verticale

Condition Monitoring e Industry 4.0: dalla raccolta dei Big Data alla manutenzione preventiva, diagnostica e prognostica

- Condition monitoring (CM)
- Prognostic Health Monitoring (PHM)
CASE STUDY 1 - Impianto produzione prodotti per la cura della persona
CASE STUDY 2 - Impianto di cogenerazione con turbina a gas

Scarica il PDF Scarica il PDF
Aggiungi ai preferiti Aggiungi ai preferiti


Atti di convegni o presentazioni contenenti case history
MCM Milano aprile 2019 Analisi, predittiva, monitoraggio 4.0 per l?integrit? di componenti e impianti

Pubblicato
da Atti di convegno Atti di convegno
MCM Milano 2019Segui aziendaSegui




Settori: 

Parole chiave: 


Estratto del testo
Gli atti dei convegni e più di 10.000 contenuti su www.verticale.net Milano Condition Monitoring e Industria 4.0: dalla raccolta dei Big Data alla manutenzione preventiva, diagnostica e prognostica Luca Santucci Mechanical Department Manager
luca.santucci@sintechnology.com www.sintechnology.com 2 SINT Technology è nata nel 1990 e ad oggi può contare su un organico di poco meno di 50 dipendenti la gran parte dei quali è costituita da tecnici altamente specializzati e qualificati. Il Sistema di qualità aziendale è conforme ai requisiti richiesti dagli standard UNI EN ISO 9001:2015 (dal 1998) e BS OHSAS 18001:2007 (dal 2014) Il Laboratorio di prova di SINT Technology è accreditato dall''Ente Italiano di Accreditamento ACCREDIA dal 2009. Prove Meccaniche Prove Termodinamiche Prodotti Sviluppo Software Progettazione Soluzioni Personalizzate Training R&S I principali settori di specializzazione sono: ABOUT US 3 ' Misura vibrazioni e troubleshooting ' Analisi modale sperimentale (EMA, OMA, ODS) ' Misurazione di pressione e Potenza sonora ' Noise, Vibration and Harshness Test (NVH) ' Misura e analisi delle vibrazioni torsionali ' Misure estensimetriche ' Misura delle tensioni residue ' Prove di prestazione su macchine e impianti ' Diagnostica dei compressori alternativi ' Sistemi di Monitoraggio e diagnostica ' Soluzioni personalizzate ABOUT US ' Automotive ' Rail ' Tractors ' Oil & Gas ' Energy & Power Generation ' Packaging Machine ' Industrial Machine ' Industrial Manufacturing ' Cultural Heritage ' Food & Beverage ' Biomedical ' Aerospace & Defence ' Pharmaceutical ' Health Care PRINCIPALI SETTORI SERVIZI DI MISURA 4 ' Monitoraggio programmato ' Misurazioni off-line ' Scarsa disponibilità dei dati ' Monitoraggio continuo ' Misurazioni in tempo reale ' Elevata disponibilità dei dati CONDITION MONITORING & INDUSTRY 4.0 Monitoring Devices 5 CONDITION MONITORING & INDUSTRY 4.0 Nell''era di Internet of Things e dell''Industria 4.0, vengono raccolti una grande quantità di dati in tempo reale dai sistemi di monitoraggio allo scopo di diagnosticare e/o prevedere malfunzionamenti incipienti del sistema analizzato (ASSET). I metodi data-driven richiedono di definire manualmente il modello tramite equazioni esplicite e necessitano di conoscenze e compentenze maggiori sulle tecniche di elaborazione dei segnali. Per questo motivo possono essere più limitati nell''era dei Big Data. Negli ultimi anni, i metodi di Deep Learning stanno diventando sempre più comuni per l''analisi di grandi quantità di dati. Essi infatti permettono di utilizzare i dati grezzi direttamente in una rete neurale che permette di apprendere ed estrarre automaticamente le principali funzionalità (Features). Grandi volumi di dati eterogenei Deep Learning Machine Learning 6 Condition monitoring (CM)
è il processo capace di determinare la condizione del macchinario durante l''utilizzo (vibrazioni, rumore, ultrasuoni, temperatura, pressione, portata, parametri elettrici, etc...), in modo da riuscire ad identificare cambiamenti significativi che possono essere indice di un difetto o un degrado della prestazione. TARGET ' AUMENTO/ MASSIMIZZAZIONE DEL TEMPO DI FUNZIONAMENTO ' MINIMIZZAZIONE TEMPO DI INATTIVITA'' ' AUMENTO QUALITA'' DEL PRODOTTO ' MANUTENZIONE PROGRAMMATA ' MINIMIZZAZIONE DEI COSTI DI GESTIONE DELLE ATTIVIT' ' CONOSCENZA DELLO STATO DI SALUTE DELL''ASSET CONDITION MONITORING & INDUSTRY 4.0 Prognostic Health Monitoring (PHM) è un''evoluzione del CM e si focalizza su una previsione del tempo in cui un sistema o un suo componente non è più in grado di svolgere la sua funzione specifica. Il tempo previsto viene definito come Remaining Useful Life (RUL), questa è un''informazione importante per decidere quale strategia adottare per la manutenzione. 7 CONDITION MONITORING & INDUSTRY 4.0 1 BISOGNI AZIENDALI 2 ALLOCAZIONE DEL BUDGET 3 IDENTIFICAZIONE DEI COMPONENTI CRITICI 4 IDENTIFICAZIONE DELLE MISURE 5 DEFINIZIONE DEL KPI 6 SOLUZIONE DEL COLLETTORE DI DATI 7 SOLUZIONE INFRASTRUTTURA IT Key Performance Indicator (KPI) Quale approccio' QUESTO
APPROCCIO '
INDIPENDENTE
DALL''ASSET !
IMPORTANTE '' scelta dei sensori appropriati per avere Alta Qualità dei dati acquisiti Approfondimento tecnico 8 CONDITION MONITORING & INDUSTRY 4.0 CASE STUDY 1 IMPIANTO PRODUZIONE PRODOTTI PER LA CURA DELLA PERSONA Italia Reparto di Ozonizzazione Produzione H24 9 CONDITION MONITORING & INDUSTRY 4.0 ' AUMENTO DEL TEMPO DI FUNZIONAMENTO ' DIAGNOSTICA ' RISPARMIO DI ENERGIA ' CONTROLLO DEI CONSUMI ' IMPIANTO DI OZONIZZAZIONE (PROGETTO PILOTA) ' 6 POMPE CENTRIFUGHE ' VIBRAZIONI ' PARAMETRI ELETTRICI ' Vibrazioni: RMS, Frequ. di guasto, Kurtosis, Shock Pulse ' POTENZA 1 BISOGNI AZIENDALI 2 IDENTIFICAZIONE DEI COMPONENTI CRITICI 3 IDENTIFICAZIONE DELLE MISURE 4 DEFINIZIONE DEL KPI 5 SOLUZIONE DEL COLLETTORE DI DATI ' SISTEMA DI ACQUISIZIONE E DI CONDIZIONAMENTO MULTICANALE ED ESPANDIBILE 10 CONDITION MONITORING & INDUSTRY 4.0 Sistema di acquisizione, condizionamento ed elaborazione dei dati Misuratori di potenza RS485 ModBus IEPE sensori di vibrazione Misuratori di potenza RS485 ModBus IEPE sensori di vibrazione Misuratori di potenza RS485 ModBus RS485 ModBus Componenti critici Data collector Accelerometri Bi-assiali Misuratori di potenza Trasduttori di corrente in-line Trasduttori Infrastruttura IT e software 11 CONDITION MONITORING & INDUSTRY 4.0 12 CONDITION MONITORING & INDUSTRY 4.0 DATI acquisiti Elaborazione del segnale Tensioni /
Correnti ' Parametri elettrici ' Potenza
' Fattore di potenza ' Vibrazioni ' RMS
' Frequenze di guasto
' Kurtosis
' Shock Pulse Vibrazioni Selezione delle Features Impostazione delle soglie Previsione NN (short-term) Stima del RUL Nuovi dati Indicizzazione delle Feature Elaborazione dei segnali Feature threshold RUL threshold RUL Sistema di
acquisizione,
condizionamento ed
elaborazione dati 13 CONDITION MONITORING & INDUSTRY 4.0 CASE STUDY 2 IMPIANTO DI COGENERAZIONE CON TURBINA A GAS Italia
Turbina a gas da 5 MW
Impianto di Cogenerazione (industria farmaceutica) 14 CONDITION MONITORING & INDUSTRY 4.0 Turbina a gas PLC / Sistema di Controllo di macchina Sistema SINT RM&D Segnali Dinamici (Vibrazioni e pulsazioni in CC) Segnali statici di processo e logici (modbus protocol) SINT Software TPE '' Thermal Plant Evaluator La previsione delle prestazioni può consentire al gestore dell''impianto di optare per la configurazione giornaliera più adatta stabilendo la migliore potenza termica e magari mettendo in vendita l''energia in eccesso prodotta in modo da ottimizzare il bilancio costi / ricavi 15 CONDITION MONITORING & INDUSTRY 4.0 Digital TWIN Il Digital Twin consiste nella realizzazione di un modello matematico del sistema, utile come benchmark delle prestazioni dello stesso. In pratica si crea un gemello digitale (che può essere spinto a vari livelli) dell''entità fisica che vogliamo analizzare e si «alimenta» in tempo reale (real time) con i dati del mondo fisico provenienti dalla rete dei sensori. Tutto questo con lo scopo di determinare se l''impianto ha un malfunzionamento incipiente e/o se può operare in maniera più efficiente. TPE '' Thermal Plant Evaluator 16 CONDITION MONITORING & INDUSTRY 4.0 NN MESSA A PUNTO DEI PARAMETRI Definizione delle soglie (EXPERIENCE BASED) 1 ANALISI DEI DATI STORICI
(SELEZIONE DELLE CARATTERISTICHE E DELL''INTERVALLO DI TEMPO)
2 FILTRO DEI DATI ED ELABORAZIONE 3 APPRENDIMENTO TRAMITE RETE NEURALE 4 VALIDAZIONE DELLA RETE NEURALE 5 DEFINIZIONE DELLE KPI 6 VALUTAZIONE DEL RUL (REMAINING USEFUL LIFE) 17 CONDITION MONITORING & INDUSTRY 4.0 DALLE KPI ALLA MANUTENZIONE BACK PROPAGATION NEURAL NETWORK PROPERTIES ' n Hidden Layer
' n Hidden neurons
' Activation function: hyperbolic tangent
' Training cost function: mean square error KPI MAINTENANCE AIR FILTER FLOW COEFF AIR FILTER CHANGE AXIAL COMPRESSOR ISENTROPIC EFFICIENCY OFF-LINE COMPRESSOR WATER WASH GT EFFICIENCY DEGRADATION BORSCOPE INSPECTION, HOT GAS PATH INSPECTION 18 CONDITION MONITORING & INDUSTRY 4.0 Maintenance degrado dell''efficienza GT KPI PREDICTION AVERAGE ERROR AIR FILTER FLOW COEFF 6.2 % AXIAL COMPRESSOR ISENTROPIC EFFICIENCY 1.9 % 19 CONDITION MONITORING & INDUSTRY 4.0 GRAZIE PER L''ATTENZIONE Luca Santucci Mechanical Department Manager di SINT TECHNOLOGY luca.santucci@sintechnology.com Via delle Calandre, 63 - 50041 Calenzano (Firenze) '' Italia Tel: +39.055.8826-302 '' Fax: -303 www.sintechnology.com info@sintechnology.com


In evidenza

SAP Italia
Trova il percorso di trasformazione digitale per la tua impresa: scarica gratis la survey SAP e IDC
2G Italia
Cogenerazione e trigenerazione dal leader tecnologico mondiale
Edison
Scopri le novità normative sull'ETS. Partecipa ai nostri seminari.

Articoli correlati

© Eiom - All rights Reserved     P.IVA 00850640186