EO_500

ELETTRONICA OGGI 500 - MARZO 2022 44 Storicamente in un ambiente di produzione su vasta scala, una dellemigliori risorse dell’azienda era l’esperienza degli operatori a bordo macchina, poiché avevano la capacità di prevedere quando era necessaria la manutenzione. I responsabili di impianto riferivano di eventuali comportamenti insoliti, come un rumore o un cigolo nei macchinari, e richiedevano un controllo da parte del personale addetto alla manutenzione. Oggi, il livello di automazione riducenotevolmente la capacità dell’operatore di rilevare guasti imminenti e la manutenzione è in larga misura programmata anziché predittiva, o in alcuni casi non è considerata o è ignorata, con conseguenti inutili tempi di fermo impianto. Tuttavia, la recente pandemia mondiale da COVID-19 ha portatoinevitabilmenteaunnumeromaggioredioperazioni su macchinari non presidiati o gestiti a distanza, con interventi minimi sul posto e personale di manutenzione ridotto. Pertanto, il miglioramento della capacità dei Dispositivi intelligenti integrati a bordo rete per la manutenzione predittiva Giulio Corradi Responsabile Progettazione-Divisione Industrial, Vision, Healthcare & Sciences Xilinx Per eseguire l’architettura Lambda o Kappa, i dispositivi e i gateway a bordo rete che sono sistemi embedded richiedono prestazioni di elaborazione e densità di memoria adeguate: la potenza di calcolo richiesta a bordo rete potrebbe trarre vantaggio dai nuovi dispositivi di calcolo adattivo come le piattaforme ACAP di Xilinx macchinari di rilevare e diagnosticare automaticamente se stessi per prevedere i guasti risulta essere un vantaggio strategico per i responsabili di impianto. Metodologie come le tecniche PHM (Prognostic and Health Management) e iniziative come PdM4.0 (Predictive Maintenance 4.0) esistono ormai da diversi anni, ma oggi sono passate dall’essere un’opzione a disposizione del responsabile di impianto all’essere una priorità. L’obiettivo è predisporre azioni di manutenzione ottimali e tempestive a supporto del processo decisionale umano nelle attività sia automatizzate che da remoto. La metodologia PHM punta a raccogliere e analizzare i dati per fornire un quadro in tempo reale dello stato di salute dell’apparecchiatura per stimarne la vita utile residua (RUL), con algoritmi che rilevano anomalie e diagnosticano guasti imminenti. I vantaggi finanziari associati includono l’estensione della durata dell’apparecchiatura e la riduzione dei costi operativi. DIGITAL PREDICTIVE MAINTENANCE