6.3 Validazione sperimentale dei modelli su prove di lavorazione in centro di lavoro M5
6.3.5 Confronto dei risultati dei modelli energetici con l’approccio di simulazione ITIA
Di seguito viene proposto il confronto fra i dati derivanti dalle predizioni effettuate attraverso i modelli alternativi con quelli risultanti dalla simulazione energetica tramite software dei punti individuati nella strategia di validazione. In questa tabella sono riassunti i dati ottenuti:
Model MAE% RMSE
Gutowski 11.52 273.11
Shao 7.02 190.31
ITIA 7.15 154.97
Ideko 5.14 351.99
Diaz 20.78 1811.12
Tabella 6.13: riassunto errori di predizione
0 1 2 3 4 5 6 7 1000 1500 2000 2500 3000 3500
Shao model validation
sample P o w e r [W ] PowerMeas PowerCalc
Come si può vedere da Tabella 6.13, sono stati riassunti i dati relativi agli errori fra le misurazioni e i modelli predittivi in termini di errore assoluto medio percentuale MAE% e root mean square error RMSE, calcolati in questa maniera:
𝐸𝑟𝑟𝑜𝑟 = 𝑆𝑖𝑚𝑢𝑙𝑎𝑡𝑒𝑑 − 𝑀𝑒𝑎𝑠𝑢𝑟𝑒𝑑 Equazione 6.21 𝑀𝐴𝐸% = 1 𝑁∑|𝐸𝑟𝑟𝑜𝑟%| Equazione 6.22 𝑅𝑀𝑆𝐸 = √∑(𝐸𝑟𝑟𝑜𝑟)2 𝑁 Equazione 6.23
6.4 Valutazione dei modelli su ciclo di lavorazione della tasca
Una volta identificati i parametri dei modelli alternativi, si è proceduto con una valutazione su un ciclo di lavorazione più complesso, ovvero il ciclo tecnologico di realizzazione della tasca precedentemente utilizzato per la validazione del nostro approccio di simulazione energetica. In particolare, si è scelto di fare un confronto con il modello di predizione di Gutowski, il quale risulta essere il più utilizzato in ambito scientifico e quindi il più indicativo nel confronto col nostro approccio di modellazione energetica.In prima istanza si riportano i dati misurati di interesse riguardanti la realizzazione della tasca:
Volume totale rimosso: 45952.806 mm3 Tempo totale di lavorazione: 245 s Energia al mandrino: 254.15 kJ
Secondariamente si calcolano i parametri necessari all’applicazione del modello, nel caso in esame il material removal rate. Si è deciso di calcolare tale parametro come valore medio durante la lavorazione, ovvero come volume totale rimosso fratto il tempo di lavorazione:
Validazione dell’approccio di simulazione energetica: confronto con modelli
energetici alternativi presenti 99
𝑀𝑅𝑅 =𝑉 𝑇
Equazione 6.24
Il valore di material removal rate ottenuto è stato il seguente:
𝑀𝑅𝑅 = 187.56𝑚𝑚3 𝑠
Successivamente si è calcolata la potenza di stima del modello applicando i parametri identificati con le prove precedenti, attraverso l’Equazione 6.10:
𝑃 = 917.72𝑊
A questo punto, al fine di operare un confronto in termini di energia consumata, trattandosi di un valore medio di potenza, è stata calcolata l’energia con l’Equazione 6.9:
𝐸 = 224.84𝑘𝐽
Si è quindi giunti al confronto vero e proprio col nostro approccio di modellazione energetica con il calcolo degli errori percentuali, ovvero col confronto con l’energia misurata al mandrino:
Model ITIA Gutowski
EnergySim [kJ] 245.38 224.84
Error% -3.45 -11.53
Tabella 6.14: confronto modelli ITIA - Gutowski
Come si può osservare dai dati ottenuti, il nostro modello di predizione risulta essere all’incirca 3 volte più preciso rispetto al modello di Gutowski, il quale predice una sottostima della potenza consumata al mandrino pari la 12% circa.
7 Conclusioni e sviluppi futuri
Il presente lavoro di tesi ha condotto all’individuazione e alla validazione sperimentale di un approccio di modellazione e simulazione del comportamento energetico di un centro di lavorazione a controllo numerico durante la sua fase di utilizzo. L’idea di fondo è che il consumo energetico possa essere utilizzato quale indicatore di prestazione per la selezione di macchine alternative, condizioni di processo e/o alternative di strategie di lavorazione.
Tale approccio, definito e sviluppato in precedenza presso ITIA-CNR, a differenza dei metodi numerici per la stima del consumo energetico presenti in letteratura, è caratterizzato da una rappresentazione esplicita del processo di taglio in termini di:
1) Rappresentazione geometrica del processo di taglio
2) Modellazione meccanicistica del processo di taglio, orientata alla successiva stima del consumo energetico durante l’asportazione
La soluzione risulta disponibile ed implementata in un software di simulazione disponibile per uso interno e per ricerca scientifica, prevede in sequenza:
1) interpretazione ed emulazione cinematica del part program;
2) simulazione geometrica dell’interazione utensile-pezzo lungo il percorso utensile;
3) stima di coppie/forze di taglio attraverso un’opportuna modellazione meccanicistica del processo di taglio orientata alla successiva stima del consumo energetico;
4) predizione dei consumi energetici a livello di macchina e sottosistemi basata su una modellazione numerica energetica degli stessi
Il lavoro di tesi ha visto l’applicazione e la validazione sperimentale di tale approccio di simulazione ad il caso reale del centro di lavoro Mandelli M5, sito presso il laboratorio MUSP di Piacenza.
La campagna di validazione si è focalizzata sull’elettro-meccanica della macchina (motorizzazioni assi e mandrino) e si è articolata sui seguenti step: 1) identificazione e caratterizzazione sperimentale dei modelli energetici di motori assi e mandrino per gli elementi della macchina utensile in esame a partire da misure cinematiche e di potenza elettrica assorbita effettuate durante
Conclusioni e sviluppi futuri 101
prove “artificiali” a vuoto (solo carico inerziale e attriti) di movimentazione opportunamente progettate
2) applicazione del simulatore a prove di lavorazione di fresatura con engagement utensile – pezzo variabile lungo il percorso utensile e confronto tra consumi simulati e misurati
3) applicazione del simulatore a caso reale di realizzazione di una feature tecnologica (tasca aperta) e confronto tra i consumi simulati e misurati
4) valutazione della bontà e dell’accuratezza della stima del consumo energetico dell’approccio di simulazione proposto rispetto a quella fornita modelli energetici alternativi esistenti in letteratura: valutazione del gap tra le stime e l’energia misurata durante un ciclo di lavorazione per la realizzazione di una tasca aperta
I risultati evidenziano una buona stima nel consumo energetico sia nelle prove di taglio ad engagement variabile (errore sull’energia del motore mandrino inferire al 10%) sia nella realizzazione della tasca (errore di circa il 3.5%). Il confronto con i modelli alternativi ha confermato la bontà dell’approccio proposto.
Possibili sviluppi futuri riguardano l’ampliamento della libreria di modelli numerici energetici degli elementi macchina presenti nel simulatore e la validazione dell’approccio tenendo in considerazione anche il comportamento energetico degli ausiliari (qui non considerato in quanto l’applicazione in esame presentava una componente di idrostatica il cui consumo non è rappresentativo di quello di un tradizionale centro di lavoro.
Di interesse è inoltre l’applicazione del simulatore a cicli di lavorazione più complessi (es. lavorazioni di superfici sculturate) e l’utilizzo dello stesso per la selezione di strategie alternative di lavorazione.
8 Bibliografia
1. Gianugo, Utica. ANALISI DEL CONSUMO ENERGETICO DI MACCHINE UTENSILI. 2009.
2. A study on energy efficiency improvement for machine tools. Mori, M., et al. 2011.
3. Electrical Energy Requirements for Manufacturing Processes. Gutowski,
Timothy, Dahmus, Jeffrey e Thiriez, Alex. Cambridge : s.n., 2006.
4. PRIMA, FINN-POWER, GORENJE, GIZELIS, GIGANT, EXALCO,
TEKS, IAM, IDEKO, LMS, VTT, ITIA-CNR, AMRC, NEW. Energy and
eco-efficiency of machine tools, processes and handling equipment. 2012.
5. An empirical model for predicting energy consumption of manufacturing
processes: a case of turning process. Li, W e Kara, S. Sydney : s.n., 2011.
6. Machine Tool Design and Operation Strategies for Green Manufacturing.
Diaz, Nancy, et al. Berkeley : eScholarship, 2010.
7. A cutting power model for tool wear monitoring in milling. Shao, H., Wang,
H.L. e Zhao, X.M. 2004.
8. Borgia, Stefano, Bianchi, Giacomo e Leonesio, Marco. Machine tool
energetic simulation during general milling operations.
9. Altintas, Yusuf. Manufactoring automation. 2012.
10. Cazzarini, Mauro. MODELLAZIONE ENERGETICA DI MOTORI SINCRONI DI TIPO BRUSHLESS PER APPLICAZIONI INDUSTRIALI. 2015.
11. A Minimal Touch Approach for Optimizing Energy Efficiency in Pick-and-
place manipulators. Pellicciari, Marcello. Tallinn : s.n., 2011.
12. Energy Efficient Use of Multirobot Production Lines in the Automotive
Industry: Detailed System Modeling and Optimization. Pellicciari, Marcello.
2011.
13. Embedding detailed robot energy optimization into high-level scheduling.
Pellicciari, Marcello. Toronto : s.n., 2010.
14. Borgia, Stefano, Bianchi, Giacomo e Albertelli, Paolo. Evaluation of the
energy consumption in machine tools: an analytic approach.
15. Matta, Andrea. Technical Manual for the Experimental Energetic
Bibliografia 103
16. Friction and rigid body identi®cation of robot dynamics. Daemi, M. Hanover : s.n., 1999.
17. Evaluation of the energy consumption in machine tool: a combined
analytical-experimental approach. Albertelli, Paolo, Stefano, Borgia e
Bianchi, Giacomo. Trondheim : s.n., 2011.
18. Borgia, Stefano. Software for parameter identification.
19. Colledani, Marcello. Pilot idea on de and remanufacturing. 2015.
20. Direttiva 2005/32/CE. Wikipedia. [Online]
http://it.wikipedia.org/wiki/Direttiva_2005/32/CE.
21. CECIMO. [Online] http://www.cecimo.eu/site/about-us/.
22. CECIMO Self-regulatory initiative. Cecimo. [Online] http://www.cecimo.eu/site/publications/magazine/cecimo-self-regulatory-
initiative/.
23. Borgia, Stefano. Energy efficiency of machinery: new challenges and new opportunities. 2012.
24. Pellicciari, Marcello. High-Level Scheduling of Energy Optimal Trajectories. [aut. libro] Oskar Wigström. IEEE transactions on automation
science and engineering, vol. 10. 2013.
25. Modeling Energy States in Machine Tools: An Automata Based Approach.
Frigerio, Nicla. Torino : s.n.
26. Optimization of energy consumption and surface quality in finish. Yansong