Progettazione di apparecchiature elettriche più intelligenti integrate con l'intelligenza artificiale

Tutti i componenti della vita moderna dipendono dal funzionamento dei sistemi elettrici. Su scala industriale, il fallimento di questi sistemi significa perdita di dati, spreco e oscurità. Un componente in particolare è soggetto a un'usura significativa: un contattore, un dispositivo che accende o spegne la corrente. Ma fino a poco tempo fa, mantenere i contattori significava cercare di anticipare quando i dispositivi avrebbero potuto guastarsi o funzionare male. Per risolvere questo problema, gli ingegneri di Schneider Electric hanno combinato intelligenza artificiale (AI) e progettazione Model-Based per incorporare un algoritmo di manutenzione predittiva nei contattori stessi. Di conseguenza, hanno condensato un test di manutenzione durato mesi nel tempo di una pausa pranzo.

Dare un numero alla durata di vita residua dei contattori richiedeva un periodo di test intenso, lungo mesi. Ma con la maggiore accessibilità degli strumenti di intelligenza artificiale per l'ingegneria, gli ingegneri di Schneider Electric non solo hanno ridotto i tempi di test, ma hanno anche ridotto i tempi di sviluppo di nuovi contattori da tre anni a sei mesi.

“Prima di questo nuovo metodo, i clienti dovevano spegnere l'impianto durante una campagna di manutenzione,” afferma Silvio Rizzuto, uno dei principali esperti tecnici di Schneider Electric. “Ad esempio, nella produzione alimentare, se si interrompe la produzione, si spreca tutto ciò che è ancora presente sulla linea di produzione”.

Combinazione di intelligenza artificiale e progettazione Model-Based

Utilizzando MATLAB^®, insieme alla progettazione Model-Based e l'intelligenza artificiale, ha offerto al team di progetto due vantaggi che non aveva prima: un'interfaccia visiva per un algoritmo complesso e un modo rapido e accurato per simulare la funzione di durata rimanente prima di testarla nel contattore reale.

Rizzuto, che non aveva una solida esperienza nell'intelligenza artificiale, si è affidato alle risorse MathWorks, come formazione, supporto tecnico ed esempi online, per avviare la riqualificazione del contattore TeSys Giga. La squadra di Rizzuto aveva imparato dai propri errori. “Non vogliamo avere una scatola nera,” afferma Rizzuto. “Vogliamo sapere tutto su come funziona il nostro algoritmo.”

Sostituendo i metodi manuali con l'automazione, il team ha ripreso lo sviluppo, la modellazione e la simulazione delle prestazioni dell'algoritmo di Machine Learning utilizzando MATLAB. Hanno confrontato i risultati del modello con il set di dati iniziale per assicurarsi che funzionasse come previsto e utilizzasse Simulink^® per sviluppare, simulare e visualizzare l'architettura dell'algoritmo. MATLAB ha anche generato il codice che il team di progetto dovrà incorporare nel contattore.

“Volevamo poter testare la RUL per un contattore, operazione che di solito richiede quattro mesi e mezzo,” ha spiegato Rizzuto. “Con il modello è possibile simulare questo processo in appena un'ora, risparmiando molto tempo nello sviluppo.”

Sebbene il nuovo percorso di sviluppo consentito dall’intelligenza artificiale e dalla modellazione si stesse rivelando un processo più fluido, rimanevano degli ostacoli. Rizzuto afferma che la guida degli ingegneri MathWorks è stata fondamentale. Ad esempio, il team di Schneider necessitava di una funzione di filtro per ridurre al minimo l'ingombro della memoria dell'algoritmo. Quando lo sviluppatore del firmware Schneider ha richiesto un filtro personalizzato, MathWorks lo ha aiutato a svilupparne uno. Inoltre, Rizzuto e il suo team si sono affidati agli esempi online di MathWorks per creare una classe di storage personalizzata per la generazione di codice che ottimizzasse la presentazione dei dati forniti dal codice generato ai diversi livelli hardware.

Oltre ad accelerare lo sviluppo del prodotto, Rizzuto afferma che MATLAB e Simulink hanno consentito un flusso di lavoro più fluido tra i membri del team. Comunicare con un team internazionale e garantire che tutti rimanessero aggiornati sullo stato del progetto si è rivelato particolarmente impegnativo. Ma MATLAB e Simulink hanno contribuito ad alleviare questo punto dolente. “Utilizzare MATLAB e Simulink è chiaramente un vantaggio perché molti ingegneri sanno già come utilizzare questi strumenti,” afferma. L'utilizzo di Simulink per visualizzare l'architettura dell'algoritmo ha inoltre fornito un linguaggio comune per comprendere un algoritmo complesso.

Il futuro della manutenzione predittiva