione, che dura pochi secondi, per giunta non è neppure necessario rilevare ogni singolo ciclo di lavorazione, anzi, è sufficiente farlo periodicamente, con una periodicità che dipende dall’intervallo di confidenza con cui si desidera conoscere il processo in misurazione. Per alleggerire ulteriormente la mole di dati da storicizzare, si memorizzano solo quelli che indicano variazioni rilevanti rispetto a uno standard di riferimento e quelli immediatamente successivi ad attività effettuate a bordo macchina quali: riattrezzamenti, variazione di parametri di lavorazione, interventi manutentivi.
A valle dei sensori sono state installate schede di acquisizione di dati analogici, in grado sia di acquisire, digitalizzare e memorizzare (funzione di buffer) i dati in ingresso, sia di condizionare i sensori di deformazione affinché lavorino con i parametri elettrici ottimali. Queste schede dialogano con un PC industriale su cui è in esecuzione il software che sovrintende all’acquisizione, elaborazione, archiviazione e presentazione dei dati rilevati.
L’archiviazione può avvenire sia in locale, sul PC stesso, sia su un server (cloud Oracle in questo caso) tramite rete LAN; quando il server è aperto verso il web i dati sono accessibili da qualsiasi dispositivo dotato semplicemente di browser, senza applicazioni specifiche.
Qualora le presse fossero già state dotate di apparecchiature di gestione dati dal campo (PLC, PC, altro) i dispositivi hardware da installare sarebbero stati in misura minore o addirittura non necessari; sarebbe bastato installare il software di cui al prossimo paragrafo.
Descrizione del software di elaborazione
Per brevità si descrivono solo le caratteristiche peculiari di questo software, tralasciando quelle tipiche dei codici di elaborazione dati di processi industriali (varie visualizzazioni, confronti storici, interscambio ecc.).
Le caratteristiche salienti sono due:
- costrizione delle curve di baseline;
- confronto della singola acquisizione con le curve di baseline.
Le curve di baseline non sono altro che gli andamenti della deformazione delle colonne durante il ciclo di stampaggio, ottenute mediando un elevato numero di cicli di acquisizione (ad esempio un centinaio). Sono da considerare solo cicli in cui qualità del prodotto, produttività e funzionamento macchina sono conformi alle attese. Le curve di baseline sono sei e costituiscono, a due a due, delle fasce di tolleranza del processo.
Le curve di singola acquisizione si ottengono quando si desideri controllare il processo, da parte dell’operatore, del manutentore o altri; allora viene acquisto un singolo colpo di stampaggio (oppure più colpi da cui calcolare il ciclo medio) da confrontare (sovrapporre) con le rispettive curve di baseline. Dal confronto il software elabora inoltre le percentuali di punti della singola acquisizione che si trovano entro la prima fascia di tolleranza (prime due curve di base line) e così via per le successive fasce di tolleranza.
Prossimi passi di preparazione all’uso dell’AI
Il progetto sin qui descritto è entrato in una fase successiva, in cui si tratta di interpretare il significato delle derive delle curve di singola acquisizione rispetto a quelle di baseline, ossia di ricercare le cause che producono tali derive. Le cause sono da attribuirsi a problemi di macchina, di stampo / punzone, di materiale in lavorazione, di manovre errate.
La creazione di un archivio di casi di deriva rispetto alle baseline, corredati delle cause che ne sono responsabili e dalle contromisure da attuare, costituisce una base su cui istruire un sistema d’intelligenza artificiale supervisionato, che sarà in grado di suggerire all’utilizzatore quali attività intraprendere per evitare che tali derive si amplifichino sino ad ingenerare difetti di qualità, rallentamenti di produzione, guasti alle presse. Si noti che non occorrerà più un tecnico esperto che analizzi i dati rilevati per capire quali contromisure mettere in atto, risolvendo così l’atavico problema della penuria di tecnici esperti, cui si è accennato all’inizio di questo articolo.
Si ringraziano il direttore di stabilimento e i tecnici della Alcar per la collaborazione, la disponibilità e la lungimiranza che hanno permesso la realizzazione di quanto descritto.
Per maggiori informazioni è possibile contattare gli autori inviando una mail QUI.
