Al fine di fornire una panoramica delle opportunità derivanti dall'Industria 4.0 nel campo della gestione della manutenzione, i nove pilastri affrontati nella Sezione 1.3.3 sono elencati di nuovo, facendo riferimento al loro possibile utilizzo nelle attività di manutenzione, nella Tabella 1.13.
Tabella 1.13 Panoramica dell'implementazione dell'Industria 4.0 nella gestione della manutenzione.
PILASTRO TECNOLOGICO OPPORTUNITÀ DI APPLICAZIONE NELLA GESTIONE DELLA MANUTENZIONE
Internet of things (IoT)
Le soluzioni Internet of Things (IoT) in ambienti industriali possono portare allo sviluppo di sistemi innovativi ed efficienti che mirano ad aumentare l'efficienza operativa in una nuova generazione di fabbriche intelligenti. L'IoT consente la generazione di diversi tipi di strutture dati, che possono essere analizzate attraverso l'uso di tecniche di analisi avanzate (vedi Big Data Analytics). Inoltre, la connessione tra le macchine e la creazione di interfacce uomo-macchina promossa dall'IoT fornisce uno strumento per l'automazione delle contromisure di guasto. (Angelopoulos et al., 2020; Civerchia et al., 2017; Daponte et al., 2018; Peres et al., 2018; Xiaoli et al., 2011; Zhong et al., 2017).
Infine, la presenza di dispositivi mobili può aiutare la supervisione delle operazioni manutentive, permettendo così agli operatori di manutenzione
di lavorare in modo più efficiente. (Cheng et al., 2018; Hao and Helo, 2017)
Big data and analytics
I processi di manutenzione potrebbero trarre vantaggio dall'uso di modelli più complessi, come quelli di machine learning, nel tentativo di migliorare la politica di manutenzione e ridurre i tempi di fermo macchina.
Infatti, a seconda della complessità dell'evoluzione del guasto, della disponibilità dei dati e della tecnica utilizzata, è possibile non solo rilevare i guasti negli asset ma anche operare un controllo diagnostico e/o prognostico, identificando la causa del guasto avvenuto ed anticipandolo (Carvalho et al., 2019; Karim et al., 2016; Lee et al., 2014; Popkova et al., 2019; Xiao et al., 2011; Xiao, 2016).
L'analisi dei Big Data ha la potenzialità di portare diversi vantaggi, come il raggiungimento di tempi di fermo macchina quasi nulli e l'applicazione di politiche di manutenzione avanzate. (Kumar et al., 2019; Yan et al., 2017).
Simulazione
L'uso della simulazione può avvantaggiare i responsabili delle decisioni, sostenendo la scelta della giusta infrastruttura e delle politiche di manutenzione, fornendo informazioni sui costi-benefici delle potenziali alternative. (Adams et al., 2017; Kumar et al., 2018; Susto et al., 2018). Inoltre, la simulazione può essere utilizzata per prevedere il comportamento dei sistemi di produzione reali, supportando così le decisioni di pianificazione e manutenzione (Goodall et al., 2019; Kumar et al., 2018).
Cloud
La presenza del cloud computing consente l'utilizzo di modelli più complessi (migliore capacità di memorizzazione ed elaborazione dei dati) (Mourtzis and Vlachou, 2018; Oztemel and Gursev, 2020).
La presenza di una piattaforma cloud può anche consentire l'archiviazione e la trasmissione in tempo reale di una massiccia quantità di dati (Vaidya et al., 2018).
Sistemi integrati
L'integrazione di tutti gli attori del sistema favorisce lo sviluppo di obiettivi di manutenzione con maggiore efficienza ed efficacia (Kumar et al., 2018; Peres et al., 2018).
Questa ampia integrazione di tutte le parti rilevanti nel business e nei processi a valore aggiunto e il collegamento della produzione e dei servizi di alta qualità attraverso tutta la catena del valore può garantire nuove opportunità (Monostori et al., 2016), come l'implementazione di Smart Contract. In presenza di interfacce intelligenti, sarebbe possibile prevedere l'implementazione dell'esecuzione dello Smart Contract per gli interventi di manutenzione: una volta effettuato l'intervento, l'operatore manutentivo potrebbe interagire con la macchina che confermerebbe l'adempimento delle clausole del contratto, rilasciando automaticamente il pagamento (Daniotti et al., 2020).
Inoltre, il servizio di manutenzione può essere effettuato anche da parti esterne (es. il costruttore) attraverso il monitoraggio continuo (Allmendinger and Lombreglia, 2005).
Realtà aumentata
L'esecuzione di attività come gli interventi di set-up e manutenzione potrebbe essere notevolmente migliorata dall'utilizzo della realtà aumentata al fine di supportare gli operatori e migliorare la loro sicurezza, ad esempio, fornendo una guida da parte di un operatore più esperto attraverso una connessione remota o rendendo disponibili manuali tecnici (Abramovici et al., 2017; Gattullo et al., 2019; Koch et al., 2017; Masoni et al., 2017; Oliveira et al., 2016).
Inoltre, l'uso della realtà aumentata (o realtà virtuale) potrebbe fornire uno strumento più efficace per la formazione di nuovo personale, fornendo così la base di conoscenza necessaria per i compiti futuri.
Robot autonomi
L'uso di robot potrebbe ottimizzare l'esecuzione di specifiche attività, aumentandone la velocità e la qualità (Oztemel and Gursev, 2020).
Inoltre, l'interazione uomo-robot può consentire un'esecuzione più sicura delle attività di manutenzione (Koch et al., 2017).
Produzione additiva
La produzione additiva gioca un ruolo interessante nell'evoluzione della manutenzione, poiché la sua implementazione potrebbe consentire di creare pezzi di ricambio quando e dove sono necessari per ridurre i tempi di fermo macchina [Khajavi et al. 2014; Dilberoglu et al. 2017].
Sicurezza informatica
Essendo un tema importante nell'Industria 4.0, la cyber-security è essenziale nella realtà industriale, indipendentemente dalle specifiche attività analizzate e la sua implementazione e miglioramento continuo è fondamentale per garantire la sicurezza di ogni membro dell'organizzazione.
1.3.5 - DCS: Distributed Control System
Nell’ottica di sviluppo di un sistema di manutenzione predittiva, come descritto nei paragrafi precedenti, è quindi necessario focalizzarsi anche sul suo funzionamento in real-time per controllo, diagnostica e prognostica dei componenti di impianto. La soluzione sviluppata dovrà quindi essere implementata sui software gestionali di impianto per essere utilizzata con i dati provenienti dai sensori sul campo.
Nell’ambito della digitalizzazione delle industrie, i sistemi di controllo distribuiti (Distributed Control System – DCS) rappresentano una delle soluzioni più adottate per il controllo dei processi che riguardano i grandi impianti continui (ad es. le raffinerie, gli impianti chimici, le centrali di produzione di energia...). Un DCS è un sistema di controllo automatico, suddiviso a sua volta in più sottosistemi, ognuno con il proprio compito ma con la capacità di interagire reciprocamente. Cioè, non vi è un solo computer che controlla tutto il sistema, ma diversi controllori suddivisi in base alla sezione di impianto. Questo consente di svolgere in modo integrato entrambe le funzioni che normalmente competono ai PLC (‘Programmable Logic Computer’) e agli SCADA (‘Supervision Control and Data Acquisition’): ovvero rispettivamente quelle di elaborare i segnali provenienti dai sensori dell’impianto, acquisire e controllare i dati. Unire i due aspetti all’interno di una sola struttura, comporta un risparmio di costi, migliora l’operatività dell’impianto e facilita la formazione dei suoi operatori. Quest’ultima, infatti, smette di essere legata al singolo componente, bensì può essere erogata sotto forma di un unico percorso standard.
L'architettura DCS tipica prevede una struttura gerarchica a 5 livelli, che comprendono il sistema da controllare (livello 0, detto anche "campo") e quattro livelli di controllo:
• Livello 1 o "controllo diretto": costituito da controllori, controllori logici programmabili (PLC), Burner management system (BMS) e sistemi di spegnimento di emergenza (ESD).
• Livello 3 o "controllo di produzione": costituito dai sistemi avanzati di controllo ottimo e storicizzazione.
• Livello 4: costituito dal computer centrale.
Figura 1.48 Struttura DCS.
Livello 0: Campo
Con "campo" si intende l'insieme delle variabili di processo PV (process value) e delle variabili di controllo SP (set point) e OP (output) che rappresentano l'impianto oggetto del sistema di controllo. A livello di Campo abbiamo tutta l'interazione fisica con la strumentazione d'impianto che si vuole controllare, formata da attuatori (valvole, motori, serrande ecc.) e da sensori. Generalmente lo scambio di informazioni (acquisizione di misure o comando verso gli attuatori) tra Livello 1 e Livello 0 avviene tramite segnali elettrici.
Livello 1: Controllori e PLC
Sono sistemi computerizzati in remoto, atti ad acquisire le variabili di processo dal campo e calcolare automaticamente tramite semplici logiche come ad esempio controllori PID o carte di controllo le variabili di controllo. L'acquisizione avviene tramite appositi moduli di acquisizione e pubblicati sul livello 2 tramite control net o rete seriale come ad esempio il modbus.
A questo livello avviene il cuore del sistema di controllo ed automazione di impianto o del sistema di sicurezza. Le regolazioni e le logiche che automatizzano l'impianto sono implementate nei DCS o in PLC.
La scelta tecnologica dipende come sempre dallo scopo dell'applicazione, quindi per un sistema di regolazione piccolo si tenderà a scegliere PLC general purpose, mentre per sistemi di sicurezza che devono garantire un certo livello di sicurezza integrata necessariamente bisognerà scegliere dei PLC che soddisfino questi requisiti. Il DCS è tipicamente utilizzato per sistemi di regolazione grandi ed integrati. Livello 2: Supervisione e comando
A questo punto entriamo al livello dell’operatore di controllo di impianto, A questo livello il DCS si occupa della lettura delle variabili di processo provenienti dal campo PV (process value) e del comando delle variabili di controllo SP (set point) e OP (output). L'operatore, tramite interfaccia uomo-macchina, ha il controllo e la supervisione del campo.
Generalmente il livello 2 è composto da uno SCADA o da un sistema HMI integrato al DCS. Gli elementi di un sistema di supervisione sono l'interfacciamento con il campo tramite:
• pagina grafica, composta di una parte statica rappresentante l'impianto e una parte dinamica rappresentante le misure di processo e lo stato degli attuatori. Pagine grafiche specifiche per i sistemi ESD e F&G possono essere tabellari o sotto forma di logic diagram semplificati
• gruppi operativi, pagine contenenti le misure di un gruppo di strumenti
• trend, pagine che mostrano gli andamenti delle misure rispetto al tempo in un determinato periodo
• alarm logger, pagina che riporta i principali allarmi di sistema e di processo con le rispettive priorità di allarme (low, high, emergency)
• event logger, pagina che riporta i principali eventi (allarmi e azioni da operatore) Livello 3: Sistemi avanzati di controllo ottimo e storicizzazione
Il livello 3 accede ai dati presentati sul livello 2 e li elabora per storicizzarli a lungo termine (con campionamento definito da utente), per generare strategie di controllo avanzate basate sulla storicizzazione o per sistemi di addestramento per operatori basati su simulazione dinamica di eventi imprevisti in impianto.
Livello 4: Office
Raccolta dati per sistemi di forecasting remotizzati, tramite collegamento sicuro read-only con accesso al livello 3 via DMZ. Il livello office è usato per lo più a scopo statistico.
(Bolzern et al., 2008; Green and Perry, 2019; Ogata and Yang, 2002; Popovic and Bhatkar, 1990)
Nel capitolo “Caso studio” vedremo come i modelli diagnostici sono stati integrati nel DCS di impianto utilizzato.