EO_497

COMPONENTS INTELLIGENT SENSOR I sensori MEMS ad alta precisione, per applicazioni di rilevamento evoluto a livello industriale, sviluppati da STMicroelectronics (Fonte: ST) utile la capacità del sensore di autocalibrarsi o di ricevere comandi di calibrazione via connessione wireless, ed anche la sua abilità di pre-elaborazione dati, in modo da sgravare il carico di computing a cui possono essere sottoposti PLC (programmable logic controller), gateway e risorse distribuite nel cloud. Per massimizzare i benefici delle applicazioni IoT o IIoT, le tecniche di fabbricazione devono tendere a raggiugere requisiti SWAP-C (size, weight, power, and cost) per il sensore, il package dello stesso, e il sistema nel suo complesso. In quest’ottica, si possono prendere ad esempio quei sensori smart in cui un sensore MEMS (micro electro mechanical system) viene integrato con un circuito integrato CMOS (complementary metal- oxide semiconductor). Qui la transizione, da tecniche d’integrazione multi-chip, dove il sensore smart viene realizzato connettendo chip MEMS discreti ai circuti integrati tramite il substrato della board o il package, verso approcci di connessione diretta, basati su tecnica System-on-Chip (SoC), ha permesso di ridurre costi, ingombro, peso, consumi. Manufacturing e manutenzione predittiva: non solo sensori I sensori intelligenti costituiscono un ingrediente indispensabile per implementare con successo un’applicazione IIoT: tuttavia, l’altro componente fondamentale del paradigma Industria 4.0, in grado di far davvero la differenza in un’applicazione di smart factory realizzata sui processi di produzione di un’impresa, resta indubitabilmente l’intelligenza che la modellistica matematica, in sinergia con algoritmi d’intelligenza artificiale (AI) e machine learning (ML), riesce ad esprimere nell’analisi dei dati raccolti dai sensori, producendo insight di valore. In questo senso, un caso d’uso emblematico è la manutenzione predittiva (predictivemaintenance) che, se ben realizzata, può permettere di ottimizzare le strategie di manutenzione degli impianti industriali rispetto alle metodologie tradizionali. Queste ultime vanno dagli interventi di manutenzione reattiva, che si attua solo al verificarsi di un guasto, ai programmi di manutenzione preventiva, in cui l’intervento, e il fermo macchina (downtime) viene pianificato scegliendo un momento d’interruzione e una tempistica che risultino meno dannosi possibile per la continuità della produzione. Entrambi questi approcci hanno limiti: infatti, nel caso di un intervento reattivo, il downtime può allungarsi, e costare di più se, ad esempio, i pezzi di ricambio o gli addetti alla riparazione non sono subito disponibili; senza poi considerare che, in tali casi, lavorando in situazioni di emergenza e sotto stress, aumentano i rischi di safety, e che l’obiettivo primario è far ripartire al più presto la produzione, più che analizzare e risolvere le cause che hanno determinato l’avaria. Se l’intervento è di tipo preventivo, il rischio di seguire un rigido programma di manutenzione è sostituire prematuramente componenti che sulla linea di produzione funzionano ancora in maniera ottimale. La predictive maintenance aiuta a superare questi inconvenienti, equipaggiando macchinari e linee di fabbricazione con sensori smart in grado di connettersi al cloud. I dati acquisiti in tempo reale dai sensori smart sul funzionamento dell’impianto (vibrazioni, pressione, temperatura, umidità), uniti a quelli storici, consentono la costruzione di modelli matematici e algoritmi di apprendimento automatico in grado di prevedere con notevole precisione quando una determinata linea di produzione potrà subire un’avaria. Il valore di tale previsione si traduce poi in benefici che vanno, dall’opportunità di programmare gli interventi di sostituzione dei componenti solo quando sono davvero richiesti, alla capacità di ottimizzare di continuo i processi di produzione, aumentando l’efficienza degli impianti ed estendendo il loro ciclo di vita. ELETTRONICA OGGI 497 - OTTOBRE 2021 48