L'ingegnere

Chris Murphy, ingegnere applicativo, Dispositivi analogici

Questo articolo spiega come i recenti progressi nella tecnologia MEMS abbiano spinto i sensori accelerometrici in primo piano, rivaleggiando con i sensori piezoelettrici nelle applicazioni di monitoraggio basato sulle condizioni. Discuteremo anche su come utilizzare la nuova piattaforma di sviluppo che rende tutto questo possibile. Un altro articolo si concentrerà sulla struttura software che supporta questa piattaforma di sviluppo e su come può essere integrata con i più diffusi strumenti di analisi dei dati per sviluppare esempi di apprendimento automatico e, in definitiva, su come può essere implementata su varie risorse.

Il monitoraggio basato sulle condizioni (CbM) prevede il monitoraggio di macchine o beni utilizzando sensori per misurare lo stato di salute attuale. La manutenzione predittiva (PdM) prevede una combinazione di tecniche come CbM, machine learning e analisi per prevedere i prossimi cicli o guasti di manutenzione degli asset. Con una crescita significativa prevista nel monitoraggio dello stato delle macchine a livello globale, è fondamentale conoscere e comprendere le tendenze principali. Sempre più aziende CbM si rivolgono a PdM per differenziare la propria offerta di prodotti. I responsabili della manutenzione e delle strutture ora hanno nuove opzioni quando si tratta di CbM, come installazioni wireless e installazioni a costi inferiori e ad alte prestazioni. Mentre la maggior parte dell’infrastruttura del sistema CbM rimane invariata, la nuova tecnologia MEMS può ora essere integrata direttamente nei sistemi tradizionalmente dominati da sensori piezoelettrici o in quelli non precedentemente monitorati a causa di barriere di costo.

In una tipica progettazione di una catena di segnali CbM, sono necessarie molte discipline ingegneristiche diverse e tecnologie da considerare, che sono in costante miglioramento e in crescente complessità. Oggi esistono diverse tipologie di clienti con competenze in aree specifiche come lo sviluppo di algoritmi (solo software) o la progettazione hardware (solo hardware), ma non sempre entrambe le cose.

Gli sviluppatori che desiderano concentrarsi sullo sviluppo degli algoritmi necessitano di data lake di informazioni per prevedere con precisione guasti e tempi di inattività delle risorse. Non vogliono progettare hardware o risolvere problemi relativi all'integrità dei dati; vogliono solo utilizzare dati noti per essere ad alta fedeltà. Allo stesso modo, gli ingegneri hardware che desiderano aumentare l'affidabilità del sistema o ridurre i costi hanno bisogno di una soluzione che possa connettersi facilmente all'infrastruttura esistente, per confrontare le soluzioni esistenti. Hanno bisogno di accedere ai dati in un formato leggibile che sia facile da usare ed esportare, in modo da non perdere tempo a valutare le prestazioni.

Molte delle sfide a livello di sistema possono essere risolte con un approccio basato su una piattaforma, dal sensore fino allo sviluppo algoritmico, che consente a tutti i tipi di clienti.

La piattaforma di monitoraggio basato sulle condizioni CN0549 è una soluzione hardware e software pronta all'uso ad alte prestazioni che consentirà lo streaming ad alta fedeltà dei dati sulle vibrazioni da una risorsa all'ambiente di sviluppo di algoritmi/apprendimento automatico. La piattaforma avvantaggia gli esperti di hardware in quanto è una soluzione di sistema testata e verificata che fornisce acquisizione dati ad alta precisione, comprovato accoppiamento meccanico alla risorsa e un sensore di vibrazioni a banda larga ad alte prestazioni. Vengono forniti tutti i file di progettazione hardware, consentendo una facile integrazione nel prodotto progettato. CN0549 è interessante anche per gli esperti SW, poiché astrae le sfide dell'hardware della catena del segnale di monitoraggio delle condizioni e consente ai team di software e ai data scientist di passare direttamente allo sviluppo di algoritmi di apprendimento automatico. Le caratteristiche e i vantaggi principali includono:

La piattaforma di sviluppo CbM è composta da quattro diversi elementi mostrati nella Figura 1, di cui parleremo singolarmente prima di esaminare la soluzione complessiva combinata.

Figura 1. Elementi della piattaforma di sviluppo CbM.

Una larghezza di banda più ampia e sensori a basso rumore consentono il rilevamento tempestivo di guasti come problemi ai cuscinetti, cavitazione e ingranamento degli ingranaggi. È fondamentale che qualsiasi elettronica di acquisizione dati mantenga la fedeltà dei dati di vibrazione misurati; in caso contrario, le informazioni critiche sull'errore potrebbero andare perse. Il mantenimento della fedeltà dei dati sulle vibrazioni consente di individuare le tendenze in tempi più rapidi e, con un elevato grado di sicurezza, possiamo consigliare una manutenzione preventiva, riducendo così l'usura non necessaria degli elementi meccanici e prolungando inevitabilmente la durata delle risorse.