Dalla meccanica delle vibrazioni ad un approccio sensorless per la diagnostica di macchine

La fase di manutenzione – insieme delle operazioni che preservano o ristabiliscono uno specifico stato operativo di un bene – è una delle più critiche in ambito industriale a causa delle sue ripercussioni sull’attività produttiva principalmente in termini di tempo e costi. Esistono diverse strategie di manutenzione in ambito industriale: in questa tesi si è nell’ambito della “Manutenzione predittiva”, ovvero quella strategia di manutenzione che prevede un monitoraggio (più o meno) continuo del processo o del particolare identificato come critico al fine di stimarne lo stato funzionale. Sulla base di questa informazione cruciale, si attueranno poi operazioni di manutenzione che risulteranno così ottimizzate rispetto alla particolare condizione in cui ci si trova. Come accennato, il punto cruciale di questa strategia manutentiva è la corretta stima dello stato del processo/oggetto monitorato: questa importanza deriva anche dal fatto che per effettuare il monitoraggio vi è solitamente necessità di aggiungere sensori dedicati, una catena di acquisizione dei dati provenienti dal sensore e un algoritmo capace di interpretare questi dati fornendo una diagnosi affidabile. Dal punto di vista di una realtà industriale che intende implementare sui suoi prodotti un sistema di diagnostica, tutte queste necessità provocano un aumento dei costi del prodotto, costi provenienti dall’hardware e dal tempo e dalle prove sperimentali necessari per sviluppare l’algoritmo di diagnostica. Questi costi iniziali risultano essere molto meglio definibili rispetto invece ai ricavi che il sistema diagnostico offre: infatti questi sono dilazionati nel tempo in quanto verranno percepiti al momento di effettuare la manutenzione, che risulterà però ottimizzata. In breve, è questa la motivazione principale per la quale solamente negli ultimi anni la manutenzione predittiva sta iniziando ad entrare in scala apprezzabile nel settore produttivo, nonostante vi sia disponibilità di hardware e conoscenze teoriche sufficienti perlomeno dai primi anni ’90. Questa tesi è volta alla riduzione dei sopracitati costi iniziali di un sistema di diagnostica tramite alcuni studi di fattibilità della cosiddetta “Diagnostica Sensorless”, dove con “Sensorless” si intende “senza sensori aggiuntivi”: difatti si constata, data la sempre crescente automazione in ambito industriale, una presenza parimenti crescente di sensori necessari per questa automazione. L’idea di base è quella di utilizzare questi sensori (ad esempio: un sensore di corrente necessario alla chiusura di un loop di controllo di un motore elettrico) per fini diagnostici (restando nell’esempio: stimare lo stato del cuscinetto supportante l’albero del motore elettrico attraverso l’analisi della corrente che circola all’interno del motore stesso). Vengono così eliminate le voci di costo relative a sensori e catena di acquisizione dati, mentre i costi di sviluppo dell’algoritmo restano pressappoco gli stessi: questo consente una maggior competitività al produttore sul mercato, in quanto offre un prodotto con sistema di diagnostica integrato ad un prezzo inferiore ma a parità di efficienza del monitoraggio. In questa tesi sono state affrontate le problematiche tecniche per ottenere un sistema di monitoraggio “Sensorless” in tre casi in differenti realtà industriali, concernenti: monitoraggio di un riduttore sottoposto a test di durata, monitoraggio di valvole oleodinamiche utilizzate in un banco di collaudo, monitoraggio dello stato della lama di una troncatrice di tubi.