EMB_78
21 EMBEDDED NOVEMBRE PREDICTIVE MAINTENANCE | IN TEMPO REALE Raccolta dati in tempo reale Con la tecnologia predittiva, il programma di } À ! - fettiva usura e deterioramento dell’apparecchia- tura. La manutenzione predittiva va di pari pas- so con l’Industria 4.0 perché le implementazioni utilizzano componenti comuni: sensori smart integrati e una combinazione di risorse informa- tiche locali e basate sul cloud. Sensori di vibra- zione, temperatura, corrente elettrica e non solo possono essere utilizzati per rilevare potenziali problemi, supportando modelli software esegui- ti localmente o da remoto e condurre analisi in tempo reale. Martin Walter, vicepre- sidente della Sezione In- dustria presso Schnei- der Electric , afferma: “Immaginiamo di moni- torare parti che si muo- vono meccanicamente come robot e cursori li- neari. Monitorando i mo- tori di questi dispositivi, si può iniziare a capire quanto rapidamente si usurano. Più lo si fa, maggiore è il numero di problemi (e relativi pa- rametri) che si possono comprendere e, con essi, il modo in cui effettuar- ne la manutenzione”. Sara Ghaemi, team le- ader della gestione key account per i sistemi industriali e automobi- listici di Panasonic , è d’accordo con i commen- ti di Walter. Prevede che la disponibilità del cloud computing e le capacità aggiuntive che apporte- rà in termini di potenza di machine learning sa- ranno essenziali per favorire lo sviluppo di algo- À &+ - me di manutenzione predittiva, ma il livello di intelligenza è destinato a crescere grazie al fatto che vi sarà un maggiore accesso ai dati necessa- ri attraverso l’IoT e una maggiore comprensione ! À K Il ruolo dell’intelligenza artificiale “L’AI è destinata a svolgere un ruolo molto im- portante in questo segmento del mercato e ci saranno molti altri passi avanti che renderanno l’uso di questi strumenti più facile per gli inge- gneri o l’azienda”, ha aggiunto Ghaemi. Storica- mente, vi sono stati tentativi di implementare la manutenzione predittiva, che tuttavia face- À umane, dato che il volume di dati e la capacità di interpretarli erano limitati. La combinazione ! K ! Á dettagliati, raccolti tramite l’IoT, offre la capaci- À - À { ulteriore vantaggio dell’AI consiste nel fatto che può contare su molte più fonti di dati rispetto a quanto non sia possibile con i modelli ottimizzati a mano. Molto spesso, ci sono segnali integrati nei dati dei sensori che gli esperti del settore non hanno il À ! { facilmente trovare le correlazioni tra le modalità À problemi e forniscono una stima del tempo che manca prima di un guasto. Nel farlo, danno ai produttori la possibilità di sviluppare programmi À + - la progettazione presso Omega , afferma che la capacità di utilizzare correlazioni senza prece- denti renderà il monito- raggio e il controllo pre- dittivi più potenti. Festo è tra le aziende che integrano l’AI nelle pro- prie soluzioni di manu- tenzione. “Circa due anni fa, Festo ha acquistato una società AI chiama- ta Resulta , che abbiamo integrato nelle aree di sviluppo. Attualmente sta gestendo i programmi che eseguono il rilevamento delle anomalie e poi ne trasferisce le informazioni all’ambiente ester- { } chiamato Smartenance, che è una sorta di stru- mento di manutenzione intelligente aggiuntivo Martin Walter - Schneider Electric Sara Ghaemi - Panasonic Thomas Dale - Omega
Made with FlippingBook
RkJQdWJsaXNoZXIy MTg0NzE=