Mahmoud Sfar Hancha, Ingegnere presso MGA Automation interviene in un prestigioso contesto internazionale per raccontare gli sviluppi delle applicazioni del Machine Learning in ambito industriale portati avanti dall’azienda.


Mahmoud Sfar Hancha, ingegnere presso MGA Automation è stato invitato a proporre una relazione alla 24esima edizione dell’International Carpathian Control Conference, un prestigioso incontro internazionale per lo scambio di informazioni ed esperienze nel campo dell’automazione industriale: la conferenza accoglie presentazioni dei più recenti progressi nell’automazione complessa, nella robotica, nella modellazione, nel controllo dei processi produttivi e tecnologici, compresi i sistemi di controllo della qualità orientati all’ambiente, ai mezzi di supporto e alle tecnologie dell’informazione.

La relazione di Mahmoud propone una applicazione di manutenzione predittiva per compressori a doppia vite. La configurazione sperimentale è stata progettata per acquisire dati di funzionamento in diverse condizioni operative dal compressore.

Per rilevare i parametri di funzionamento del compressore, il sistema di acquisizione dei dati è stato realizzato sfruttando i concetti dell’Industria 4.0. Un’approfondita fase di analisi dei dati ha rappresentato il punto di partenza per l’applicazione delle tecniche di apprendimento. L’Analisi dei dati e le fasi applicative di machine learning  macchina sono state svolte in un ambiente MATLAB. Diverse tecniche di apprendimento supervisionato sono state testate e confrontate.

Lo strumento progettato prevede quattro condizioni operative da classificare in merito allo stato di degrado dell’olio utilizzato dal compressore, dei filtri, del separatore e del circuito di alimentazione. Le quattro classi di intervento ipotizzate identificano lo stato di urgenza nell’esecuzione delle operazioni di manutenzione e la previsione di eventuali danni che potrebbero portare a situazioni di arresto del sistema.

I risultati ottenuti dalle prove sperimentali ha permesso di concludere che tecniche innovative basate su l’apprendimento automatico supervisionato possono essere applicate a compressori a doppia vite, ampiamente utilizzati nell’industria, per esercitare scelte di manutenzione predittiva in sostituzione delle pratiche di manutenzione periodica e correttiva attualmente adottate, con una buona accuratezza dei modelli adottati.

I risultati ottenuti dalle prove sperimentali hanno consentito di ipotizzare modifiche all’hardware del compressore analizzato, ad esempio eseguire modifiche all’assorbimento di energia attraverso l’introduzione di un inverter: in questo modo, l’efficienza energetica può essere migliorata e, allo stesso tempo possono essere soddisfatte in modo efficiente varie condizioni operative.

Dopo la conferenza il documento sarà pubblicato integralmente sul nostro sito.

Machine Learning e gestione dei compressori
Machine Learning e gestione dei compressori

Contattaci ti richiameremo il prima possibile!




    Condividi