• Non ci sono risultati.

Strategie di ottimizzazione energetica nei processi industriali ad elevata automazione

N/A
N/A
Protected

Academic year: 2022

Condividi "Strategie di ottimizzazione energetica nei processi industriali ad elevata automazione"

Copied!
17
0
0

Testo completo

(1)

16 Febbraio 2018

Industrial Internet

& Big Data

Analytics

Strategie di ottimizzazione energetica nei

processi industriali ad elevata automazione

Francesco Benzi

Dipartimento di Ingegneria Industriale e dell’Informazione

Università di Pavia

(2)

Industrial Internet & Big Data Analytics

Industria 4.0 – Requisiti

(ai fini dell’iperammortamento)

Obbligatori

• controllo per mezzo di CNC e/o PLC (o equipollenti);

• interconnessione ai sistemi informatici di fabbrica;

• integrazione con il sistema logistico della fabbrica e/o altre macchine;

• interfaccia uomo macchina semplice ed intuitiva (digital twin – interazione);

• rispondenza ai più recenti standard in termini di sicurezza.

(3)

Industrial Internet & Big Data Analytics

Industria 4.0 – Requisiti

(ai fini dell’iperammortamento)

Aggiuntivi

(almeno 2 su 3)

• sistemi di telemanutenzione e/o telediagnosi e/o controllo in remoto;

• monitoraggio in continuo delle condizioni di lavoro e dei parametri di processo mediante opportuni set di sensori e adattività alle derive di processo;

• integrazione tra macchina fisica e/o impianto con modellizzazione e/o

simulazione del proprio comportamento nello svolgimento del processo (sistema cyberfisico)

(4)

Industrial Internet & Big Data Analytics

Internet of Things (IoT)

IoT (Internet of Things) descrive una infrastruttura globale di rete, che collega tra loro oggetti virtuali e fisici.

Nell’ambito della fabbrica comprende Internet più ogni oggetto fisico e i relativi servizi, purché possano l’attuale rete comunicare.

Caratteristiche degli oggetti IoT (sistemi cyberfisici)

• Identification (unique address, localization, state)

• Interaction (sensing, metering, actuating)

• Data processing

• Communication

(5)

Industrial Internet & Big Data Analytics

Internet of Things (IoT)

Industrial Internet of Things (IIoT)

IIoT è la versione industriale di IoT che aggiunge, alle caratteristiche del protocollo Internet standard, I requisiti necessary per renderlo compatibile con il Controllo in ambito industriale

Determinismo

Operazioni in Real time (con la dinamica del processo industriale)

Robustezza

Integrazione di funzioni e SERVIZI

Affidabilità

Sicurezza e Integrità

(6)

Industrial Internet & Big Data Analytics

IIoT e Industria 4.0

Interoperability

Virtualization

Decentralization

Real time capability

Service orientation

Modularity

(7)

Industrial Internet & Big Data Analytics

Industrial Ethernet

Standard Ethernet si basa su un meccanismo NON governato di

accesso alla rete (possibili collisioni, ritardi tempistica non garantita) INDUSTRIAL Ethernet assicura tempi di accesso dedicati attraverso una struttura di switches (Switched Ethernet).

Alla gestione dei dati e del controllo macchina sono così riservati spazi e tempi garantiti con risposte in tempi rapidi, in modo

deterministico, oltre alla possibilità di utilizzare Internet in modo più standard per l’interfaccia con i livelli superiori.

I livelli superiori (applicativi ) di Industrial Ethernet consentono una più semplice interoperabilità (profili industriali specifici, e

retrocompatibilità (heritage) rispetto alle tecnologie esistenti.

(8)

Industrial Internet & Big Data Analytics

Industrial Ethernet Solutions

POWERLINK (2001, B&R) (Application level, CANopen) Interfaces UDP/IP. Up to 100 Mb/s.

EtherCAT (2003, Beckhoff) (2nd level ISO-OSI) Interfaces with any TCP/IP and UDP. Up to 100 Mb/s.

EtherNet/IP (1990, Rockwell) (Application level, CIP) Interfaces with any TCP/IP and UDP. Up to 100 0Mb/s.

PROFINET (2003) TCP/IP (Tc 100 ms). Real Time (RT) (Tc up to 1 ms). Isochronous Real Time (IRT) (Tc < 1 ms).

Sercos III (2003) (Livello Ethernet). Cyclic transmission (up to 31,5 ms) and acyclic. Sercos Energy Profile

(9)

Industrial Internet & Big Data Analytics

Valore aggiunto di IIoT e Industria 4.0 per l’industria

MONITORAGGIO E CONTROLLO DELL’EFFICIENZA ENERGETICA (ES. NEL CONTROLLO DI MOTO E NEGLI SPOSTAMENTI LOGISTICI)

Gran parte delle variabili di processo sono direttamente accessibili attraverso il sistema di controllo implementato su Industrial Ethernet:

-Variabili elettriche : tensione, corrente, potenza elettrica

-Variabili meccaniche: posizione, velocità accelerazione (coppia)

DIAGNOSTICA DEL PROCESSO

-Variabili disponibili dal processo e dai numerosi sensori e attuatori -Attività e stato dei componenti

(10)

Industrial Internet & Big Data Analytics

Monitoraggio dei consumi energetici

Operazioni di un portale Pick & Place (Robot)

(11)

Industrial Internet & Big Data Analytics

Monitoraggio dei consumi energetici

Energia assorbita durante l’operazione E E d EkmEgmEkl Egl

E E E d gl

In cui

Ed energia dissipata (resistenze del motore e attrito viscoso)

Ekm energia cinetica immagazzinata nel campo inerziale del manipolatore

Egm energia potenziale gravitazionale legata alle masse del manipolatore

Ekl energia cinetica sviluppata

Egl variazione dell’energia potenziale del pezzo lavorato

Nell’ipotesi che in un ciclo standard di lavorazione il pezzo trattato venga raccolto e depositato a velocità 0, il consumo di energia si può esprimere in forma semplificata:

(12)

Industrial Internet & Big Data Analytics

Monitoraggio dei consumi energetici

Calcolo dell’energia con le variabili meccaniche

Twc

0

P dt

Ewc = [kWh]

3600

Energia consumata in un ciclo di operazioni

τ = D(q)q +C(q,q)q +G(q)

Modello dinamico di coppia (Euler-Lagrange)

Potenza sviluppata dall’attuatore (motore)

2 

τ ×v av av×

P = [kW]

60×1000

(13)

Industrial Internet & Big Data Analytics

Monitoraggio dei consumi energetici

Calcolo dell’energia con le variabili meccaniche

Twc

0

P dt

Ewc = [kWh]

3600

Energia consumata in un ciclo di operazioni

τ = D(q)q +C(q,q)q +G(q)

Modello dinamico di coppia (Euler-Lagrange)

Potenza sviluppata dall’attuatore (motore)

2 

τ ×v av av×

P = [kW]

60×1000

(14)

Industrial Internet & Big Data Analytics

Monitoraggio dei consumi energetici

Impiego delle variabili dal monitoraggio interno attraverso EtherCAT

Actual position Actual velocity Actual acceleration Actual torque

(15)

Industrial Internet & Big Data Analytics

Monitoraggio dei consumi energetici

Calcolo dell’energia al variare di un fattore di scala (aumento o diminuzione del tempo di ciclo)

500 0 450 0 400 0 350 0 300 0 250 0

0,5 4

1,0 0

1,2 3

1,4 6 α

1,6 8

1,9 1

2,1 4

Fig. 6 – Energy related variables values vs Scaling factor

(16)

Industrial Internet & Big Data Analytics

Conclusioni

•IIoT e Industry 4.0, offrono vantaggi competitive sia a livello organizzativo, sia a livello di campo, oltre che fruire di importanti incentive ministeriali.

•La presentazione, riferita a una semplice ma comune operazione industriale, illustra come, a partire da una architettura aperta, basata su un protocollo Industrial Ethernet, si possa implementare una strategia di monitoraggio e miglioramento dell’efficienza energetica.

•L’integrazione complete del Sistema di controllo consente di semplificare l’impiego dei dati provenienti dai sensori di campo e di ridurne talvolta numero e tipologia

(17)

Industrial Internet & Big Data Analytics

Francesco Benzi Università di Pavia

fbenzi@unipv.it

Riferimenti

Documenti correlati

32 2.1 Analisi del processo decisionale di base che conduce alla definizione di una cella robotizzata ... 33 2.2 Raccolta delle informazioni

Sia (X n ) n≥1 una successione di variabili casuali i.i.d... una successione di variabili casuali

 Information hiding: i dati della classe non dovrebbero essere accessibili direttamente, ma solo tramite metodi (primato dei metodi sui dati, interazione tramite metodi)..

Assegnato uno spazio di probabilità (S, A, P[.]) si definisce variabile casuale X una funzione avente come dominio lo spazio dei campioni (S) e come codominio la retta realex.

Nella parte relativa alle serie di funzioni, abbiamo visto che possi- amo sviluppare in serie di Taylor una funzione, se la funzione ammette derivate di tutti gli ordini in un punto

Come sappiamo, in una data prova non si può conoscere quale valore assumerà la nostra variabile casuale; ma se conosciamo tutti i possibili valori che la nostra variabile

La struttura “repeat-until” e’ piu’ flessibile e generale della struttura “for-endfor”. Una struttura “repeat-until” con una condizione di arresto solo sul numero

[r]