Sviluppo di una struttura di manutenzione basata sul monitoraggio delle condizioni per Sistemi a Carrelli Indipendenti

The objective of this work is the condition monitoring of Independent Carts System with particular attention to bearings. The Independent Cart Conveyor System is a promising technology that could replace rotary driven chains and belts in the field of automatic machines. This system combines the benefits of servomotors with the advantages of linear motors. It consists of a close path made up of modular linear motors having a curved or a straight shape that control a fleet of carts independently. Each cart is placed along the motors and it is connected, through bearings, to a rail set on the motors themselves. A possible problem can rise with the use of this technology: with the demand of a high production rate, the number of movers necessary in the machine increases and consequently even the number of bearings increases. In this way the high number of rolling bearings reduces the Mean Time Before Failure (MTBF) of the whole machine, but at the same time, thanks to the independent control and the independent monitoring of each cart, it is possible to implement condition monitoring strategies for each cart. The condition monitoring of these elements is challenging for the non-stationary working conditions of variable load and speed profiles. The thesis deals with the problem of the development of a condition monitoring framework for this system from different points of view. About hardware, a new technique for the synchronization between PLCs of different vendors used for the control of this system has been developed. Moreover, bearing stiffness has been evaluated through experimental campaigns and advance computational methods. In order to get a 360-degree view of the possible solutions of this problem, data-driven and model-based condition monitoring techniques have been applied. As regards data-driven, machine learning techniques for fault detection have been used on the basis of an experimental campaign on a specific machine application, as well as a new feature for the prediction of bearing faults has been studied. As regards model-based, a model of the vibration signals produced by the carts with an arbitrary motion profile has been carried out. Moreover, the whole dynamics of the system has been taken into account by means of a multibody modelling of the cart, the bearings and the rail. Both models consider the variable motion profile, the shape of the conveyor path, the mechanical design of the cart, the load variation and the type of fault on the groove ball bearings. The models are scalable and modular in order to test different configurations of the system with different work parameters and both models have been validated by means of the comparison between the simulation results and the system variables recorded during experimental campaigns.

L’obiettivo di questo lavoro è la diagnostica di Sistemi a Carrelli Indipendenti con particolare attenzione ai cuscinetti. Il Sistema a Carrelli Indipendenti è una tecnologia innovativa e promettente nell’ambito delle macchine automatiche, che in alcuni casi può sostiture i tipici sistemi di trasporto basati su catene e cinghie guidate da motori rotativi. Il Sistema a Carrelli Indipendenti combina i vantaggi dei servomotori rotativi con quelli dei motori lineari. Esso consiste in una serie di motori lineari modulari di forma curva o rettilinea, che, combinati insieme, realizzano un circuito chiuso. I motori controllano una flotta di carrelli che sono tra loro indipendenti e questa caratteristica rende il sistema flessibile ad ogni tipo di prodotto e compito. Ognuno di questi carrelli è posizionato lungo i motori ed è collegato ad un binario fisso attraverso una serie di cuscinetti. Questo sistema può presentare un problema nel caso in cui vengano utilizzati numerosi carrelli, poiché in questo caso anche il numero dei cuscinetti aumenterebbe. L’elevato numero di cuscinetti riduce il Mean Time Before Failure (MTBF) dell’intera macchina, ma allo stesso tempo, grazie al fatto che ogni carrello è svincolato l’uno dall’altro, è possibile monitorare lo stato di salute di ogni carrello in maniera indipendente. La realizzazione di un sistema di condition monitoring per questi macchinari risulta stimolante anche se impegnativo, in quanto le condizioni di lavoro dei carrelli sono altamente non stazionarie per la variabilità dei profili di carico e velocità. Questo studio tratta il problema dello sviluppo di un sistema di condition monitoring per questa tecnologia, che viene affrontato da diversi punti di vista. Per quanto riguarda l’hardware, è stata realizzata una nuova tecnica per la sincronizzazione dei motion task fra i PLC di differenti costruttori, che vengono usati per il controllo dei Sistemi a Carrelli Indipendenti. Inoltre, sono stati eseguiti esperimenti ed usati metodi di calcolo avanzati per la valutazione della rigidezza dei cuscinetti. Per avere una panoramica completa dei possibili metodi di monitoraggio, sono state utilizzate sia tecniche data-driven che model-based per il rilevamento di guasti nel sistema. Per quanto riguarda i metodi data-driven, sono stati utilizzati algoritmi di machine learning per la identificazione di danni, così come sono state studiate nuove feature per la prognostica. Per quanto si riferisce al model-based, è stato sviluppato un modello che simula i segnali vibratori prodotti dai Sistemi a Carrelli Indipendenti con profilo di moto arbitrario. Per considerare l’intera dinamica del sistema, è stato realizzato un modello multibody del carrello, dei cuscinetti e del binario. Entrambi i modelli realizzati prendono in considerazione profili di moto variabili, varie forme del circuito su cui i carrelli possono muoversi, la meccanica dei carrelli, la variazione dei carichi agenti e differenti tipi di danno nei cuscinetti. Per poter considerare diverse configurazioni del sistema, entrambi i modelli sono scalabili e modulari. Essi sono stati validati attraverso la comparazione tra i dati simulati e i dati reali rilevati attraverso una campagna sperimentale.