Progettazione Di Una Misura Di Vibrazione Di Motoriduttori Da Applicare In Linea Di Produzione

Università Politecnica delle Marche Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica

Progettazione di una misura di vibrazione di motoriduttori da applicare in linea di produzione Relatore Prof. Enrico Primo Tomasini

Tesi di Laurea di Mario Tosques

Correlatore Ing. Milena Martarelli

Anno Accademico 2008-2009

Progettazione di una misura di vibrazione di motoriduttori da applicare in linea di produzione

Copyright © 2009, Alcuni Diritti Riservati Mario Tosques [email protected]

Questa tesi è rilasciata sotto licenza Creative Commons Attribution 3.0 Unported http://creativecommons.org/licenses/by/3.0/legalcode/

Indice

1 Introduzione

5

2 Fondamenti di Statistica, Acustica e Macchine Elettriche

7

2.1 Parametri statistici per l’analisi del segnale

7

2.1.1 RMS

7

2.1.2 Crest Factor

8

2.1.3 Kurtosis

8

2.2 Curva di pesatura A

10

2.3 Motore asincrono monofase

11

3 Setup e strumenti di misura

12

3.1 Oggetto delle misure

12

3.2 Catene di misura

13

3.2.1 Setup di acquisizione accelerometrico

14

3.2.1.1 Accelerometro piezoelettrico PCB 356A32

16

3.2.1.2 Blocco connettore schermato NI BNC-2110

17

3.2.1.3 Scheda di acquisizione NI PCI-6036E

18

3.2.1.4 Software

19

3.2.2 Simulazione setup per linea di produzione 3.2.2.1 Software

21 22

Indice

3.2.3 Setup di acquisizione microfonico

24

3.2.3.1 Software

25

4 Acquisizioni e analisi

28

4.1 Soluzione per un supporto per accelerometro 4.1.1 Supporto con elettromagnete

28 29

4.1.1.1 Elettromagnete con appoggi in acciaio

29

4.1.1.2 Elettromagnete con appoggi in gomma rigida

30

4.1.1.3 Analisi visiva spettri in frequenza

31

4.1.1.4 Acquisizioni e analisi sull’intero campione

33

4.1.2 Magnete con camicia metallica

35

4.1.2.1 Analisi visiva spettri in frequenza

37

4.1.2.2 Acquisizioni e analisi sull’intero campione

42

4.2 Pesatura A sul segnale acquisito

43

4.3 Acquisizioni per simulazione setup linea di produzione

45

4.4 Acquisizioni per setup di acquisizione microfonica

47

5 Conclusioni

57

6 Bibliografia

59

Capitolo 1

Introduzione

Per un’azienda orientata al miglioramento continuo ed alla soddisfazione della propria clientela è necessario dotarsi di un sistema di controllo delle non conformità sui prodotti capace di individuare le difettosità contenendo al tempo stesso i falsi positivi. Tali controlli sulla qualità dovrebbero essere estesi lungo tutto il processo produttivo; a volte tuttavia l’integrazione di alcune metodologie di analisi non è praticabile all’interno della linea di produzione per ragioni di tipo tecnologico o economico: la necessità di immettere sul mercato solo prodotti rispondenti alle specifiche porta a spostare il controllo di qualità a fine linea. In questo quadro il presente testo descrive lo sviluppo di una procedura di misura accelerometrica su motoriduttori elettrici da integrare a fine linea di produzione per effettuare il controllo di qualità. Lo studio effettuato si pone a completamento di altri lavori precedentemente svolti sullo stesso

oggetto

(Porcarelli,

2008;

Tesei,

2008):

se

questi

si

erano

occupati

dell’individuazione delle grandezze fisiche da misurare e dell’elaborazione dei parametri per definire i riferimenti in base a cui riconoscere le difettosità questa tesi affronta lo sviluppo di un setup hardware che fa uso dei risultati ottenuti e delle considerazioni espresse in occasione degli studi già svolti.

Capitolo 1. Introduzione

Il testo, dopo aver introdotto le nozioni teoriche necessarie alla comprensione di quanto esposto nei capitoli a seguire, descrive le catene di misura e gli strumenti di cui si è fatto uso per le prove preliminari e per il setup definitivo. L’indagine ha riguardato tra l’altro la progettazione di un sistema di fissaggio per l’accelerometro che servisse a velocizzare le operazioni di posizionamento, acquisizione e analisi per non rallentare la linea di produzione. In alternativa al setup sviluppato si è valutato inoltre anche un sistema di acquisizione microfonico. Dopo aver esposto e confrontato i risultati dei vari test, nell’ultimo capitolo si esporranno le conclusioni sul lavoro svolto.

6

Capitolo 2

Fondamenti di Statistica, Acustica e Macchine Elettriche

2.1 Parametri statistici per l’analisi del segnale Di seguito saranno descritti i parametri statistici utilizzati nel presente lavoro per l’analisi del segnale nel dominio del tempo. Questi rientrano tutti nell’insieme dei metodi statistici di cui ci si avvale tipicamente per l’analisi e l’individuazione di difettosità in sistemi meccanici rotanti. Si tenga conto che a seguito del campionamento del segnale si dispone di un insieme discreto di valori numerici la cui dimensione è data dal prodotto tra frequenza di campionamento e il tempo di acquisizione. I seguenti parametri quindi, così come verranno descritti, si applicano ad insiemi discreti e non a funzioni continue.

2.1.1 RMS Il valore RMS 𝑥𝑅𝑀𝑆 è calcolato come la radice quadrata del valore medio quadratico di una distribuzione discreta di valori xi:

𝑥𝑅𝑀𝑆 =

1 𝑛

𝑛

𝑥𝑖2 𝑖=1

Capitolo 2. Fondamenti di Statistica, Acustica e Macchine Elettriche

Fisicamente è associato al valore continuo che misura il contenuto energetico del segnale. Dal punto di vista diagnostico permette il riconoscimento di qualche anomalia tramite un aumento del proprio valore. Non è un parametro dotato di elevata sensibilità a fenomeni impulsivi perché tende ad appiattirne il peso.

2.1.2 Crest Factor Il Crest Factor (CF) o fattore di cresta è definito come il rapporto tra il modulo del valore di picco nell’insieme dei valori xi e il valore RMS nello stesso insieme:

𝐶𝐹 =

𝑥𝑖,𝑚𝑎𝑥 𝑥𝑅𝑀𝑆

Il fattore di cresta è un parametro che restituisce una misura del contenuto di impulsività di un segnale: un valore alto è dovuto alla presenza di spike.

2.1.3 Kurtosis Il kurtosis, o fattore di appiattimento, riferito ad una distribuzione di valori è definito come il momento statico centrale di ordine 4 normalizzato mediante la quarta potenza della deviazione standard:

1 𝑘𝑢𝑟𝑡𝑜𝑠𝑖𝑠 = 𝑛𝜎 4

𝑛

(𝑥𝑖 − 𝑥 )4 𝑖=1

8

Capitolo 2. Fondamenti di Statistica, Acustica e Macchine Elettriche

dove σ è la deviazione standard della distribuzione

𝜎=

1 𝑛

𝑛

𝑥𝑖 − 𝑥

2

𝑖=1

e 𝑥 è il valor medio

1 𝑥= 𝑛

𝑛

𝑥𝑖 𝑖=1

Il kurtosis è un indice che si riferisce alla forma di una distribuzione e in particolare ne misura l’appiattimento della densità di probabilità: un kurtosis alto vuol dire che la distribuzione assume una forma piatta e allungata, con valori che si discostanno molto dalla media, mentre un kurosis basso indica che i valori si adensano maggiormente in prossimità del valor medio. In termini diagnostici indica la presenza di picchi o fenomeni impulsivi nel segnale, in quanto il fatto che i termini xi siano elevati ad una quarta potenza permette un aumento della misura del kurtosis anche con un esiguo numero di valori che si discostamo notevolmente dalla media. Se ne deduce che non è un parametro diagostico adatto per macchine generatrici di impulsi periodici, mentre risulta abbastanza vantaggioso per il monitoraggio di macchine con organi rotanti.

9

Capitolo 2. Fondamenti di Statistica, Acustica e Macchine Elettriche

2.2 Curva di pesatura A La curva di pesatura A è la più usata di una famiglia di curve definite dalla norma internazionale IEC 61672:2003 e dalla precedente IEC 60651:1979.

Figura 2.1 – Curve di pesatura definite nelle norme IEC 69672 ed IEC 60651

Tali curve, rappresentate in figura 2.2, sono state elaborate per correggere lo spettro acustico di una sorgente sonora o di un ambiente rumoso in base alla sensibilità dell’udito umano, variabile con la frequenza e l’intensità sonora. La curva di ponderazione A, derivata dalla curva isofonoca a 40 phon tracciata da Fletcher e Munson nel 1933, è adatta per la pesatura di spettri di emissione sonora piuttosto bassi; tuttavia a livello normativo, anche in Italia, è usata per le analisi più disparate, dal rumore stradale o aereo e alla determinazione del potenziale rischio di danno uditivo causabile da rumori elevati. La curva di pesatura C deriva dalla curva isofonica a 100 phon ed è quindi nata per la 10

Capitolo 2. Fondamenti di Statistica, Acustica e Macchine Elettriche

pesatura di spettri di emissione con livelli di pressione sonora più elevati. Stando alla IEC 61672 viene usata solo in quanto integrata come pesatura applicabile da fonometri di classe 1. Le curve B e D sono cadute in disuso e non sono descritte nella IEC 61672.

2.3 Motore asincrono monofase Il motore asincrono monofase è un tipo di motore elettrico alimentato in corrente alternata. È detto asincrono perché la velocità di rotazione del rotore è minore di quella del campo magnetico generato dagli avvolgimenti dello statore (e quindi non c’è sincronismo tra le due velocità) e monofase perché presenta una sola fase statorica. È un motore abbastanza diffuso, soprattutto in ambiente domestico, per l’economicità e la robustezza, nonchè per la necessità di essere alimentato da una tensione monofase. Visto che questo motore non è autoavviante l’avvolgimento principale è accoppiato in parallelo con un avvolgimento ausiliario (di avviamento) posto anch’esso sullo statore e provvisto di un condensatore di sfasamento collegato in serie: in questo modo in fase di avviamento il motore si comporta come un bifase sottoposto all’azione di un campo rotante; a regime l’avvolgimento di avviamento viene disattivato riportando il motore in monofase. L’avvolgimento ausiliario ha anche il ruolo di imporre il verso di rotazione al motore. Visto che può essere richiesta l’inversione del verso di marcia, questa viene generalmente attuata tramite un invertitore che inverte il senso della corrente sull’avvolgimento ausiliario.

11

Capitolo 3

Setup e strumenti di misura

3.1 Oggetto delle misure Oggetto delle misure sono motoriduttori elettrici atti alla movimentazione di tapparelle avvolgibili. La struttura esterna è costituita da un telaio tubolare che al suo interno prevede un motore asincrono monofase, in grado di ruotare in ambo le direzioni, dotato di finecorsa e blocco termico, un freno meccanico e tre stadi di riduzione epicicloidali. Una rappresentazione schematica della struttura interna del motoriduttore è fornita in figura 3.1.

Figura 3.1 - Schema della struttura del motoriduttore oggetto delle misure.

Capitolo 3. Setup e strumenti di misura

Perché l’indagine abbia valore statistico sono stati presi in esame 100 motori ritenuti non difettati e 50 motori dotati di 5 differenti tipologie di difetto (10 motori per ogni tipo di difetto) identificate con le lettere B, C, D, F e H. I difetti sono stati creati appositamente dal produttore per poter consentire questo tipo di studio: tali tipologie di difetto corrispondono a quelle che hanno maggiore probabilità di verificarsi nel processo di produzione.

3.2 Catene di misura Nel corso dello studio sono stati utilizzati tre diversi setup di acquisizione e analisi. I primi due sono molto simili in quanto condividono il tipo di acquisizione tramite accelerometro triassiale, la catena di misura e l’approccio di analisi ai dati acquisiti: il primo è un setup semplificato che è stato sviluppato per supportare un’indagine su quale tipo di supporto per l’accelerometro utilizzare in linea di produzione (se ne parlerà nel capitolo seguente) e al contempo ha fornito occasioni per testare la base software, concettualmente immutata nel setup successivo. Il secondo setup si presenta come un’evoluzione del primo al quale sono state apportate delle migliorie tali da poterlo integrare in una stazione a fine linea di produzione per effettuare il controllo di qualità. Il terzo setup è basato su acquisizioni di tipo acustico tramite microfoni e su metodi di analisi proprietari. È stato adoperato con l’intenzione di mettere in discussione l’approccio accelerometrico individuato in precedenza e per esplorare nuovi metodi di indagine percorribili.

13

Capitolo 3. Setup e strumenti di misura

3.2.1 Setup di acquisizione accelerometrico Lo schema seguente sintetizza la configurazione dell’hardware adoperato per il primo setup.

Figura 3.2 – Disposizione schematica della catena di misura nel setup di acquisizione accelerometrico.

Le misurazioni sono state effettuate con i motoriduttori appoggiati su un supporto sagomato posto sopra un blocco di cemento rialzato da terra in modo da garantire un isolamento ottimale del misurando dalle eventuali vibrazioni indotte dal pavimento. Il blocco di cemento è quello illustrato nell’immagine seguente.

14

Capitolo 3. Setup e strumenti di misura

Figura 3.3 – Blocco di cemento per l’isolamento delle vibrazioni indotte dal pavimento.

Il sensore primario è stato posto sempre nella stessa posizione relativa al telaio del motore soggetto ad acquisizione, così da garantire uniformità nelle misurazioni. Tale posizione è stata ovviamente lasciata invariata indipendentemente dai vari sistemi di fissaggio usati per l’accelerometro e descritti nel capitolo seguente. Questa posizione coincide con quella collocata tra il secondo e il terzo stadio di riduzione epicicloidale e sul telaio corrisponde ad una distanza di 56 mm dalla base del tubo, a partire dal lato in cui si trova l’albero di uscita (figura 3.4).

Figura 3.4 – Posizione di fissaggio dell’accelerometro relativamente al telaio del motore.

15

Capitolo 3. Setup e strumenti di misura

L’accelerometro è stato sempre orientato in modo da avere le seguenti corrispondenze tra direzioni di acquisizione e quelle relative al motore:

direzione accelerometro x y z

direzione motoriduttore assiale radiale tangenziale

Tabella 3.1 – Orientamento dell’accelerometro rispetto al motore.

Il sensore è collegato tramite connettori BNC ad un amplificatore di segnale. In tutte le prove effettuate il guadagno dell’amplificatore è stato mantenuto a 1 dato che il range in uscita dall’accelerometro è adeguato per un’acquisizione diretta da parte della scheda interna. Il software installato sul PC ad ogni acquisizione controlla la movimentazione del motoriduttore in esame tramite un relè comandato da un canale digitale in uscita dal blocco connettore. Tutte le prove sono state effettuate in assenza di coppia resistente e con i motoriduttori che hanno ruotato sempre nella stesso verso. Nei paragrafi seguenti sono descritti gli strumenti facenti parte della catena di misura.

3.2.1.1 Accelerometro piezoelettrico PCB 356A32 L’accelerometro usato è un 356A32 prodotto da PCB Piezotronics: si tratta di un accelerometro piezoelettrico capace di misurare simultaneamente le accelerazioni lungo tre direzioni tra loro ortogonali. Il sensore è del tipo IPC (Integrated Circuit – Piezoelectric), possiede cioè una circuiteria integrata che converte il segnale ad alta impedenza

16

Capitolo 3. Setup e strumenti di misura

dell’elemento piezoelettrico in un segnale a bassa impedenza idoneo ad essere trasportato su lunghe distanze e quindi letto da strumenti di processamento. In tabella 3.2 sono sintetizzate le specifiche fornite dal produttore.

Sensibilità (± 10 %) Range di misurazione Range di frequenza (± 5 %) Risoluzione (1 ÷ 10000 Hz) Non linearità Carico limite Elemento sensibile Materiale dell’involucro Configurazione strutturale Peso Dimensioni

10,2 mV s²/m ± 491 m/s² pk 1,0 ÷ 4000 Hz 0.003 m/s² rms ≤1% ± 49050 m/s² pk ceramico titanio a taglio 5,4 g 11,4 mm × 11,4 mm × 11,4 mm

Tabella 3.2 - Specifiche tecniche dell’accelerometro piezoelettrico PCB 356A32.

L’accelerometro in dotazione ha i seguenti valori di sensibilità, diversi sulle tre direzioni: direzione x y z

sensibilità [mV s2/m] 10,52 10,32 10,29

Tabella 3.3 - Valori di sensibilità dell’accelerometro in dotazione sulle tre direzioni.

3.2.1.2 Blocco connettore schermato NI BNC-2110 Il blocco connettore schermato BNC-2110 di National Instruments permette di interfacciare le uscite degli strumenti di misura dotate di connettori BNC con la scheda di acquisizione 17

Capitolo 3. Setup e strumenti di misura

dati interna al PC. Il blocco consente di gestire segnali analogici e digitali sia in ingresso che in uscita. È collegato alla scheda di acquisizione tramite un cavo schermato.

3.2.1.3 Scheda di acquisizione NI PCI-6036E La scheda di acquisizione PCI-6036E di Nationa Instruments è una scheda entry level dotata di sedici input analogici a 16 bit e due output analogici a 16 bit, oltre ad otto linee I/O digitali e ad un triggering digitale. Di seguito le specifiche tecniche. Input analogico Numero di canali Frequenza di campionamento Risoluzione Intervallo massimo di tensione Intervallo minimo di tensione Memoria su scheda Output analogico Numero di canali Velocità di aggiornamento Risoluzione Intervallo massimo di tensione Intervallo minimo di tensione Corrente di attuazione (Canale/Totale) I/O digitale Numero di canali Intervallo input massimo Intervallo output massimo Flusso di corrente input Flusso di corrente output Corrente di attuazione (Canale/Totale)

16 SE/8 DI 200 kS/s 16 bits -10 ÷ 10 V -50 ÷ 50 mV 512 campionamenti 2 10 kS/s 16 bits -10 ÷ 10 V -10 ÷ 10 V 5 mA 8 DIO 0÷5V 0÷5V Sinking, Sourcing Sinking, Sourcing 24 mA/192 mA

Tabella 3.4 - Specifiche tecniche della scheda di acquisizione NI PCI-6036E.

18

Capitolo 3. Setup e strumenti di misura

L’uscita del blocco BNC-2110 viene ricevuta dalla scheda di acquisizione che elabora gli ingressi rendendoli disponibili in un formato idoneo all’elaborazione attraverso software di progettazione e calcolo scritti in LabVIEW.

3.2.1.4 Software Il software che gestisce le acquisizioni e che si occupa del processo del riconoscimento della presenza di difetti è stato scritto in LabVIEW. La versione usata è la 8.2. LabVIEW è l’ambiente di sviluppo per il linguaggio di programmazione visuale di National Instruments: è particolarmente orientato all’acquisizione e analisi dei dati e al controllo dei processi, ma più in generale è utilizzabile anche in ambito scientifico e per l’automazione industriale. L’implementazione di un programma sviluppato in LabVIEW non prevede righe di codice e quindi non è disponibile in formato testuale: la programmazione avviene nel linguaggio grafico denominato G-Language e genera un binario visualizzabile e compilabile solo da LabVIEW. La semplicità di programmazione e di utilizzo hanno reso LabVIEW uno degli ambienti di sviluppo più diffusi nel proprio ambito. Il software che si occupa della procedura di identificazione delle difettosità si divide in due step. In una prima fase vengono affettuate tramite accelerometro le acquisizioni di vibrazione sui motori definiti come privi di difetto. A seguito di un processamento dei dati acquisiti si calcolano i parametri statistici che fanno da riferimento. Questo completa la fase di taratura del sistema di analisi. In seguito si collauda il sistema: vengono acquisiti i motori ritenuti difettati, si determinano i parametri statistici e si effettua un confronto con i riferimenti ottenuti nella fase di taratura. Il processamento dei dati compiuto dal software è stato sviluppato in uno studio precedente (Tesei, 2009) e il suo funzionamento viene descritto di seguito. Nella fase di taratura, dopo aver posto l’accelerometro triassiale sul telaio tubolare, si avvia

19

Capitolo 3. Setup e strumenti di misura

il programma. Il software mette in moto il motore per mezzo del relè e avvia l’acquisizione della storia temporale dopo 5 s di run-up: questo dovrebbe rimuovere la presenza di fenomeni transitori nell’acquisizione. Dopo il run-up si acquisisce il segnale sulle tre direzioni per un tempo di 5 s. Il campionamento avviene ad una frequenza di 10000 Hz. In questo modo si effettua un’acquisizione di vibrazione per ogni motore non difettato. Ogni acquisizione restituisce quindi 50000 valori di accelerazione per ciascuna delle tre direzioni dell’accelerometro (x, y, z). Dopo aver ripulito il segnale dalla componente DC vengono calcolati sulle tre direzioni i parametri statistici (RMS, CF, kurtosis) così come sono stati descritti nel paragrafo 2.1. A seguito di questa prima parte del processamento ad ogni motore sono associati tre parametri statistici per ciascuna direzione di acquisizione, quindi 9 descrittori in tutto. I valori di ciascuno dei 9 descrittori così trovati, determinati per ogni motore non difettato, si dispongono con una certa distribuzione di probabilità. In base allo studio precedentemente mensionato si è ritenuto opportuno ridurre il campione dei motori buoni escludendo dal calcolo dei parametri di riferimento quei motori che superassero con qualcuno dei nove descrittori il valore 𝑥 + 2𝜎 all’interno della relativa distribuzione. I 9 riferimenti per la taratura sono quindi stati identificati con ciascuno dei massimi valori assunti dai 9 parametri all’interno del campione ridotto dei motoriduttori buoni. Nella fase di collaudo si sottopongono i motori difettati ad acquisizione e processamento dei dati del tutto analoghi a quelli ricevuti dai motori buoni nella fase di taratura. Il sistema riconosce come difettato un motore per il quale il valore di uno qualsiasi dei 9 parametri statistici supera il rispettivo valore di riferimento. È altresì ovvio che i motori buoni al di fuori del campione ridotto risulterebbero sempre difettati nell’ipotesi in cui i parametri ad esso associati in fase di collaudo risultassero uguali a quelli ottenuti precedentemente nella fase di taratura. Le storie temporali acquisite sia in fase di taratura che di collaudo sono sempre state salvate su dispositivo di archiviazione di massa in modo da poter essere riutilizzate nel caso occorresse.

20

Capitolo 3. Setup e strumenti di misura

3.2.2 Simulazione setup per linea di produzione In seguito è stato sviluppato un setup con l’idea di creare un sistema da poter integrare all’interno di una linea produttiva in una stazione per il controllo di qualità. L’immagine seguente schematizza la configurazione degli strumenti usati.

Figura 3.5 – Disposizione schematica della catena di misura nel setup simulato per linea di produzione.

Il nuovo setup prevede due PC collegati tra loro in una rete locale con struttura clientserver. Un PC svolge il ruolo di client: ad esso è collegato tutto l’hardware di misura e su di esso è installato il software di acquisizione ed analisi dei dati. Tale PC è quello che, con tutta la strumentazione, figurerebbe nella stazione a fine linea di produzione ed è quello con cui interagisce l’operatore addetto a tale stazione.

21

Capitolo 3. Setup e strumenti di misura

Il PC che fa da server controlla l’avvio delle acquisizioni e comunica con il client attraverso stringhe numeriche con le quali indica il numero di motori da acquisire, il verso di rotazione (orario, antiorario o entrambi) e la classe di qualità. Il generatore di onda, settato in modo che generi un’onda quadra di ampiezza 4 V e frequenza 100 mHz, è collegato ad un ingresso digitale della scheda di acquisizione e ha lo scopo di fare da trigger per l’avvio dell’acquisizione. L’invertitore consente di invertire manualmente il verso di rotazione del motore.

3.2.2.1 Software Il software di acquisizione e processamento, che come detto risiede sul client, differisce da quello descritto nel paragrafo 3.2.1.4 in quanto consente l’acquisizione delle storie temporali per entrambi i versi di rotazione (per una stessa posa del motoriduttore) oltre a permettere la definizione di diverse classi di qualità. La classe di qualità viene imposta dal software lato server per mezzo dell’invio di una stringa: tale stringa indica il valore del coefficiente moltiplicativo A nella formula 𝑥 + 𝐴𝜎 per la determinazione del riferimento all’interno della distribuzione di ogni parametro. In caso le misure di vibrazione vengano effettuate per entrambi i versi di rotazione del motore la creazione dei parametri di riferimento e l’analisi sui motori difettati avviene in modo disgiunto sui due versi; in seguito, nel collaudo, un motore viene considerato difettato se risulta difettato in almeno uno dei due versi di rotazione. L’interfaccia del software lato client è stata adattata in modo da ridurne al minimo l’interazione dell’operatore che in questo modo si occuperebbe solo della posa dei motori sulla piattaforma di acquisizione: in linea si prevede di far posizionare l’accelerometro sui motori da un braccio meccanico. Come si può vedere dalle due immagini seguenti, che raffigurano le interfacce dei software di taratura e di collaudo, i controlli attivi sono del tutto assenti, se si esclude il pulsante di stop manuale che si adopera solo in caso di emergenza. 22

Capitolo 3. Setup e strumenti di misura

Figura 3.6 – Interfaccia software lato client (taratura).

Figura 3.7 – Interfaccia software lato client (collaudo).

23

Capitolo 3. Setup e strumenti di misura

3.2.3 Setup di acquisizione microfonico L’ultimo setup utilizzato fa uso di sensori microfonici per la rilevazione dell’emissione acustica dei motoriduttori. Il sistema, indirizzato specificatamente al controllo di qualità, ha come obiettivo il riconoscimento di difetti tramite rilevazione acustica per mezzo di una sonda senza contatto e grazie ad un algoritmo brevettato che è capace di ripulire il segnale dal rumore di fondo, senza il bisogno di fare acquisizioni in un ambiente controllato, come può essere una camera anecoica. Il sistema si avvale di una sonda acustica costituita da 4 microfoni ICP da 1/4” montati su di un’armatura così come raffigurato nell’immagine seguente.

Figura 3.8 – Sonda acustica del setup di acquisizione microfonico.

24

Capitolo 3. Setup e strumenti di misura

I 4 microfoni sono collegati ad una scheda di acquisizione interna al PC provvista di condizionamento del segnale e quindi capace di collegarsi ai sensori ICP tramite connettori BNC facendo a meno di una terminaliera e di un amplificatore. La catena di misura risulta perciò costituita semplicemente da sonda, scheda di acquisizione e PC.

3.2.3.1 Software Il software all’avvio richiede la scelta tra due diverse tipologie di training: in una si chede una serie di misurazioni sui motori nell’ambiente di prova ed in seguito acquisizioni sul solo ambiente (quindi con motoriduttore fermo); l’altra prevede acquisizioni su motori in ambiente di prova e in seguito su motori in camera anecoica.

Figura 3.9 – Scelta tra le due tipologie di training.

Entrambi i tipi di training servono per permettere all’algoritmo di processamento di caratterizzare il rumore dell’ambiente di acquisizione per poi ricavare i segnali de-noised (ovvero ripuliti dal rumore ambientale) da quelli acquisiti dai motoriduttori. Nel nostro caso si è scelta sempre la prima opzione. Nella figura 3.10 è riportato un esempio di ciò che appare a seguito di questa fase di training: sono presenti gli spettri del rumore ambientale (in nero), dell’emissione acustica dei motori buoni nell’ambiente di prova (in

25

Capitolo 3. Setup e strumenti di misura

rosso) e dei rispettivi segnali de-noised (in verde).

Figura 3.10 – Esempio degli spettri a seguito della fase di training.

In una seconda fase il software va allenato al riconoscimento dei difetti: si effettuano misurazioni su un campione ridotto di motori buoni e di difettati indicando al software quali sono i motori buoni e quali quelli dotati di difetto. In base agli spettri dei segnali così ottenuti si scelgono le metriche: l’operazione consiste nell’individuare la banda in frequenza che, per ogni tipo di difetto, garantisce la maggiore differenza tra il valore RMS dei motoriduttori difettati e quello dei buoni. Per le bande così individuate va specificato il range in dB che comprende il valore RMS associato ai motori difettati. Si procede quindi con la definizione di una metrica per ogni difetto. La figura 3.11 illustra la scelta di una metrica

26

Capitolo 3. Setup e strumenti di misura

nella cui banda il valore RMS dei due motori difettati (curve in rosso) è maggiore di quello dei motori buoni usati per la taratura (curve in blu).

Figura 3.11 – Esempio di definizione di una metrica.

In seguito si esegue il test per il riconoscimento delle difettosità acquisendo tutti i motori rimanenti. Tale test

individua

come difettati quei motori le cui emissioni acustiche

producono un valore di RMS interno o superiore al range definito nella banda con almeno uno dei due segnali (de-noised e non trattato).

27

Capitolo 4

Acquisizioni e analisi

4.1 Soluzione per un supporto per accelerometro Come già accennato in un precedente lavoro (Tesei, 2008) la necessità di integrare la procedura di misura di vibrazione in una stazione di collaudo all’interno di una linea di produzione ha reso necessario pensare ad un differente sistema di fissaggio dell’accelerometro al telaio tubolare dei motoriduttori, alternativo alla classica soluzione con cera d’api. In quell’occasione si era ipotizzato un fissaggio magnetico. Il fissaggio tramite cera d’api sicuramente permette una più ampia risposta in frequenza oltre ad un ancoraggio più sicuro e stabile su di una superficie non piana, ma si rivela poco pratico in uno scenario in cui il sensore deve essere velocemente sistemato sul motoriduttore da analizzare e altrettanto rapidamente rimosso a seguito dell’acquisizione. D’altra parte si è pienamente consapevoli che l’inserimento di qualsiasi corpo che si frapponga tra il sensore e la superficie del telaio introduce una risonanza di montaggio ad una frequenza più bassa di quella naturale dell’accelerometro, riducendo così l’intervallo di frequenza utile. Il supporto ottimale avrebbe dovuto avere quindi avere massa minima ed assicurare una distanza ridotta tra il sensore e il telaio del motoriduttore.

Capitolo 4. Acquisizioni e analisi

4.1.1 Supporto con elettromagnete Essendo i motori provvisti di un telaio tubolare in acciaio si è pensato di usare un magnete come supporto di fissaggio. Ci si è orientati inizialmente su un elettromagnete commerciale: controllandone la tensione di alimentazione si sarebbe potuto gestire velocemente e in modo pratico l’attacco e il distacco dell’apparato sensoristico dal motoriduttore. Nei paragrafi successivi vengono descritte due soluzioni adottate per l’impiego dell’elettromagnete come supporto al sensore.

4.1.1.1 Elettromagnete con appoggi in acciaio L’elettromagnete è stato opportunamente modificato per ospitare sulla sommità un grano filettato a cui avvitare l’accelerometro mentre alla base di esso sono stati incollati con del cianoacrilato due tondini metallici per renderne stabile l’appoggio sulla superficie cilindrica. La distanza di incollaggio tra i due tondini è stata calcolata in modo tale da garantire il contatto del fondo dell’elettromagnete con il telaio del motore al fine di ridurre al minimo il calo di prestazioni dinamiche apportato al sensore con l’adozione di questa soluzione (figura 4.1).

Figura 4.1 – Soluzione per il fissaggio dell’accelerometro tramite elettromagnete e appoggi in acciaio.

29

Capitolo 4. Acquisizioni e analisi

Con questa configurazione dell’apparato sensoristico si sono effettuate acquisizioni da 5 s di durata su alcuni motori scelti nel campione di quelli privi di difettosità e in base ad esse si sono fatte alcune valutazioni visive sullo spettro, descritte nel paragrafo 4.1.1.3. Per le prove si è usata la catena di misura descritta nel paragrafo 3.2.1. All’atto pratico la soluzione appena vista si è dimostrata poco funzionale in quanto l’incollaggio dei tondini metallici all’elettromagnete è risultato troppo fragile per poter resistere a un gran numero di applicazioni successive del sensore sui motoriduttori. Un’ulteriore complicazione è dipesa dallo scarso attrito tra tondini e telaio tubolare dei motori: in sede di acquisizione le vibrazioni del motore spesso hanno procurato lo scivolamento per gravità del supporto lungo la circonferenza del motoriduttore con conseguente invalidità della misurazione effettuata. Questa pecca non ha concesso una misura in simultanea con un secondo accelerometro fissato con cera in quanto per questo tipo di prova si rende necessario un posizionamento dei sensori non perpendicolare rispetto al suolo se li si vuole mettere entrambi in corrispondenza dello stesso stadio di riduzione. Una misura in simultanea avrebbe permesso di caratterizzare meglio il gruppo costituente la sonda perché si avrebbe avuto a disposizione due segnali originati dalla stessa storia vibrazionale. Ci si è trovati perciò costretti ad un ulteriore sviluppo del supporto.

4.1.1.2 Elettromagnete con appoggi in gomma rigida Accantonata l’idea dei tondini metallici si è scelto di sostituirli con degli appoggi in gomma rigida appositamente sagomati. Questa soluzione ha risolto entrambi i problemi riscontrati nella la configurazione vista in precedenza: il cianoacrilato permette una migliore adesività tra base dell’elettromagnete e gomma; a sua volta questa garantisce l’attrito necessario a non far muovere il supporto dal punto in cui lo si è appoggiato sul motore. Inoltre rende possibile l’acquisizione in simultanea con l’accelerometro fissato con cera. Anche in questo caso si è fatto in modo che il fondo dell’elettromagnete toccasse la superficie del telaio tubolare. 30

Capitolo 4. Acquisizioni e analisi

Figura 4.2 – Soluzione per il fissaggio dell’accelerometro tramite elettromagnete e appoggi in gomma.

Con il sensore così sistemato (figura4.2) si sono potute fare delle acquisizioni in simultanea insieme all’accelerometro fissato con cera. Il secondo sensore usato è dello stesso modello del precedente (paragrafo 3.2.1.1): in questo modo le due acquisizioni sono soggette alle stesse condizioni di misura. I motori oggetto della prova sono stati gli stessi usati per testare gli appoggi metallici.

4.1.1.3 Analisi visiva spettri in frequenza Dalle prove in simultanea si sono ricavati gli spettri in frequenza dei segnali. Nel grafico di figura 4.3, riferito alla direzione assiale, è visibile in bianco lo spettro dell’acquisizione effettuata con l’accelerometro fissato con cera, in rosso quello relativo al fissaggio con elettromagnete. Si può notare che l’uso del supporto elettromagnetico introduce un leggero picco di risonanza intorno alla frequenza di 1600 Hz, mentre funziona da filtro passa-basso oltre i 2800 Hz.

31

Capitolo 4. Acquisizioni e analisi

Figura 4.3 – Spettri di vibrazione relativi al fissaggio con cera e con elettromagnete (direzione assiale).

Figura 4.4 – Spettri di vibrazione relativi al fissaggio con cera e con elettromagnete (direzione radiale).

32

Capitolo 4. Acquisizioni e analisi

Il filtraggio delle alte frequenze è evidente anche negli spettri correlati alla direzione radiale, sempre per frequenze superiori ai 2800 Hz circa (figura 4.4), mentre sulla direzione tangenziale il filtraggio lo si vede partire a frequenze ben più basse, sotto i 1000 Hz (figura 4.5). A proposito dell’immagine seguente lo spettro in verde è relativo ad un’acquisizione effettuata sullo stesso motore con l’uso degli appoggi metallici: questo tipo di appoggi nella direzione tangenziale sembra rendere meglio rispetto a quello in gomma, mentre il suo comportamento è abbastanza simile nelle altre direzioni. Occorre comunque precisare che tale acquisizione non è in simultanea con le altre due.

Figura 4.5 – Spettri di vibrazione relativi al fissaggio con cera e con elettromagnete (direzione tangenziale).

4.1.1.4 Acquisizioni e analisi sull’intero campione Effettuate queste indagini preliminari si è provveduto ad effettuare delle acquisizioni da 5 s su tutto il campione dei motoriduttori a disposizione. Si è usato il gruppo sensore-supporto visto nel paragrafo 4.1.1.2 (elettromagnete con appoggi in gomma) in combinazione con il 33

Capitolo 4. Acquisizioni e analisi

setup di acquisizione illustrato nel paragrafo 3.2.1. I risultati ottenuti a seguito del processo di identificazione delle difettosità, già introdotto nel paragrafo 3.2.1.4, sono riassunti in tabella 4.1. motori buoni tolti dal riferimento

26/100

difetto totale motori B 10 C 10 D 9 F 10 H 10

% errore 10 % 60 % 44,4 % 0% 0%

rilevazioni errate 1 6 4 0 0

Tabella 4.1 – Riepilogo delle percentuali di riconoscimento per il supporto elettromagnetico con appoggi in gomma.

Queste percentuali sono per ora confrontabili solo con quelle ricavabili da indagini precedenti a questo studio: si dispondeva infatti di prove effettuate sullo stesso campione di motori e con l’accelerometro fissato con cera. Tali acquisizioni erano però di 10 s di durata, ma sempre ad una frequenza di campionamento di 10000 Hz. Con questi dati è stato possibile ricavare le percentuali di riconoscimento utilizzando lo stesso software di processamento e analisi. motori buoni tolti dal riferimento

16/100

difetto totale motori B 10 C 10 D 9 F 10 H 10

% errore 10 % 60 % 0% 0% 10 %

rilevazioni errate 1 6 0 0 1

Tabella 4.2 – Riepilogo delle percentuali di riconoscimento per il fissaggio con cera (acquisizioni da 10 s).

34

Capitolo 4. Acquisizioni e analisi

Dal confronto, sintetizzato nella tabella 4.3, si può individuare un calo di prestazioni tanto in termini di scarti tra i motori buoni quanto di riconoscimento tra i difettati. Questa discrepanza è imputabile sia al differente metodo di fissaggio che alla diversa durata delle storie temporali.

% scarto motori buoni B C % errore identificazione D difetto F H

elettromagnete 26 % 10 % 60 % 44,4 % 0% 0%

magnete 20 % 10 % 40 % 0% 0% 0%

Tabella 4.3 – Confronto tra le percentuali di riconoscimento per i il fissaggio con cera (acquisizioni da 10 s) e con elettromagnete.

4.1.2 Magnete con camicia metallica Un successivo sviluppo del sistema di fissaggio dell’accelerometro sui motori ha cercato di risolvere le principali problematiche riscontrate con le soluzioni viste nei paragrafi precedenti. Dato che l’elettromagnete ha portato ad un incremento consistente della massa della sonda si è pensato di adottare al suo posto un magnete permanente: questo ha permesso di ridurne la massa e rimuovere di conseguenza l’ingombro dei fili di alimentazione, necessari per il controllo di un elettromagnete. Per adoperare il magnete è stata progettata allo scopo una camicia metallica in cui poterlo inserire e su cui avvitare l’accelerometro per mezzo di un grano filettato. La conformazione esterna è stata studiata per permetterne la presa da parte di un braccio meccanico in previsione del suo utilizzo in linea di produzione.. L’uso di questa soluzione ha introdotto due importanti benefici, entrambi a favore di un

35

Capitolo 4. Acquisizioni e analisi

aumento del range di frequenza utile sfruttabile nelle acquisizioni: la minore distanza tra accelerometro e telaio del motore e la ridotta massa del supporto stesso al sensore. Nel disegno di figura 4.6 sono rappresentate le viste ortogonali quotate dalla camicia metallica progettata.

Figura 4.6 – Viste ortogonali della camicia metallica.

36

Capitolo 4. Acquisizioni e analisi

Il supporto con accelerometro fissato è visibile in figura 4.7.

Figura 4.7 – Soluzione per il fissaggio dell’accelerometro tramite magnete con camicia metallica.

Sono stati prodotti due supporti metallici: uno in acciaio, l’altro in lega d’alluminio. Il supporto in alluminio ha contribuito ad un’ulteriore riduzione di massa, ma porta anche ad un abbassamento della forza attrattiva dovuto al fatto che l’alluminio non si magnetizza: questo comporta una parziale inefficacia del fissaggio del sensore al motore.

4.1.2.1 Analisi visiva spettri in frequenza Per ciascuno dei due tipi di supporto metallico si sono fatte acquisizioni in simultanea con un accelerometro fissato con cera. Partendo dalle misure effettuate con camicia in alluminio la figura 4.8 raffigura lo spettro ottenuto con tale tipo di supporto (in giallo) e con il fissaggio con cera (in bianco) per la direzione assiale. Si può notare la presenza di un picco tra i 3000 e i 3500 Hz, riscontrabile in quasi tutti i motori, che amplifica quanto rilevato dal sensore fissato con cera. Tale effetto amplificante è verificabile anche sulla direzione tangenziale a frequenze successive ai 2000 Hz (figura 4.9).

37

Capitolo 4. Acquisizioni e analisi

Figura 4.8 – Spettri di vibrazione relativi al fissaggio con cera e con suppoto in alluminio (direzione assiale).

Figura 4.9 – Spettri di vibrazione relativi al fissaggio con cera e con suppoto in alluminio (direzione tangenziale).

38

Capitolo 4. Acquisizioni e analisi

Per quanto riguarda l’uso della camicia in acciaio invece lo spettro ottenuto con questo supporto (in azzurro nelle figure 4.10 e 4.11) è molto simile al segnale proveniente dall’accelerometro fissato con cera (in bianco), con scarso effetto amplificante.

Figura 4.10 – Spettri di vibrazione relativi al fissaggio con cera e con suppoto in acciaio (direzione assiale).

39

Capitolo 4. Acquisizioni e analisi

Figura 4.11 – Spettri di vibrazione relativi al fissaggio con cera e con suppoto in acciaio (direzione tangenziale).

Nella direzione radiale entrambi i supporti si comportano allo stesso modo, restituendo un segnale molto simile a quello proveniente dall’accelerometro con cera, come visibile dalle figure 4.12 e 4.13. Dato il miglior comportamento dinamico offerto dal supporto magnetico in acciaio si è scelto di procedere con quest’ultimo.

40

Capitolo 4. Acquisizioni e analisi

Figura 4.12 – Spettri di vibrazione relativi al fissaggio con cera e con suppoto in alluminio (direzione radiale).

Figura 4.13 – Spettri di vibrazione relativi al fissaggio con cera e con suppoto in acciaio (direzione radiale).

41

Capitolo 4. Acquisizioni e analisi

4.1.2.2 Acquisizioni e analisi sull’intero campione Usando la camicia in acciaio in combinazione con il sistema di acquisizione e analisi nella stessa configurazione vista nella prova descritta nel paragrafo 4.1.1.4 si è proceduto ad acquisire le storie temporali su tutto il campione di motori a disposizione. I risultati in uscita dal processo di identificazione delle difettosità sono riassunti nel prospetto segunte. motori buoni tolti dal riferimento

20/100

difetto totale motori B 10 C 10 D 9 F 10 H 10

% errore 10 % 40 % 0% 0% 0%

rilevazioni errate 1 4 0 0 0

Tabella 4.4 – Riepilogo delle percentuali di riconoscimento per il supporto camicia in acciaio.

L’esito è stato incoraggiante: un confronto diretto con quanto ottenuto dall’analisi condotta precedentemente con l’elettromagnete, sintetizzato in tabella 4.5, evidenzia una riduzione della percentuale di errore nell’individuazione dei difetti, associata ad un minor numero di motori buoni scartati. In ottica produttiva questo è un indubbio vantaggio.

% scarto motori buoni B C % errore identificazione D difetto F H

elettromagnete 26 % 10 % 60 % 44,4 % 0% 0%

magnete 20 % 10 % 40 % 0% 0% 0%

Tabella 4.5 – Confronto tra le percentuali di riconoscimento per i supporti magnetico ed elettromagnetico.

42

Capitolo 4. Acquisizioni e analisi

4.2 Pesatura A sul segnale acquisito Nessuna delle tipologie di difetto analizzate in questo testo comporta l’arresto del motore. In generale la presenza di un difetto è avvertibile ad orecchio come una maggiore rumorosità del motore durante il funzionamento. Questo ha indotto a provare ad applicare una pesatura A (vedi paragrafo 2.2) al segnale acquisito immediatamente dopo aver rimosso la componente DC. Dal segnale così trattato dei motoriduttori buoni si passa poi alla determinazione dei parametri statistici e dei riferimenti. La pesatura è applicata ovviamente anche anche alle acquisizioni dei motori difettati prima di eseguire il test. Come detto nel precedente capitolo le storie temporali sono sempre state salvate su disco quindi non si è dovuto procedere con nuove acquisizioni. Oggetto di pesatura sono stati i dati acquisiti in occasione delle due analisi per i sistemi di supporto visti nei paragrafi precedenti. Come ulteriore termine di risconto si sono utilizzati anche i dati correlati alle acquisizioni da 10 s effettuate con accelerometro fissato con c’era d’api, di cui si è già parlato nel paragrafo 4.1.1.4. Nelle tabelle a seguire vengono confrontate le percentuali di riconoscimento e di scarto associate ai segnali pesati e non pesati per ogni metodo di fissaggio. fissaggio con cera % scarto motori buoni B C % errore identificazione D difetto F H

segnale non pesato 16 % 10 % 60 % 0% 0% 0%

segnale pesato 15 % 20 % 80 % 0% 0% 10 %

Tabella 4.6 – Fissaggio con cera. Confronto tra le percentuali di riconoscimento sul segnale pesato e non pesato.

43

Capitolo 4. Acquisizioni e analisi

fissaggio con elettromagnete % scarto motori buoni B C % errore identificazione D difetto F H

segnale non pesato 26 % 10 % 60 % 44,4 % 0% 0%

segnale pesato 26 % 10 % 70 % 22,2 % 10 % 10 %

Tabella 4.7 – Fissaggio con elettromagnete. Confronto tra le percentuali di riconoscimento sul segnale pesato e non pesato.

fissaggio con magnete % scarto motori buoni B C % errore identificazione D difetto F H

segnale non pesato 20 % 10 % 40 % 0% 0% 0%

segnale pesato 17 % 10 % 50 % 0% 0% 0%

Tabella 4.8 – Fissaggio con magnete. Confronto tra le percentuali di riconoscimento sul segnale pesato e non pesato.

Le tabelle dimostrano che l’introduzione di una pesatura A sul segnale acquisito porta ad un aumento sia delle percentuali di errore nel riconoscimento dei difetti che in quelle di scarto tra i motori buoni: questo basta ad escludere la pesatura del segnale come metodo migliorativo per il processo di identificazion di difettosità. Vale la pena notare inoltre che, raffrontando le sole percentuali sui segnali pesati per ciascun metodo di fissaggio, l’adozione del supporto in acciaio con magnete porta a risultati più soddisfacenti rispetto a quelli ottenuti con l’uso di soluzioni differenti.

44

Capitolo 4. Acquisizioni e analisi

4.3 Acquisizione per simulazione setup linea di produzione Avendo individuato nel supporto in acciaio con magnete la soluzione ideale per l’apparato sensoristico lo si è integrato nel setup che simula in laboratorio la stazione per il controllo di qualità (vedi paragrafo 3.2.2). Con questa configurazione si sono effettuate acquisizioni da 5 s per ciascuno dei due versi di rotazione: si ricorda che il test considera difettato un motore che viene riconosciuto non conforme su almeno uno dei due versi. L’esito del test è riassunto nella tabella seguente:

motori buoni tolti dal riferimento difetto totale motori B 10 C 10 D 10 F 10 H 10

rilevazioni errate 1 3 2 0 0

27/98 % errore 10 % 30 % 20 % 0% 0%

Tabella 4.9 – Riepilogo delle percentuali di riconoscimento per setup simulato linea di produzione.

I motori che a causa di qualche guasto non si sono avviati in uno dei due versi sono stati esclusi dal riepilogo: questo spiega la presenza di soli 98 motori buoni adoperati per la fase di taratura. Si può notare che le percentuali di errore nell’individuazione delle difettosità e di scarto di motori buoni si siano leggermente alzate rispetto ai risultati ottenuti con il setup precedente, come risulta chiaro dalla tabella 4.10.

45

Capitolo 4. Acquisizioni e analisi

% scarto motori buoni B C % errore identificazione D difetto F H

setup precedente 20 % 10 % 40 % 0% 0% 0%

setup attuale 27,5 % 10 % 30 % 20 % 0% 0%

Tabella 4.10 – Confronto tra le percentuali di riconoscimento nei due setup acceleometrici utilizzati.

Per quanto riguarda i motori buoni questo esito è da attribuirsi al processamento per la taratura che viene fatto in modo disgiunto sui due versi di rotazione e che quindi porta ad un numero maggiore di scarti: sono solo il 35 % circa i motori eliminati da entrambi i processamenti sui due versi. A proposito dei motori difettati erroneamente presi per buoni ci si aspettava un abbassamento delle percentuali per le stesse ragioni: se un test non era riuscito a riconoscere una difettosità avrebbe potuto farlo l’altro.

46

Capitolo 4. Acquisizioni e analisi

4.4 Acquisizioni per setup di acquisizione microfonico Le prove seguenti sono state effettuate con il setup di acquisizione microfonico introdotto nel paragrafo 3.2.3. La sonda con i microfoni è stata posta ad una distanza di circa 5 mm dal telaio tubolare del motore da acquisire, orientata in modo che puntasse alla zona dove è sempre stato posto l’accelerometro nelle prove precedenti. Con i sensori così sistemati si è praticato il training del software: sono state fatte 10 acquisizioni da 5 s del rumore di fondo e poi altre 6 della stessa durata su motoriduttori buoni nelle stesse condizioni di disturbo ambientale: in questo modo il software ha potuto calcolare i segnali de-noised. L’immagine in figura 4.14 riporta gli spettri delle acquisizioni del rumore di fondo (in nero), dell’emissione acustica dei motori buoni nell’ambiente di acquisizione (in rosso) e dei rispettivi segnali de-noised (in verde).

Figura 4.14 – Fase di training. Spettri del rumore di fondo, dell’emissione acustica dei motori buoni e rispettivi denoised.

47

Capitolo 4. Acquisizioni e analisi

Lo step successivo è stato l’allenamento del software al riconoscimento dei difetti. Si sono eseguite rilevazioni su altri 7 motori buoni e poi su 10 difettati (2 per ogni tipologia di difetto), anche queste di 5 s di durata. Il software, come detto nel capitolo precedente, è capace di calcolare autonomamente i rispettivi segnali de-noised grazie alla precedente fase di training. Si è proceduto poi con la scelta delle metriche che permettono al software di riconoscere le difettosità in fase di test: si ricorda che il test individua come difettato ogni motore la cui emissione acustica produce un valore di RMS interno o superiore al range definito nella metrica con almeno uno dei due segnali (de-noised e non trattato). Si definisce una metrica per ogni tipo di difetto. A seguito di un primo test si sono riportati i seguenti risultati.

difetto buoni B C D F H

totale motori testati 85 8 8 8 8 8

rilevazioni errate 30 1 7 1 0 0

% errore 37,5 % 12,5 % 87,5 % 12,5 % 0% 0%

Tabella 4.11 – Riepilogo delle percentuali di riconoscimento per l’analisi con setup mocrofonico.

Il numero dei motori testati è minore rispetto a quello delle prove precedenti perché i motori mancanti sono stati usati nell’allenamento del software. Dalla tabella 4.11 si può osservare che le percentuali di errore sono più elevate rispetto al setup previsto per la linea di produzione con accelerometro e supporto magnetico. La tabella 4.12 riprende quelle percentuali per un confronto.

48

Capitolo 4. Acquisizioni e analisi

% scarto motori buoni B C % errore identificazione D difetto F H

setup accelerometrico 27,5 % 10 % 30 % 20 % 0% 0%

setup microfonico 37,5 % 12,5 % 87,5 % 12,5 % 0% 0%

Tabella 4.12 – Confronto delle percentuali di riconoscimento tra setup accelerometrico e microfonico.

In particolare è evidente la scarsa riconoscibilità del difetto di tipo C e il numero elevato di motori buoni scartati. Il problema di un approccio simile a quello appena visto è che l’identificazione delle difettosità è sensibilmente dipendente dalle metriche scelte. Si è ritenuto opportuno allora di ripetere la tutta prova a partire dalle acquisizioni della fase di training usando gli stessi motori della prova precedente e acquisendo sempre a 5 s. Si è provato poi a definire delle metriche diverse sulla base delle nuove acquisizioni. Nelle immagini a seguire sono illustrate le metriche scelte per la determinazione dei difetti.

49

Capitolo 4. Acquisizioni e analisi

Figura 4.15 – Definizione delle metriche per difetto B.

50

Capitolo 4. Acquisizioni e analisi

Figura 4.16 – Definizione delle metriche per difetto C.

51

Capitolo 4. Acquisizioni e analisi

Figura 4.17 – Definizione delle metriche per difetto D.

52

Capitolo 4. Acquisizioni e analisi

Figura 4.18 – Definizione delle metriche per difetto F.

53

Capitolo 4. Acquisizioni e analisi

Figura 4.19 – Definizione delle metriche per difetto H.

54

Capitolo 4. Acquisizioni e analisi

I risultati del successivo test sono quelli della tabella seguente.

difetto buoni B C D F H

totale motori testati 85 8 8 8 8 8

rilevazioni errate 12 4 8 5 0 1

% errore 14,1 % 50 % 100 % 62,5 % 0% 12,5 %

Tabella 4.13 – Riepilogo delle percentuali di riconoscimento per la seconda analisi con setup mocrofonico.

Vale la pena riepilogare i risultati ottenuti con le due versioni delle metriche nella tabella 4.14.

% scarto motori buoni B C % errore identificazione D difetto F H

primo test 37,5 % 12,5 % 87,5 % 12,5 % 0% 0%

secondo test 14,1 % 50% 100 % 62,5 % 0% 12,5 %

Tabella 4.14 – Confronto delle percentuali di riconoscimento tra i due test con setup microfonico.

Rispetto al primo test si è ottenuta una riduzione drastica degli scarti tra i motori buoni con l’evidente conseguenza di un abbassamento della riconoscibilità dei difetti. In particolare sono solo 3 i motori provvisti di difetto D individuati, mentre per la prima volta nel corso dell’intero lavoro non viene riconosciuto un motore con difetto H. 55

Capitolo 4. Acquisizioni e analisi

Conviene allora ripresentare le percentuali di riconoscimento ottenute tramite il setup accelerometrico progettato.

% scarto motori buoni B C % errore identificazione D difetto F H

setup accelerometrico 27,5 % 10 % 30 % 20 % 0% 0%

setup microfonico 14,1 % 50% 100 % 62,5 % 0% 12,5 %

Tabella 4.15 – Confronto delle percentuali di riconoscimento tra setup accelerometrico e microfonico con metriche ridefinite.

Il confronto tra i risultati permette di concludere che il sensore accelerometrico, in abbinamento alla camicia in acciaio, al software di processamento e analisi e al setup concepito per lo scopo, garantisce migliori percentuali di riconoscimento delle difettosità con il miglior compromesso individuato in termini di scarti tra i motori buoni.

56

Capitolo 5

Conclusioni

In questa tesi si è cercato di individuare un sistema completo e automatizzato, basato su misura delle vibrazioni tramite accelerometro, che permettesse di riconoscere la presenza di difettosità su motoriduttori elettrici per un controllo di qualità a fine linea di produzione. Si disponeva già del software necessario all’acquisizione e all’analisi dei dati, dei descrittori temporali da utilizzare, così come era noto il tempo di misura necessario per una soddisfacente identificabilità dei difetti. Perché si potesse ottenere una stazione di analisi veloce andava risolto il problema della lentezza del piazzamento dell’accelerometro tramite cera. Si sono quindi provate diverse soluzioni basate su fissaggio magnetico: dopo un confronto in termini di prestazioni e di resa dinamica è risultato migliore il supporto magnetico in acciaio. Questo permette al sensore di essere manovrato da un braccio meccanico che lo può collocare esattamente nella stessa posizione su ogni motore, garantendo uniformità delle misure, ripetibilità e assenza di errore umano. Il software che si interessa della gestione del setup è stato diviso in due parti: una eseguita dal server, che si occupa dell’avvio delle acquisizioni e della movimentazione dei motori, l’altra che gira sul client, che comprende il programma di analisi e integra un’interfaccia di controllo per l’operatore che presidia la stazione. Si è testato inoltre un sistema proprietario, comprendente hardware e software, basato su

Capitolo 5. Conclusioni

acquisizioni di tipo microfonico: gli algoritmi di de-noising dovrebbero permettere teoricamente una migliore riconoscibilità dei difetti, il cui rumore in un ambiente disturbato potrebbe risultare mascherato. Nella pratica le prove hanno evidenziato la stretta dipendenza dei risultati dalle metriche scelte manualmente, che costringono ad un compromesso tra un alto numero di scarti e una bassa riconoscibilità dei difetti. Questo setup alternativo ha confermato che l’approccio accelerometrico garantisce una migliore identificazione dei motori difettati. Il processo che si è illustrato è solo un’esame di conformità sul prodotto finito, cioè mira al riconoscimento di motori difettati senza che ci sia individuazione delle singole tipologie di difetto: per un’indagine più approfondita occorrono tempi di acquisizione più lunghi, quindi non praticabili in linea, ma soprattutto un’analisi sulle frequenze caratteristiche. A tal proposito si rimanda a specifici studi sull’argomento (Ciarmatori, 2008).

58

Bibliografia

Biasutti G., Macchine elettriche, 5a ed. Milano, Hoepli, 1989. Ciarmatori R., Studio e ottimizzazione di una procedura per la rilevazione di difettosità su motoriduttori, tesi presso l’Università Politecnica delle Marche, a.a. 2007-2008 (relatore: Enrico Primo Tomasini). Lucifredi A., Elementi di analisi del segnale e della firma, monitoraggio di condizione e diagnostica, per la manutenzione predittiva delle macchine e degli impianti, Milano, FrancoAngeli, 1998. Norton M. P.; Karczub D. G., Fundamentals of Noise and Vibration Analysis for Engineers, 2a ed. Cambridge, Cambridge University Press, 2003. Porcarelli L., Caratterizzazione vibroacustica ed elettromeccanica di motoriduttori elettrici, tesi presso l’Università Politecnica delle Marche, a.a 2007-2008 (relatore: Enrico Primo Tomasini). Tesei F., Studio e progettazione di una procedura per il riconoscimento di difettosità su motoriduttori, tesi presso l’Università Politecnica delle Marche, a.a 2007-2008 (relatore: Enrico Primo Tomasini). Wikipedia contributors, A-weighting, Wikipedia, The Free Encyclopedia, http://en.wikipedia.org/w/index.php?title=A-weighting&oldid=300807474 (7 Luglio 2009).