Nel corso dell’ultimo decennio le tematiche legate allo sviluppo di nuove logiche di Prognostics and Health Management (PHM) e di Condition Based Maintenance hanno trovato ampia diffusione in numerosi settori industriali, supportate e in parte spinte dalle più recenti conquiste della ricerca in ambito di intelligenza artificiale e analisi dati.
Concetto nato in ambito aeronautico, la definizione di strumenti e metodologie capaci di monitorare lo stato di salute di un componente, sistema o veicolo e di predirne la vita utile residua, trova la sua giustificazione originale nel tentativo di ridurre il costo di esercizio dei velivoli moderni, sempre più complessi e legati a programmi di sviluppo estremamente onerosi – non per caso uno dei pochi velivoli attualmente dotati di logiche PHM è il Lockheed – Martin F-35 -.
Lo sviluppo ed implementazione di logiche PHM/CBM comporta, a fronte del costo di sviluppo, benefici specifici e differenti a ciascun stakeholder in funzione del campo di applicazione. Per gli utilizzatori finali, quali amministrazioni difesa e aerolinee civili, la principale ricaduta attesa è una contrazione dei costi dovuta all’efficientamento della manutenzione e della gestione della flotta, accompagnata da una riduzione di eventi avversi imprevisti, associati a ritardi o cancellazioni di servizio o alla necessità di abortire una missione. Tali vantaggi risultano tanto più marcati quanto più i veicoli oggetto di analisi necessitino di manutenzione frequente a fronte di una richiesta di elevata disponibilità operativa. È il caso, ad esempio, dei velivoli ad ala rotante, per cui stime del dipartimento della difesa americano associano alla manutenzione fino al 70% dei costi totali di esercizio (acquisto incluso). A queste opportunità di natura economica si associano possibili ramificazioni sotto il punto di vista strategico (ad esempio il proseguire o abortire una missione a valle del rilevamento di un’anomalia a bordo e conseguente stima di vita utile residua), logistico (efficientamento dell’inventario, del personale e dei turni di manutenzione) e operativo (minore probabilità di imprevisti tecnici, possibilità di riconfigurare la macchina per mitigare gli effetti dell’anomalia).
Per le imprese la cui missione è rappresentata dalla progettazione e vendita di velivoli, lo sviluppo di logiche PHM comporta l’opportunità di erogare un servizio verso l’utilizzatore finale e costruire – nel tempo – database di dettaglio che consentano di guidare future scelte di progettazione. Per i fornitori di componenti e sistemi infine, lo sviluppo di logiche PHM sarebbe associato ad una riduzione dei costi operativi associati alle operazioni di manutenzione – quando non eseguite dall’utilizzatore finale o dal velivolista – per via della possibilità di contrarre temporalmente le operazioni di troubleshooting, e di realizzare e vendere componentistica e software dedicato. Non ultima, è presente una componente ambientale, associata ad una riduzione delle emissioni di carbonio legate alla produzione e movimentazione della componentistica di ricambio, che è percepita positivamente dal legislatore europeo.
La definizione e l’implementazione di logiche di Health Monitoring in ambiente aeronautico, sebbene ormai largamente impiegata per la valutazione dello stato di salute di elementi strutturali e propulsivi, trova ancora poche applicazioni dedicate ai sistemi di attuazione a bordo velivolo quali controlli di volo, sistemi di attuazione carrello, impianto frenante etc., nonostante i guasti associati a tali sistemi costituiscano una delle principali cause di messa a terra imprevista di un velivolo. La definizione di sistemi PHM per tali applicazioni comporta affrontare e risolvere importanti sfide sia sotto il punto di vista tecnico e della ricerca universitaria e applicata che dell’organizzazione aziendale. L’attuale stato dell’arte nella definizione di nuovi algoritmi utili a valutare lo stato di salute corrente di sistemi imbarcati a bordo velivolo e predirne la vita utile residua vede come via preferenziale la fusione di informazioni provenienti da sistemi basati sulla descrizione fisica dei componenti e dei guasti con i risultati di analisi condotte tramite algoritmi di machine learning e intelligenza artificiale. Malgrado al momento la scelta dell’approccio e degli algoritmi impiegati sia fortemente dipendente dal caso di studio, i più recenti sviluppi di letteratura suggeriscono che una crescente integrazione della conoscenza ingegneristica con sistemi AI possa costituire la soluzione preferenziale al fine di sfruttare le potenzialità di sistemi di analisi basati unicamente sulla conoscenza di dati operativi coadiuvandone i risultati tramite descrizioni fisiche o digital-twin dei componenti oggetto di analisi.
È importante sottolineare come strumenti di intelligenza artificiale sempre più avanzati e gemelli digitali di dettaglio via via crescente non sono che una delle sfide tecniche associate all’implementazione di sistemi PHM. Altrettanto, se non per certi versi ancora più, importanti sono le attività che devono essere perseguite a livello ingegneristico. Indipendentemente dalla tipologia di approccio seguito e degli algoritmi impiegati, non risulta infatti possibile ottenere indicazioni accurate dello stato di salute di un componente o sistema in assenza di dati coerenti con il guasto da osservare, privi per quanto possibile di rumore o errori di trascrizione e presenti in mole e frequenza adeguata. Il tema conseguente di introdurre a bordo velivolo sensori dedicati all’osservazione delle grandezze fisiche rilevanti per osservare i sintomi dei guasti più significativi e utili a predirne l’evoluzione è di fondamentale importanza, così come la necessità di dotare il velivolo di capacità di trasmissione, storage e analisi dati tipicamente superiori – per potenza computazionale richiesta e velocità dei protocolli di comunicazione – a quanto impiegato nei sistemi HUMS (Health and Usage Monitoring System) correnti.
Oltre alle sfide tecniche fin qui introdotte, è necessario infine citare le difficoltà e le opportunità legate all’implementazione di sistemi CBM/PHM a livello di organizzazione aziendale, che comporta importanti investimenti in termini di infrastrutture di calcolo (HPC) e di storage di dati, nonché la formazione di gruppi di lavoro o dipartimenti a carattere fortemente multidisciplinare e una più stretta integrazione di tali gruppi di lavoro con i dipartimenti di ingegneria e logistica.
Alla luce delle osservazioni fin qui riportate e all’attenzione riservata al tema dai principali attori internazionali nell’ambito del settore aerospazio e difesa risulta chiaro come una stretta integrazione fra ricerca accademica e industriale, che coinvolga esperti di diversi domini, risulti indispensabile al fine di maturare le competenze e le tecnologie necessarie alla piena realizzazione di sistemi PHM affidabili e impiegabili sul campo.
In tale ottica è quindi auspicabile che nel contesto del CT del CTNA, quale principale organo nazionale di interazione fra enti di ricerca e mondo industriale in ambito aeronautico, possano essere portate avanti riflessioni sui possibili avanzamenti tecnologici attesi e sulle possibili ricadute industriali.
di Andrea De Martin
Ricercatore tenure track presso il gruppo di ricerca “Meccatronica e Servosistemi” del Dipartimento di Ingegneria Meccanica e Aerospaziale del Politecnico di Torino, presso cui svolge attività di ricerca inerenti alla prognostica di servosistemi
