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 Tesi di Laurea di

Prof. Enrico Primo Tomasini 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 21

3.2.2.1 Software 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 28

4.1.1 Supporto con elettromagnete 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

6

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.

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 𝑥𝑖

2

𝑛

𝑖=1

Capitolo 2. Fondamenti di Statistica, Acustica e Macchine Elettriche

8

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:

𝑘𝑢𝑟𝑡𝑜𝑠𝑖𝑠 =1

𝑛𝜎4 (𝑥𝑖 − 𝑥 )4

𝑛

𝑖=1


9

dove σ è la deviazione standard della distribuzione

𝜎 = 1

𝑛 𝑥𝑖 − 𝑥 2

𝑛

𝑖=1

e 𝑥 è il valor medio

𝑥 =1

𝑛 𝑥𝑖

𝑛

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.


10

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


11

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.

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

13

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.


14

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.


15

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.


16

L’accelerometro è stato sempre orientato in modo da avere le seguenti corrispondenze tra

direzioni di acquisizione e quelle relative al motore:

direzione accelerometro direzione motoriduttore

x assiale

y radiale

z 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


17

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 %) 10,2 mV s²/m

Range di misurazione ± 491 m/s² pk

Range di frequenza (± 5 %) 1,0 ÷ 4000 Hz

Risoluzione (1 ÷ 10000 Hz) 0.003 m/s² rms

Non linearità ≤ 1 %

Carico limite ± 49050 m/s² pk

Elemento sensibile ceramico

Materiale dell’involucro titanio

Configurazione strutturale a taglio

Peso 5,4 g

Dimensioni 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 sensibilità [mV s2/m]

x 10,52

y 10,32

z 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


18

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 16 SE/8 DI

Frequenza di campionamento 200 kS/s

Risoluzione 16 bits

Intervallo massimo di tensione -10 ÷ 10 V

Intervallo minimo di tensione -50 ÷ 50 mV

Memoria su scheda 512 campionamenti

Output analogico

Numero di canali 2

Velocità di aggiornamento 10 kS/s

Risoluzione 16 bits

Intervallo massimo di tensione -10 ÷ 10 V

Intervallo minimo di tensione -10 ÷ 10 V

Corrente di attuazione (Canale/Totale) 5 mA

I/O digitale

Numero di canali 8 DIO

Intervallo input massimo 0 ÷ 5 V

Intervallo output massimo 0 ÷ 5 V

Flusso di corrente input Sinking, Sourcing

Flusso di corrente output Sinking, Sourcing

Corrente di attuazione (Canale/Totale) 24 mA/192 mA

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


19

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


20

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.


21

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 client-

server.

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.


22

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.


23

Figura 3.6 – Interfaccia software lato client (taratura).

Figura 3.7 – Interfaccia software lato client (collaudo).


24

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.


25

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


26

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


27

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).

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

29

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.


30

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.


31

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.


32

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).


33

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


34

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 rilevazioni errate % errore

B 10 1 10 %

C 10 6 60 %

D 9 4 44,4 %

F 10 0 0 %

H 10 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.



B 10 1 10 %

C 10 6 60 %

D 9 0 0 %

F 10 0 0 %

H 10 1 10 %

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


35

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.

elettromagnete magnete

% scarto motori buoni 26 % 20 %

% errore

identificazione

difetto

B 10 % 10 %

C 60 % 40 %

D 44,4 % 0 %

F 0 % 0 %

H 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


36

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.


37

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).


38

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).


39

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).


40

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.


41

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).


42

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.



B 10 1 10 %

C 10 4 40 %

D 9 0 0 %

F 10 0 0 %

H 10 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.

elettromagnete magnete


% errore

identificazione

difetto

B 10 % 10 %

C 60 % 40 %

D 44,4 % 0 %

F 0 % 0 %

H 0 % 0 %

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


43

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

segnale non pesato segnale pesato


% errore

identificazione

difetto

B 10 % 20 %

C 60 % 80 %

D 0 % 0 %

F 0 % 0 %

H 0 % 10 %

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

pesato e non pesato.


44

fissaggio con elettromagnete



% errore

identificazione

difetto

B 10 % 10 %

C 60 % 70 %

D 44,4 % 22,2 %

F 0 % 10 %

H 0 % 10 %

Tabella 4.7 – Fissaggio con elettromagnete. Confronto tra le percentuali di riconoscimento

sul segnale pesato e non pesato.

fissaggio con magnete



% errore

identificazione

difetto

B 10 % 10 %

C 40 % 50 %

D 0 % 0 %

F 0 % 0 %

H 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.


45

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:



B 10 1 10 %

C 10 3 30 %

D 10 2 20 %

F 10 0 0 %

H 10 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.


46

setup precedente setup attuale

% scarto motori buoni 20 % 27,5 %

% errore

identificazione

difetto

B 10 % 10 %

C 40 % 30 %

D 0 % 20 %

F 0 % 0 %

H 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.


47

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.


48

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 totale motori testati rilevazioni errate % errore

buoni 85 30 37,5 %

B 8 1 12,5 %

C 8 7 87,5 %

D 8 1 12,5 %

F 8 0 0 %

H 8 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.


49

setup accelerometrico setup microfonico

% scarto motori buoni 27,5 % 37,5 %

% errore

identificazione

difetto

B 10 % 12,5 %

C 30 % 87,5 %

D 20 % 12,5 %

F 0 % 0 %

H 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.


50

Figura 4.15 – Definizione delle metriche per difetto B.


51

Figura 4.16 – Definizione delle metriche per difetto C.


52

Figura 4.17 – Definizione delle metriche per difetto D.


53

Figura 4.18 – Definizione delle metriche per difetto F.


54

Figura 4.19 – Definizione delle metriche per difetto H.


55

I risultati del successivo test sono quelli della tabella seguente.

difetto totale motori testati rilevazioni errate % errore

buoni 85 12 14,1 %

B 8 4 50 %

C 8 8 100 %

D 8 5 62,5 %

F 8 0 0 %

H 8 1 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.

primo test secondo test


% errore

identificazione

difetto

B 12,5 % 50%

C 87,5 % 100 %

D 12,5 % 62,5 %

F 0 % 0 %

H 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.


56

Conviene allora ripresentare le percentuali di riconoscimento ottenute tramite il setup

accelerometrico progettato.

setup accelerometrico setup microfonico


% errore

identificazione

difetto

B 10 % 50%

C 30 % 100 %

D 20 % 62,5 %

F 0 % 0 %

H 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.

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

58

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).

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).

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

Documents