Università di Parma

Hexagon (D&E) è stata invitata a partecipare al Progetto di Alta Formazione organizzato dalle Università dell’Emilia Romagna, con argomento modellazione e analisi NVH Come riportato dalla scheda descrittiva del progetto, cui segue un estratto, si fa riferimento alle metodologie di analisi che combinano tecniche di modellazione numerica quali cosimulazione,  Machine Learning e Digital Twin per conseguire la Manutenzione predittiva. Dati di funzionamento del sistema meccanico (vibrazione, pressione, temperatura, ecc…), possono essere correlati allo stato di salute del sistema meccanico stesso. A tale scopo devono poter essere effettuati diversi rilievi sperimentali nelle diverse condizioni di funzionamento e di stato – buono/guasto – del sistema meccanico, per poter addestrare in maniera corretta i diversi algoritmi di Machine Learning. La corretta classificazione dei dati può essere ottenuta solamente se: i) si analizzano un elevato numero di dati e ii) l’algoritmo ha la possibilità di “imparare” tutti gli stati di funzionamento del sistema. Di conseguenza, tale approccio non solo comporta un notevole incremento dei costi legati ai test sperimentali, ma in aggiunta non può essere applicato in maniera adeguata in tutti quei casi in cui il sistema meccanico non possa essere studiato nelle sue condizioni difettose, ad esempio turbine eoliche o linee di produzione. In tale scenario, tecniche di modellazione NVH (Noise Vibration and Harshness) possono essere utilizzate a scopi diagnostici e prognostici poiché il segnale vibratorio ( o acustico) proveniente da un macchinario è estremamente ricco di informazioni sul suo stato di salute. Le tecniche più innovative di modellazione NVH dei sistemi meccanici, quali modelli cineto-elasto-dinamici a parametri concentrati, FEM e Multi-body possono essere combinati tra loro ed utilizzati a scopi diagnostici. Dalla opportuna combinazione di questi modelli possono essere creati dei “digital twins” dei sistemi meccanici, che vanno quindi a simulare il sistema meccanico in tutte le sue condizioni di funzionamento in condizione sane e difettose. I dati generati da questi digital twins possono essere quindi utilizzati per addestrare gli algoritmi diagnostici di Machine Learning permettendo non solo di abbattere i costi dei test sperimentali, ma anche di generare dati per quei sistemi complessi e di notevole costo come turbine eoliche, che non potrebbero essere portati a rottura.

Il progetto propone una strategia di intervento basata sull’alta formazione con importanti interazioni sia con il tessuto produttivo regionale che con eccellenze internazionali. Obiettivo principale è la formazione specialistica di figure professionali di eccellenza e selezionate sul panorama internazionale che integrino le competenze avanzate nel campo della vibroacustica (NVH) con le applicazioni dell’Industria 4.0.

Il progetto prevede il coordinamento dell'Università degli Studi di Ferrara di tutte le Università dell’Emilia Romagna:
Università di Bologna, Università degli Studi di Modena e Reggio Emilia;
Università di Parma

Hexagon(D&E) ha contributo ai 2 giorni di seminario con una presentazione, nella sesisone plenaria, relativa all’evoluzione degli strumenti e metodologie di calcolo per l’analisi NVH, con particolare enfasi sugli sviluppi in ambito di cosimulazione e Machine Learning.