La firma elettrica: un possibile strumento di diagnosi e di prognosi L. Cristaldi, S. Ierace Bando Competitività Regione Lombardia Sviluppo e applicabilità meccatronica della firma elettrica per innovare la diagnostica predittiva a garanzia dell efficienza e sicurezza delle macchine
L esigenza Garantire efficienza e qualità nella produzione e nella gestione dei beni e servizi Produzione Manutenzione Preventiva Correttiva Preventiva su condizione (CBM)
Una possibile soluzione Valutazione dell Health State Diagnostica Si stabilisce lo stato di avaria partendo dalle informazioni di misura Mappatura delle feature, tecniche di puttern recognition Prognostica Capacità di prevedere malfunzionamenti e guasti Modello di guasto Concetto di distanza
Il punto di partenza Un guasto può essere preceduto da uno stato di degrado progressivo. Il degrado porta la macchina a funzionare vicino al limite di specifica o appena fuori dal limite di specifica, assai prima che si verifichi un malfunzionamento evidente. Un monitoraggio continuo permette di rilevare le anomalie di funzionamento prima che evolvano verso un guasto. Condition Based Maintenance (CBM)
Quale monitoraggio? L approccio più immediato Strumentare la macchina con sensori in tutti i punti ritenuti critici Efficienza Costi L approccio desiderato limitare la complessità del sistema garantendo l efficienza e l efficacia del processo di monitoraggio Analisi di firma
La firma elettrica I presupposti I malfunzionamenti dei dispositivi elettrici causano disturbi sui segnali elettrici di alimentazione Possono essere rilevati molto prima che il malfunzionamento diventi macroscopicamente evidente (funzionamento fuori specifiche, guasti, ) Nei dispositivi elettromeccanici, anche gli eventuali problemi ai morsetti meccanici si traducono in disturbi ai morsetti elettrici E possibile estrarre dai segnali elettrici le caratteristiche (features) relative ad ogni stato di funzionamento E possibile definire una firma (signature) caratteristica di ogni stato di funzionamento
Metodologia - 1 I requisiti Associare ogni stato di guasto o malfunzionamento significativo ad una ben definita feature. Definire un segnale di firma all interno del quale siano identificabili le features predefinite. Definire un metodo (paradigma) per estrarre le features dal segnale di firma. Definire un metodo (paradigma) per confrontare la feature estratta con una feature standard identificativa dell health state.
Metodologia - 2 La procedura Si costruisce un set statisticamente significativo di firme Si estrae una firma standard o features standard Metodi statistici Si confronta ciascuna nuova firma acquisita nel normale funzionamento con la firma standard Classificatori baiesiani Pattern recognition Metodi euristici (soft computing)
Due approcci possibili Problema di Diagnosi e Progonosi Approccio di tipo White Box Approccio di tipo Black Box Focus su conoscenze di dominio Focus su risorse computazionali L operatore conosce principalmente: - l applicazione - i fenomeni - la strumentazione di misura L operatore conosce principalmente: - i segnali - le informazioni - gli algoritmi
Metodologia di progetto Caso applicativo da analizzare Fonte: Politecnico di Milano - DIG Scomposizione dei gruppi e dei componenti della macchina da analizzare Identificazione dei componenti critici per le prestazioni affidabilistiche della macchina Customizzazione della metodologia FMECA per le necessità del progetto E possibile applicare l analisi della Firma Elettrica per individuare precocemente il guasto dei componenti critici? SI NO Analisi di altre tecniche di monitoraggio Uso di parametri specifici per la valutazione dell applicabilità Analisi di Firma Elettrica con l obiettivo di individuare il guasto del componente ritenuto critico Identificazione componenti critici (FMEA) e monitorabili con firma elettrica Sviluppo modello di monitoraggio Sviluppo algoritmi per la diagnostica
Lo scenario di riferimento PRODUTTORE DI MACCHINE / IMPIANTI Necessità di vendere il prodotto accompagnato da un servizio di manutenzione Necessità di definire dei valori di affidabilità e disponibilità dell impianto Necessità di incrementare l autodiagnosi della macchina OBIETTIVI Manutenzione su condizione (anche in remoto) incrementando le capacità diagnostiche della macchina evitando interventi dispendiosi dei tecnici Maggiore gestione e controllo degli impianti in remoto Incremento del servizio al cliente Miglioramento delle performance di disponibilità della macchina
La metodologia di progetto Caso applicativo da analizzare Fonte: Politecnico di Milano - DIG Scomposizione dei gruppi e dei componenti della macchina da analizzare Identificazione dei componenti critici per le prestazioni affidabilistiche della macchina Customizzazione della metodologia FMECA per le necessità del progetto E possibile applicare l analisi della Firma Elettrica per individuare precocemente il guasto dei componenti critici? SI NO Analisi di altre tecniche di monitoraggio Uso di parametri specifici per la valutazione dell applicabilità Analisi di Firma Elettrica con l obiettivo di individuare il guasto del componente ritenuto critico Identificazione componenti critici (FMEA) e monitorabili con firma elettrica Sviluppo modello di monitoraggio Sviluppo algoritmi per la diagnostica
SCOMPOSIZIONE: Un esempio Livello I Livello II Livello III Livello IV MANDRINO DI MISURA MOTORE MANDRINO DI MISURA GRUPPO MANDRINO DI MISURA CINGHIA MANDRINO DI MISURA SISTEMA DI PRESSURIZZAZIONE PISTONE BLOCCO/SBLOCCO FILTRI REGOLATORE DI PRESSIONE SENSORI DI PISTONE BASSO/ALTO CONO PINZA STAZIONE DI MISURA ADATTATORE ESPANSORE GRUPPI DI RILEVAMENTO SINCRONISMO GRUPPI DI RILEVAMENTO SQUILIBRIO SENSORE DI SINCRONISMO TRASD. DI RILEV. SQUILIBRIO SU PIANI 1 & 2 LAMELLE DI SUPPORTO DX & SX GRUPPO DI BLOCCAGGIO GRUPPI DI RILEVAMENTO PEZZO FOTOCELLULA DI PRESENZA PEZZO FOTOCELLULA CATARIFRANGENTE
RISULTATI ANALISI FMECA: FAILURE MODE (1) 160 140 120 100 80 60 40 Cause di Guasto Totali Approccio FMECA ANALISI CAUSE DI GUASTO 20 0 Distribuzioni percentuali Cause di Guasto 4% 13% 5% 13% 16% 49% rottura usura cattiva regolaz.(montaggio) contaminazione ambientale errato montaggio altri modi di guasto
Quali componenti monitorare attraverso l ESA? Componente_2 Analisi FMECA dei gruppi e dei componenti Matrice di criticità per l individuazione dei componenti più critici Componente_1 Componente_3 Scomposizione funzionale della BVK4 QUALI COMPONENTI MONITORARE CON l ESA? Dall identificazione dei componenti critici (per valore del RPN = Occurrence x Severity elevato) alla valutazione dei componenti il cui guasto può essere rilevato (precocemente) mediante ESA Output 1: Elenco di componenti / modi di guasto critici (RPN > RPN soglia) e rilevabili mediante ESA + Output 2: Scomposizione di macchina (funzionale ai successivi passi di sviluppo del sistema diagnostico)
COMPONENTI CRITICI GUASTABILI Grado di rischio <10: Sono quei componenti per cui i valori di occorrenza e/o severità sono talmente bassi per cui non si ritiene necessario effettuare alcun tipo di monitoraggio. 10< Grado di rischio <20: Sono quei componenti per cui occorre effettuare puntualmente un analisi dei valori di occorrenza e/o severità per scegliere se applicare o meno determinate politiche di gestione. Grado di rischio >20: Sono quei componenti per cui i valori di occorrenza e/o severità sono elevati e giustificano l implementazione di opportune politiche di monitoraggio e manutenzione. Distribuzione percentuale dei gradi di rischio grado di rischio <10 10< grado di rischio <20 grado di rischio >20 17% 47% 36%
SEVERITA' COMPONENTI CRITICI GUASTABILI OCCORRENZA 1 2 3 4 1 14 4 3 3 2 0 0 1 0 3 1 8 0 25 4 25 11 1 3 6 46 26 44 37 7 19 7 12 1 8 9 5 0 1 Rilevazione di quei componenti il cui grado di rischio è elevato e sui quali è possibile attuare: Politiche manutentive Miglioramento del service post-vendita per i clienti Predisposizione di kit dei componenti che vanno maggiormente incontro a guasti.
La metodologia di progetto Caso applicativo da analizzare Fonte: Politecnico di Milano - DIG Scomposizione dei gruppi e dei componenti della macchina da analizzare Identificazione dei componenti critici per le prestazioni affidabilistiche della macchina Customizzazione della metodologia FMECA per le necessità del progetto E possibile applicare l analisi della Firma Elettrica per individuare precocemente il guasto dei componenti critici? SI NO Analisi di altre tecniche di monitoraggio Uso di parametri specifici per la valutazione dell applicabilità Analisi di Firma Elettrica con l obiettivo di individuare il guasto del componente ritenuto critico Identificazione componenti critici (FMEA) e monitorabili con firma elettrica Sviluppo modello di monitoraggio Sviluppo algoritmi per la diagnostica
FMECA Misure / feature (estratte con ESA) 1 Matrice di rilevabilità Modi di guasto (rilevabili con ESA) (2) Sviluppo del programma di CBM basato sull analisi della firma elettrica a b 2 n Output 1: Modello di supporto alla diagnosi mediante tecnica di pattern recognition (n.b. sperimentazione necessaria per raccogliere i dati allo scopo ultimo di impostare la PR)
La metodologia di progetto Caso applicativo da analizzare Scomposizione dei gruppi e dei componenti della macchina da analizzare Identificazione dei componenti critici per le prestazioni affidabilistiche della macchina Customizzazione della metodologia FMECA per le necessità del progetto E possibile applicare l analisi della Firma Elettrica per individuare precocemente il guasto dei componenti critici? SI NO Analisi di altre tecniche di monitoraggio Uso di parametri specifici per la valutazione dell applicabilità Analisi di Firma Elettrica con l obiettivo di individuare il guasto del componente ritenuto critico Identificazione componenti critici (FMEA) e monitorabili con firma elettrica Sviluppo modello di monitoraggio Sviluppo algoritmi per la diagnostica
0.04 0.035 0.03 0.025 0.02 0.015 0.01 0.005 0-0.005 0 2000 4000 6000 8000 10000 12000 14000 16000 18000 0.04 0.035 0.03 0.025 0.02 0.015 0.01 0.005 0-0.005 0 2000 4000 6000 8000 10000 12000 14000 16000 18000 0.04 0.035 0.03 0.025 0.02 0.015 0.01 0.005 0-0.005 0 2000 4000 6000 8000 10000 12000 14000 16000 18000 0.04 0.035 0.03 0.025 0.02 0.015 0.01 0.005 0-0.005 0 2000 4000 6000 8000 10000 12000 14000 16000 18000 0.04 0.035 0.03 0.025 0.02 0.015 0.01 0.005 0-0.005 0 2000 4000 6000 8000 10000 12000 14000 16000 18000 0.04 0.035 0.03 0.025 0.02 0.015 0.01 0.005 0-0.005 0 2000 4000 6000 8000 10000 12000 14000 16000 18000 0.04 0.035 0.03 0.025 0.02 0.015 0.01 0.005 0-0.005 0 2000 4000 6000 8000 10000 12000 14000 16000 18000 0.04 0.035 0.03 0.025 0.02 0.015 0.01 0.005 0-0.005 0 2000 4000 6000 8000 10000 12000 14000 16000 18000 Sviluppo Algoritmo: Monitoraggio Sviluppo di algoritmi per monitorare lo Vettore di indicatori dell assorbimento estratti da n firme in condizioni di buon funzionamento stato di funzionamento della macchina: Approccio di tipo statistico Indicatore: Assorbimento (Area sottesa) x 1 x 2 x 3 x 4 x 5............... x n 1. Valutare se la nuova firma è Estrazione dei valori di e dell indicatore all interno di un campo di accettabilità prestabilito e quindi 0.04 Estrazione nuova firma e dei relativi indicatori TEST DI IPOTESI considerarla o meno in condizioni di buon funzionamento. 0.035 0.03 0.025 0.02 0.015 si È sotto controllo? no 2. Indicare quale fase è fuori controllo. 0.01 0.005 0-0.005 0 2000 4000 6000 8000 10000 12000 14000 16000 18000 GOOD DIAGNOSIS Fonte: Università degli Studi di Bergamo
Sviluppo Algoritmo: Tool Monitoraggio Fonte: Università degli Studi di Bergamo
Metodologia di progetto Caso applicativo da analizzare Scomposizione dei gruppi e dei componenti della macchina da analizzare Identificazione dei componenti critici per le prestazioni affidabilistiche della macchina Customizzazione della metodologia FMECA per le necessità del progetto E possibile applicare l analisi della Firma Elettrica per individuare precocemente il guasto dei componenti critici? SI NO Analisi di altre tecniche di monitoraggio Uso di parametri specifici per la valutazione dell applicabilità Analisi di Firma Elettrica con l obiettivo di individuare il guasto del componente ritenuto critico Identificazione componenti critici (FMEA) e monitorabili con firma elettrica Sviluppo modello di monitoraggio Sviluppo algoritmi per la diagnostica
Sviluppo Algoritmo: Diagnostica Sviluppo di algoritmi per diagnosticare i componenti che stanno degradando nella macchina sulla base di tecniche di riconoscimento dei pattern: Approccio di tipo intelligenza artificiale Indicatore: Area sottesa, Skewness, Kurtosis, Crest Factor Creazione delle reti ESTRAZIONE DEGLI INDICATORI DIBUON FUNZ. & DEGRADO OUTPUT MONITORAGGIO Controllo nuova firma CREAZIONE & APPRENDIMENTO RETI NEURALI INDICATORI DELLA FASE DA ANALIZZARE RETE FASE_1 RETE FASE_2 RETE FASE_3 RETE FASE_6 SEGNALAZIONE DEL COMPONENTE SEGNALAZIONE DEL GRADO DI GUASTO
0.04 0.035 0.03 0.025 0.02 0.015 0.01 0.005 0-0.005 0 2000 4000 6000 8000 10000 12000 14000 16000 18000 Funzionamento delle reti per l analisi della fase Caratteristiche delle reti realizzate: TIPO DI RETE feed-forward INPUT: Indicatori della fase analizzata (Area sottesa, Skewness, Kurtosis, Crest Factor) STRATO NASCOSTO: funzione sigmoidea OUTPUT: Identificazione del componente che sta degradando le sue performance RETE NEURALE PER LA FASE K Fase_k FAILURE_A ESTRAZIONE INDICATORI FAILURE_... FAILURE_N
Sviluppo Algoritmo: Tool Diagnostica Fonte: Università degli Studi di Bergamo
Il secondo dimostratore Dispositivi distribuiti per il monitoraggio dello stato di funzionamento di impianti PV Valutazioni del rendimento dell impianto Pannello sottoposto a diverse condizioni di irraggiamento Rendimento Monitoraggio della produzione MPPT distribuito Affidabilità e disponibilità Diagnostica Sicurezza OBIETTIVI
Le attività per il secondo dimostratore Identificazione componenti critici (FMEA) e monitorabili con firma elettrica Sviluppo modello di monitoraggio Sviluppo algoritmi per la diagnostica Classe (S) 1 Livello di severità Poco significativa 2 Marginale 3 Critica 4 Catastrofica Conseguenze Modi di guasto che potrebbero potenzialmente degradare le funzionalità di sistema, ma che non causano danni al sistema stesso e non costituiscono rischi per le persone. Modi di guasto che potrebbero potenzialmente degradare le funzionalità di sistema senza significativi danni al sistema stesso o rischi per le persone. Modi di guasto che potrebbero potenzialmente danneggiare le funzionalità primarie di sistema e quindi causarne danni considerevoli, ma che non costituiscono minaccia per la vita delle persone. Modi di guasto che potrebbero potenzialmente danneggiare le funzionalità primarie di sistema e quindi causarne danni considerevoli, costituendo anche una minaccia per l ambiente e le persone. Classe (O) Probabilità di accadimento (occurance) 1 Altamente improbabile 2 Improbabile 3 Probabile Fonte: Politecnico di Milano DEL 4 Altamente probabile
Le attività per il secondo dimostratore: MAFE Fonte: Politecnico di Milano DEL Identificazione componenti critici (FMEA) e monitorabili con firma elettrica Sviluppo modello di monitoraggio Sviluppo algoritmi per la diagnostica MODULO ELEMENTO MODO DI GUASTO POSSIBILI CAUSE DI GUASTO SINTOMO RILEVATO DA EFETTO LOCALE EFFETTO GLOBALE MISURE PREVENTIVE CONTRO IL GUASTO CLASSE DI SEVERITA' (S) CLASSE DI OCCORENZA (O) RISCHIO (SxO) RACCOMANDAZIONI Formazione di umidità all'interno del pannello Errata realizzazione del sandwich Deterioramento degli elementi all'interno del sandwich Diminuzione della potenza prodotta Manutenzione della struttura di sostegno 2 3 6 Frattura di una cella fotovoltaica Diminuzione della potenza prodotta Diminuzione della potenza prodotta Ispezione annuale dei moduli 2 2 4 Accuratezza nella posa Circuito aperto Cedimento o Usura/invecchiamento dei contatti tra le celle Diminuzione della potenza prodotta Diminuzione della potenza prodotta Sostituzione con adeguati ricambi 2 2 4 Controllo periodico dei contatti Modulo Guasto verso terra Cedimento dell'isolante del sandwich Sistemi di protezioni Messa fuori servizio dell'impianto Azzeramento potenza prodotta Controllo periodico della struttura 4 1 4 Hot-spot Ombreggiamento modulo e malfunzionamento del diodo di by-pass Perforazione della giunzione con surriscaldamento localizzato e danni al modulo Diminuzione della potenza prodotta Installazione del pannello in siti non soggetti ad ombreggiamenti continui ( es. palazzi,alberi...) 2 1 2 Presenza di polveri Agenti atmosferici Diminuzione della potenza prodotta Diminuzione della potenza prodotta Manutenzione della struttura 2 4 8 Pulizia
Le attività per il secondo dimostratore: MAFE Fonte: Politecnico di Milano DEL Identificazione componenti critici (FMEA) e monitorabili con firma elettrica Sviluppo modello di monitoraggio Sviluppo algoritmi per la diagnostica RISCHIO SxO - MODULO 9 8 7 6 5 4 3 2 1 0 Formazione di umidità all'interno del pannello Circuito aperto - frattura cella Circuito aperto - cedimento contatti Guasto verso terra Hot-spot Presenza di polveri
Le attività per il secondo dimostratore: Sviluppo ESA Identificazione componenti critici (FMEA) e monitorabili con firma elettrica Sviluppo modello di monitoraggio Sviluppo algoritmi per la diagnostica ESA
Le attività per il secondo dimostratore: Sviluppo Identificazione componenti critici (FMEA) e monitorabili con firma elettrica Sviluppo modello di monitoraggio Sviluppo algoritmi per la diagnostica Fonte: Politecnico di Milano DEL
MPP Reduction % Power (mw) Le attività per il secondo dimostratore: Monitoraggio Identificazione componenti critici (FMEA) e monitorabili con firma elettrica Sviluppo modello di monitoraggio Sviluppo algoritmi per la diagnostica 600 Clean Powder 4 g/m 2 500 400 300 Powder 20 g/m 2 200 Powder 40 g/m 2 100 0 0 5 10 15 20 Voltage (V) 0-10 -20-5 -27-30 Fonte: Politecnico di Milano DEL -40-50 -60-51 0 5 10 15 20 25 30 35 40 45 Powder concentration (g/m 2 ) [0 = clean PV]
Radiation (W/m 2 ) Powder (g/m 2 ) MPP Reduction % Le attività per il secondo dimostratore: Algoritmi Identificazione componenti critici (FMEA) e monitorabili con firma elettrica Sviluppo modello di monitoraggio Sviluppo algoritmi per la diagnostica 0-10 -5-20 -30-27 -40-51 -50-60 0 5 10 15 20 25 30 35 40 45 Powder concentration (g/m 2 ) [0 = clean PV] Fonte: Politecnico di Milano DEL 230 210 190 Radiation 170 150 130 110 90 70 50 Powder 35 40 45 250 300 350 400 450 500 550 MPP (mw) 0 5 10 15 20 25 30
Conclusioni -1
Conclusioni -2 I casi di studio hanno dimostrato: L applicabilità del metodo in un ampia casistica di situazioni; L efficacia del metodo nell indviduare casi di funzionamento anomalo a partire dalle firme; L efficacia del metodo nell individuazione precoce di trend di funzionamento che stanno evolvendo verso funzionamenti fuori specifica.