Prodotti interconnessi e intelligenti con la IIoT
Bonfiglioli si è avvalsa della collaborazione con la Fondazione Bruno Kessler allo scopo di creare un’architettura IIoT per rendere i suoi prodotti interconnessi e intelligenti. L’obiettivo, raggiunto, era quello di avere un sistema di diagnosi predittiva e la capacità di stimare in modo dinamico la vita residua del prodotto.
Bonfiglioli ha partecipato a un Progetto di Ricerca promosso dall’agenzia Trentino Sviluppo e supportato dall’unità Data Science for Industry and Physics (DSIP) del centro Digital Industry della Fondazione Bruno Kessler. L’iniziativa si è focalizzata sullo sviluppo di sistemi basati su algoritmi di Intelligenza Artificiale per rispondere a due specifiche richieste: la possibilità di avere un sistema di diagnosi predittiva e la capacità di stimare in modo dinamico la vita residua del prodotto. Il fine ultimo era riuscire a identificare con precisione i componenti della macchina maggiormente a rischio e il numero di ore di utilizzo rimanenti prima della rottura. Insieme, il Gruppo bolognese e la Fondazione Bruno Kessler hanno creato un’architettura IIoT (Industrial Internet of Things) capace di rendere i prodotti Bonfiglioli interconnessi e “intelligenti”, in linea con le più recenti applicazioni di Intelligenza Artificiale.
Implementare l’uso della IoT per valorizzare i propri dispositivi
Recentemente Bonfiglioli ha rivolto ancor più l’attenzione allo sviluppo di servizi innovativi connessi ad applicazioni IIoT. In particolare si è concentrata sulla realizzazione di una piattaforma Industriale basata su algoritmi AI/ML volti a valorizzare l’offerta dei propri dispositivi. Grazie a questa iniziativa l’azienda bolognese si è resa pioniere e portavoce della IIoT applicata all’industria ed entra a far parte del pool di attori innovativi che plasmeranno il futuro del settore. Il progetto sviluppato insieme alla Fondazione Bruno Kessler si basa sulle nuove tecnologie abilitanti quali Internet, sensori ad alta sofisticazione e sistemi elettronici capaci di trasmettere una grande mole di informazioni che saranno poi processate da software intelligenti. Il fine ultimo è prevenire in modo sistematico i malfunzionamenti nei dispositivi, a favore di un’assistenza di alto livello al cliente e di risorse e consumi energetici ottimizzati. In questo contesto, un ruolo fondamentale è giocato dalla Predictive Maintenance e dal Condition Monitoring, grazie ai quali è possibile generare nuovi Business Model legati all’offerta di servizi complementari, non più incentrati sulla semplice vendita di soluzioni.
L’architettura IIoT nata da questo progetto rende i prodotti Bonfiglioli “intelligenti”, ovvero in grado di scambiare dati e informazioni per una diagnostica predittiva dello stato di funzionamento e di “salute” della macchina. È un’architettura che implica la sensorizzazione dei prodotti stessi e l’interpretazione dei dati, sfruttando la combinazione tra processi di decifrazione Model Based e tecniche di Intelligenza Artificiale e Machine Learning.
Le due fasi del progetto: Ricerca Industriale e Sviluppo industriale
![](https://www.publiteconline.it/inmotion/wp-content/uploads/2024/05/bonfiglioli_kessler_iiot.jpg)
Il progetto si è articolato in due step: la prima fase di Ricerca Industriale è stata propedeutica alla fase successiva di Sviluppo Sperimentale e ha portato alla formulazione dei requisiti tecnologici, avvalendosi anche di ricerche di mercato volte a stabilire le esigenze dei clienti e del mercato stesso. La seconda fase ha invece comportato la progettazione e realizzazione di una serie di test per sviluppare e validare modelli/algoritmi, diversi dai tradizionali algoritmi fisici che richiedono un elevato sforzo di calibrazione e adattamento e hanno scarse prestazioni predittive.
I ricercatori hanno quindi studiato e ottimizzato algoritmi di Deep Learning all’avanguardia, con i quali hanno analizzato i dati generati dalle attività di testing. La sfida principale è stata riuscire a generalizzare gli algoritmi sviluppati. È emerso infatti che, a parità di condizioni di utilizzo (tipi di motoriduttore, carichi di lavoro e velocità), i modelli implementati rispondevano con ottimi risultati, ma le loro performance tendevano a degradarsi se venivano applicati a condizioni differenti da quelle studiate in fase di sviluppo. I ricercatori sono quindi passati a elaborare metodi di “domain adaptation” che permettessero di “allineare” i dati raccolti dai motoriduttori con le diverse condizioni d’uso. In questo modo i modelli non perdono di predittività. Ulteriore elemento di innovazione è stata l’adozione di tecniche di “Edge Computing”, che avvicinano la potenza di calcolo e l’archiviazione dei dati ai dispositivi stessi, anziché centralizzarle. Questo approccio consente di ridurre i tempi di risposta e di aumentare l’efficienza dell’analisi dati, aspetto fondamentale quando si tratta di manutenzione predittiva in tempo reale.
Un Test Center per riduttori e sistemi meccatronici
Presso lo stabilimento produttivo di Rovereto (TN) è stato allestito un Test Center dedicato, esteso su una superficie di 140 m2 con 17 isole indipendenti che testano riduttori e sistemi meccatronici (inverter – motore – riduttore), acquisendo dati ad elevata frequenza sulle loro performance e resistenza. Le attività di testing sono state molteplici e hanno permesso di acquisire dati relativi ai sistemi di prodotti combinati Bonfiglioli, nella loro usura progressiva, fino a un’eventuale perdita di funzionalità per danneggiamento di componentistica interna. Grazie ai test è stato inoltre possibile valutare sistemi di sensoristica prototipali di produzione Bonfiglioli, nonché quelli commerciali già abbinati a processi di elaborazione finalizzati alla diagnostica.
Nell’arco di due anni sono state eseguite 50 attività di test che hanno coinvolto 60 motoriduttori, per un totale di oltre 40.000 ore di test. Tutto il materiale raccolto, pari a circa 35 TB di dati, è stato elaborato tramite metodologie avanzate di Machine Learning e Intelligenza Artificiale, sviluppate in collaborazione con la Fondazione di Ricerca FBK. Da tale attività congiunta sono scaturiti modelli di diagnostica e prognostica finalizzati a determinare la reale “aspettativa di vita” del sistema meccatronico monitorato.
Tali modelli sono stati collaudati prima in area testing e poi in applicazioni reali, per confermarne l’efficacia e funzionalità, combinandoli con sensori miniaturizzati, ideati e sviluppati da Bonfiglioli. Il risultato è stato positivo e ha confermato che le decisioni data-driven in ambito manutenzione predittiva possono portare grandi vantaggi in termini di risparmio e sostenibilità, nonché aumentare l’efficacia della prognostica. Parallelamente alle attività di testing ed elaborazione dati, sono state approfondite le tematiche inerenti le soluzioni grafiche e funzionali dedicate alle dashboard di controllo, fruibili dagli utenti.
Implementare la IIoT in modo pratico ed efficace
![](https://www.publiteconline.it/inmotion/wp-content/uploads/2024/05/banco_prova_bonfiglioli.jpg)
L’applicazione delle tecniche di AI e ML alla diagnostica predittiva e alla prognostica applicata a motoriduttori rappresenta per Bonfiglioli non solo una forte innovazione tecnologica, ma anche un importante fattore trainante del business. Oggigiorno l’IIoT è uno dei temi più innovativi e discussi nel mondo industriale e Bonfiglioli punta a essere tra i primi a implementarlo in modo pratico ed efficace.
Dallo studio delle applicazioni IIoT nei sistemi composti da scatole di ingranaggi, servo motori (o motori asincroni) e drive (servo drive e frequency inverters), è stato possibile introdurre forti innovazioni nell’ambito della sensoristica integrata e nell’interpretazione dei segnali provenienti dai sensori posizionati sui sistemi automatici. Ciò consente di prevenire in modo intelligente i malfunzionamenti dei sistemi e di predirne il comportamento.