EMB_90

EMBEDDED 90 • NOVEMBRE • 2023 54 il monitoraggio in tempo reale dei dati utilizzando Node-Red e Grafana. Inoltre, i dati timestream sono stati analizzati per iden- tificare tendenze e modelli di apprendimento automatico. Sche- mi di processo simili vengono automaticamente riconosciuti ed etichettati (Fig. 6). Gli schemi rimanenti vengono contrassegnati come sconosciuti. Questi dati costituiscono la base per statisti- che di processo che possono essere utilizzate in diversi casi d’u- so, tra cui: monitoraggio dei processi, assicurazione di qualità e manutenzione predittiva. Esecuzione di test in un ambiente reale Durante l’esecuzione dei test sul campo sono state affrontate numerose sfide: perdita di dati a causa della distanza e della pre- senza di diverse sorgenti radio nella zona di produzione, costan- te movimento o assenza di movimento delle schede impilabili e dell’alimentatore. I sensori di accelerazione sono stati montati sul braccio di ta- glio senza alcuna fonte di alimentazione nelle vicinanze. Questo ostacolo è stato superato con l’ausilio di una batteria ai polimeri di litio (LiPo). Nonostante il basso consumo di corrente di stan- dby, la trasmissione costante dei dati durante la fase iniziale ha fatto scaricare la batteria. A causa della grande quantità di in- formazioni trasmesse quotidianamente ogni due o tre giorni la batteria si scaricava. La soluzione è stata l’utilizzo di un pannel- lo solare per ricaricare la batteria. A tal fine è stata utilizzata una soluzione open-source da Adafruit. Il secondo problema era dato dalla posizione dei sensori e dei moduli radio. Il sensore deve essere posizionato sull’impugnatu- ra dell’utensile, che è mobile. Sulla macchina, tutti i componen- ti in movimento sono protetti da alloggiamenti in metallo che fungono da gabbia Faraday. Nonostante fosse di piccole dimen- sioni ed efficiente, l’antenna integrata non è stata utile. Questo problema è stato risolto fissando un’antenna esterna alla parte esterna dell’alloggiamento. La parte di rilevamento di corrente è composta da trasformatori di corrente split-core e sensori a effetto Hall per ciascuna fase. La combinazione di due sensori ha reso necessaria la calibrazio- ne, eseguita da Würth Elektronik. Una prototipazione più veloce La realizzazione di una dimostrazione di fattibilità con compo- nenti open-source può ridurre drasticamente il tempo richiesto dalla prototipazione. La combinazione di schede preesistenti con piedinatura standard e sensori con connettori standard ren- de più semplice testare e sperimentare la configurazione. L’utilizzo di due fasi nella prototipazione di fattibilità ha consen- tito di creare un modello effettivo nella prima fase e quindi di implementarlo nella seconda. La seconda fase impiegherà mo- delli locali sul microcontrollore e invierà solo la quantità di dati minima. I dati necessari verranno inviati al cloud utilizzando il modulo cellulare Adrastea-I. Würth Elektronik offre kit di sviluppo software (SDK) stile Ar- duino gratuiti per diversi processori e vende le schede. Que- ste schede possono essere facilmente adattate utilizzando dati (PCB e distinte base) da Würth Elektronik oppure dalla Aweso- me Feather GitHub di Adafruit [2] . Questo caso d’uso ha dimostrato che l’utilizzo di standard open-source per la prototipazione offre flessibilità, che a sua volta determina un’enorme velocità di implementazione. Riferimenti [1] https://github.com/WurthElektronik/Fea- therWings [2] https://github.com/adafruit/awesome-feather Fig. 5 – Misura della corrente mediante sensore effetto Hall (Fonte: Würth Elektronik eiSos) Fig. 6 – Analisi dei dati per identificare modelli di apprendimento automatico. Schemi di processo simili vengono automaticamente riconosciuti ed etichettati (Fonte: IAV) HARDWARE | INDUSTRIAL IOT