REINForce
Type
Contratto di Sviluppo del Ministero dello Sviluppo Economico (MISE)
Description
Le attività di Ricerca e Sviluppo svolte dall’Università di Napoli Federico II sono di tipo interdisciplinare, concernenti i settori disciplinari dei Sistemi per l’elaborazione delle informazioni, delle Macchine e azionamenti elettrici, e delle Misure elettriche ed elettroniche. L’ambito è quello della manutenzione predittiva degli impianti, apparati e dispositivi di bordo treno, consistente in interventi pianificati sulla base dell’occorrenza di specifiche condizioni. Essa si basa sull’assunzione che molti guasti non accadano improvvisamente, ma che l’oggetto della manutenzione esibisca dei sintomi prima di guastarsi; pertanto, esiste un intervallo temporale in cui è possibile riconoscere ed intervenire su un guasto in maniera proattiva. In tale contesto, il monitoraggio di parametri di processo/condizioni per fini manutentivi assume un ruolo di primaria importanza (tema anche noto come condition based maintenance - CBM). Ad oggi gli algoritmi CBM sono sviluppati, sostanzialmente, secondo due approcci complementari: da un lato si sfrutta la conoscenza degli esperti di dominio, dall’altro si estrae la conoscenza che risiede nei dati operazionali. Nel dominio ferroviario è prevalente l’approccio con algoritmi sviluppati a partire dalle conoscenza di dominio, mentre si è ancora in una fase preliminare di valutazione degli approcci che sfruttano i dati operazionali.
Le attività proposte mirano a definire e sperimentare un framework per il monitoraggio intelligente (smart monitoring) basato su algoritmi innovativi che consentano di inferire in maniera automatica le condizioni per l’attivazione d’interventi manutentivi, e di ottimizzare le condizioni di funzionamento in fase oeprativa di intere flotte di veicoli ferroviari. Tali algoritmi si basano sull’acquisizione ed analisi di opportuni dati operazionali (segnali, eventi e dati di diagnostica provenienti da dispositivi, apparati e sensori di misura), generati durante l’esercizio del sistema sottoposto a condizioni di carico reali) prodotti dal target della manutenzione.
Le tecniche di analisi dei dati trovano da tempo innumerevoli applicazioni in ambito ICT; ancora limitata è oggi la loro applicazione in più tradizionali problematiche di carattere industriale, come la manutenzione. Giganti come Google e Amazon fondano strategie di business e decision making su sofisticate analisi automatizzate dei dati. Più in generale, è stato osservato che attività produttive guidate da strategie decisionali basate su data analytics e intelligence riescono ad incrementare i profitti fino al 6% in più rispetto alle altre. Così come dimostrato nella consolidata pratica in ambito ICT, l’individuazione di trend e la caratterizzazione dello stato di funzionamento di un sistema a partire dal tracciato di funzionamento dei suoi componenti, possono essere utilizzate per anticipare i guasti nonché supportare una schedulazione efficiente della manutenzione pianificata, migliorando complessivamente il processo e ottimizzando i costi e durata degli interventi. La manutenzione è un’attività complessa ed onerosa nell’ambito della gestione dei sistemi: l’analisi dei dati operazionali per la predizione e la schedulazione ottimale preventiva degli interventi di manutenzione assume un ruolo primario.
Start date: 01/09/2017 End date: 31/07/2023
Partners
Hitachi Rail Italy (HRI) S.p.A.
People
Stefano Russo
Marcello Cinque
