Misure per la qualità della produzione industriale

Ruolo della misura nei sistemi manifaturieri

Il conceto di industry 4.0 osservato dal punto di vista del ruolo delle misure e della sensoris�ca, è un punto

di vista che spesso è dato per scontato perché molto spesso il processo di digitalizzazione dei sistemi di

produzione è in mano a figure più vicine al digitale come le persone che provengono dall'informa�ca

industriale. Ques� ul�mi conoscono come atuare il processo ma allo stesso modo hanno un limite nel

comprendere che il dato, se è fruto di un processo di misura, come in un contesto di una fabbrica, può essere

un dato affeto da incertezza. Se quindi i da� che sono il cuore pulsante della fabbrica digitale (la quale si basa

sull'analisi di grandi moli di da�) sono presi sempre per buoni, a prescindere dal fato che ques� possono

essere più o meno incer�, questo può produrre delle analisi e di conseguenza delle scelte che talvolta possono

essere più o meno certe rispeto ad altre situazioni. Questo sotolinea l'importanza di considerare i da�

tenendo conto anche della loro incertezza.

Ma perché si misura? la principale mo�vazione per fare delle misure è perché bisogna prendere delle

decisioni a valle delle misurazioni, e questo è vero sopratuto nel mondo industriale dove si misura per

sostenere un processo decisionale che sarà un processo decisionale basato sui da�. Quindi i da� quan�ta�vi

(ovvero numeri con unità di misura) derivano da un processo di misura di grandezze fisiche atraverso degli

strumen� di misura, i quali interagendo con il mondo reale, ci forniscono delle misure più o meno incerte, e

quindi è opportuno fare delle misure con un’incertezza adeguata all'uso che dovremmo farne.

Ogni quan�tà misurata è affeta da incertezza, che può essere casuale, sistema�ca, combinata. Se il dato

misurato è affeto da incertezza, l'incertezza si ripercuote diretamente sul processo decisionale, e quindi più

le misure saranno precise, migliore sarà il livello di confidenza (fiducia) nel processo decisionale.

Quindi l'industry 4.0 u�lizza mol� da�, ma ques� da� bisogna u�lizzarli in maniera consapevole, ovvero

dobbiamo prestare atenzione alla qualità del dato, intesa come incertezza del dato.

Oggi nel modo industriale si u�lizza molto l'acronimo KPI (Key Performance Indicator) e l’incertezza

rappresenta un po' il KPI per un processo di misura; quando esso è basso il processo è buono, quando esso è

grande il processo è scadente.

Cenno alle architeture viste da diverse prospe�ve

L’architetura è una schema�zzazione concetuale che rappresentano dei proge�.

Architeture divise in 3 livelli che andremo ad analizzare nel detaglio.

Nel primo livello (in basso) avremo hardware, quindi

misure effetuate su robot che devono conoscere la loro

posizione spaziale. In questo primo livello si otengono

informazioni locali atraverso l’u�lizzo di strumen� di

misura.

Nel secondo livello c’è una condivisione di queste

informazioni, da�, che vengono trasferi� al terzo livello in

maniera semplice e pulito, in modo da non saturare la

capacità di calcolo (mando solo i da� realmente

necessari). Questa pulizia dei da� viene fata nel secondo

livello (strato intermedio) con la fase di pre-processing.

Nel terzo livello viene fata l’analisi dei da� atraverso dei

strumen� sta�s�ci.

Quello che osservo nel terzo livello servono per variare quello che faccio nel primo livello. Nasce il conceto

di interconnessione tra i processi (flussi di informazioni ver�cali, orizzontali). In questo livello posso agire sul

singolo processo o su tuto la catena iniziale. I da� che ricevo non saranno in real-�me ma ci danno una storia

di quello che ho raccolto nel tempo.

La stessa rappresentazione può essere vista in maniera diversa:

Gli strumen� di misura vivono nel primo livello (più in basso) e da qui che nasce anche l’incertezza.

Il sensore è il disposi�vo che misura una grandezza e ce l'ha res�tuisce in uscita, il sistema di misura invece è

un qualcosa di più che invece è capace di filtrare, amplificare prima di fornirci l'output.

La tendenza dell'industria è quella di andare verso gli smart sensor ("sensori intelligen�") e i sistemi di misura

intelligen�, in modo da andare verso sistemi a comportamento ada�vo, in cui i sistemi stessi cambiano il loro

comportamento al variare di alcuni parametri del sistema.

Altra tendenza è quella dell'auto diagnosi, ovvero un sistema che misura è in grado di dirci se sta misurando

bene o male, per capirlo per esempio si può fare una s�ma del rapporto segnale/rumore del segnale che

viene �rato fuori dal sensore; ques� trend ci portano a dire che si potrebbe ges�re in modo a�vo l'incertezza

di misura associando alla misura stessa un KPI (Key Performance Indicator) che magari u�lizzo per pesare la

qualità del dato stesso.

In questa piramide in riferimento alla fabbrica digitale si riporta il “cosa si fa” (what) sulla destra e il “come lo

si fa” (how) sulla sinistra.

Si misura per ricavare dei da� e lo si fa con dei sensori

• 

Ques� da� vengono trasmessi agli altri componen� del sistema fisico

• o pompa� ad uno stato superiore (questo è un po’ una scatola nera

per un ingegnere meccanico ed è un lavoro pretamente per gli

informa�ci) questo lo si fa atraverso una rete.



I da� una volta che arrivano devono essere analizza� (qui tornano

• u�li le conoscenze di un ingegnere sull'origine da cui provengono i

da�) lo si fa atraverso degli algoritmi



Alla fine, analizza� i da� con gli algoritmi si passa a dei sistemi che nell'ambito industriale sono

• chiama� MES (Manufacturing Execusion System), un sistema informa�zzato che ha la principale

funzione di ges�re e controllare la funzione produ�va di un'azienda dove si ges�sce il dato e la

conoscenza associata al dato per poi prendere le decisioni che governano il processo produ�vo.

Ad oggi l'uomo nel processo decisionale è sempre più supportato da meccanismi intelligen� di

supporto alla decisione sempre più importan� e infa� il trend in cui ci proieta industry 4.0 è questo;

anche se siamo ancora molto lontani da un sistema industriale di �po plug and play.

Negli ambien� industriali dove sono i sensori e cosa fanno?

Mol� di ques� sono u�lizza� negli impian� mul�-stadio (più processi interconnessi che eseguono lavorazioni

sequenziali sul semilavorato che fluisce lungo la linea). Vengono u�lizza� per il controllo dei processi,

controllo qualità e molto altro.

Come sono interconnessi ques� stadi: in modo parallelo e sequenziale.

A questa interconnessione è associato un flusso di da� ed informazioni che corrisponde ad un flusso fisico dei

materiali.

Un primo uso locale dei da� serve per preparare delle dashboard che servono all’operatore per monitorare e

diagnos�care lo stato del processo.

Se dentro uno di ques� stadi c’è un anello di retrazione ce un uso specifico di ques� da� in locale (ad esempio

in un forno posso controllare la temperatura e variarla in risposta all’errore della misurazione).

Classificazione degli strumen� di misura

Sensore: disposi�vi che misurano una grandezza e che lo fanno usando una delle molteplici tecnologie con

cui si possono realizzare i sensori (piezoeletrici, o�ci resis�vi ecc..)

Vengono installa� in una linea in modo fisso con par� da misurare in movimento, mobili e par� fisse in un

punto (misuro e tolgo il sensore), possono essere ges�� in maniera automa�ca mossi da un robot o da un

operatore.

Possiamo anche far e un’altra classificazione: on board, sensori a bordo di sistemi che vengono usa� sia in

fase di controllo che durante il funzionamento normale del componente. Wireless sensor, è il mondo dei

sensori IoT.

L’interazione dei sensori può essere anche un mo�vo di classificazione di quest’ul�mi: a contato, senza

contato (preferibili perché elimino anche tu� i sistemi di movimentazione dei sensori a contato)

Device di acquisizione da� (DAQ): pos� subito dopo i sensori che servono per elaborare i da� raccol� dai

sensori, trasformo il segnale analogico in digitale.

All'interno dell'DAQ avviene il campionamento (definisce la frequenza con la quale avviene la conversione

analogico-digitale, si parla di frequenza di campionamento), la quan�zzazione e la codifica del segnale queste

due ul�me funzioni del DAQ stanno ad indicare che io discre�zzo il segnale e poi lo rappresento con un codice

binario (dato digitale).

Na� come sistemi di acquisizione centrale che però ora si stanno trasformando sempre in più in edge devices

ovvero in prossimità dei processi. Ogni sensore avrà il suo disposi�vo di filtraggio, di amplificazione e di

conversione (DAQ). Ques� sistemi di conversione distribui�, mi permetono però anche di accorciare

enormemente il percorso analogico in cui il segnale è par�colarmente vulnerabile ai disturbi; quindi,

complessivamente miglioro la qualità delle informazioni.

Sistemi di visione: dà un'immagine acquisita con un sistema di visione, possiamo otenere un sacco di

informazioni quan�ta�ve, che però devono essere estrate. Quindi un sistema di visione diventa un sistema

di misura se tramite il processamento delle immagini, riusciamo a estrarre da quell'immagine uno o più

informazioni qualita�ve. L’immagine è una matrice di distribuzione spaziale di intensità luminose.

Un’immagine è fonte di molteplici informazioni (geometriche e se associate con il tempo anche variazioni

geometriche ovvero cinema�ca e deformazioni). Esempio di deformazione di uno pneuma�co misurato

con sistemi di visione. Si misura la variazione della

geometria nota (retangoli). Questa tecnica è nota come

DIC (Digital Imaging Correla�on).

I sistemi di visione possono sfrutare anche il colore di un

oggeto, questo però appesan�sce la misurazione perché

ho 3 matrici, una per ogni banda spetrale (rosso, verde,

blu).

Si possono sfrutare anche banda del non visibile caturando immagini nell’ultravioleto o infrarosso.

Stazioni di controllo qualità (QCS): è un luogo dove è presente un insieme di atrezzature che eseguono un

test. È necessario che all’interno di questa ci sia un sistema di acquisizione da� mul�canale, disposi�vi ed

atuatori che eseguono il test, so�ware che esegue il controllo della sequenza di prova e analisi dei da�

raccol� e il loro processamento, e sulla base di ques� emeto una classificazione e diagnosi.

Nelle stazioni di controllo

qualità oggi è molto più

comune trovare robot

affinché possa rendere la

sequenza di test molto più

ripe�bile che effetuata da un

operatore.

Sistemi cyber fisici: caraterizza� da una parte fisica e una informa�ca. Una stazione di controllo qualità se

automa�ca è un sistemi cyber fisico. Rappresenta un sistema in cui hardware di varia natura (atuatori,

sensori, struture meccaniche) esegue delle missioni, in un contesto di controllo e supervisione di �po digitale.

Ad oggi un sistema di controllo qualità è a tu� gli effe� un sistema Cyber Physico.

Ruolo dell’incertezza

L’incertezza ha effe� sulla decisione e sul controllo del processo.

Quando effetuo una misura questa viene sempre

incertezza

accompagnata da un certo grado di come

disturbi interferen� o modificatori

output dovu� da

in input alla misura. i disturbi casuali

Si cerca di dis�nguere da quelli

sistema�ci taratura.

atraverso la

s�ma dell’incertezza

La può essere effetuata atraverso diversi metodi:

1. la media

Ripe� X volte la misura che vuoi effetuare e u�lizza come valore finale di quei valori poiché

sulla media l’incertezza è la più bassa (elimino dife� casuali). Nella maggior parte dei processi

industriali questo metodo non è applicabile perché per fare la media devo fare più misure e in azienda

non ho tempo. Per spiegare perché la media sia o�male come metodo di misura per eliminare

l’incertezza è la curva di gauss.

Il risultato di questo è un intervallo, se la misura è all’interno di questo intervallo allora il risultato è

accetabile ma se sto al di fuori allora no. Ogni volta che effetuo una misura mi porto dietro il suo

intervallo di incertezza. Se stabilisco una soglia, se la misura rientra all’interno della soglia ma il suo

intervallo no allora sto aumentando il pericolo che la misura non sia accetabile, mi porta a prendere

diagnosi= falso posi�vo

decisione sbagliate [false (scarto qualcosa che in realtà era buono) /falso

nega�vo (do per buono qualcosa che era difetoso).]

A parità di condizioni per ridurre la probabilità di prendere decisioni sbagliate devo andare a ridurre

l’intervallo di incertezza della misura e questo si fa investendo sulla qualità dello strumento di misura.

Esistono delle norme che ci aiutano a prendere le decisioni: Nel campo verde sto sicuro da false

diagnosi, nei campi blu aumenta la

probabilità di fare false diagnosi

quindi devo prendere un U,

incertezza di misura,

sufficientemente piccolo (un

decimo,1/10).

L’incertezza di misura ha effe� anche sul controllo del processo, basta pensare ad un anello di

controllo di una macchina.

L’incertezza può essere ges�ta atraverso diverse strategie:

Taratura: ripetuta dopo un tot di tempo

o Fare medie della misura: permete di ridurre notevolmente l’incertezza

o Filtrazione input/output: pulisco il segnale da effe� di disturbi

o …..

o

2. Oggi esistono dei sistemi smart di misura che ci avvisano del loro non più correto funzionamento

dando vita ai sistemi cyber fisici, cominciano ad essere implementa� comportamen� intelligen� quali

per esempio:

L'autodiagnosi (self-diagnosys) lo strumento di misura, misurando degli opportuni

• 

parametri, è in grado di capire se sta funzionando corretamente o no, molte volte per

l'autodiagnosi lo strumento deve essere dotato di altri sensori che osservano il

comportamento del sensore principale.

Autotaratura (self-calibra�on) molto spesso avviene atraverso una verifica periodica

• 

della taratura proponendo a quel sistema di misura una grandezza di riferimento nota,

cos�tuita per esempio da un campione di riferimento calibrato che ci permete di verificare

se il sistema sia ancora tarato, in caso nega�vo abbiamo due strategie: eme�amo un allarme

per indicare la necessità di ritaratura dello strumento, oppure u�lizziamo una strategia di

correzione, dove si u�lizza il valore misurato e lo scarto rispeto al valore ateso per

correggere le misure, anche se tra le due strategie è preferibile la ritaratura dello strumento

Compensazione ada�va dei disturbi (strategia ada�va) in una strategia ada�va, osservo

• 

l'effeto del disturbo il quale, degrada la qualità della mia misura, e in qualche modo correggo

i parametri di misurazione per riportare la qualità della misura di nuovo al valore ateso

(esempio l'auto esposizione della telecamera, che reagisce alla variazione luminosa

dell'ambiente, andando a regolare i tempi di esposizione, per mantenere una certa qualità

dell’immagine)

“ABC” di o�ca: propagazione luce, componen� o�ci elementari,

polarizzazione

Propagazione della luce

Riflessione:

Fenomeno che avviene quando un fascio luminoso incide su una superficie liscia e si comporta come uno

specchio/superficie speculare rifletente; quindi, il fascio che viaggia in linea reta viene riflesso con un angolo

di riflessione uguale all’angolo di incidenza del fascio stesso sulla superficie.

L’angolo del fascio incidente uguale al l’angolo del fascio

riflesso.

Le superfici possono essere rifleten� se hanno una buona

finitura superficiale.

Sebbene questo è un comportamento semplicissimo è

anche estremamente raro perché raramente abbiamo a

che fare con superfici a specchio.

Se la superficie non è rifletente allora la radiazione incidente viene riemessa nello spazio priva di una

direzione preferenziale.

La natura di specularità o non specularità di una superficie non dipende dal materiale ma dalla rugosità

superficiale Un diffusore ideale (o diffusore di Lambert) distribuisce la luce nello spazio

secondo la legge:

Significa che se teta = 0 la luce diffusa è di intensità massima (cos(0)=1) , al crescere di teta, avvicinandoci

sempre più a 90° il coseno di teta tende a diminuire fino a diventare nullo (cos(90)=0), e quindi l'intensità

della luce diffusa diminuisce. Per vedere l'immagine di qualcosa, quel qualcosa deve avere una superficie

rugosa ovvero deve essere diffusivo.

La realtà è però diversa ovvero non abbiamo a che fare con una riflessione speculare o con la diffusione ideale

diffusione reale,

(o di Labert), ma abbiamo a che fare con una che è un qualcosa di intermedio tra la

riflessione speculare e la diffusione ideale. g=Ra/lambda,

Il parametro efficace per cambiare l’indice di diffusività di una superficie è il rapporto tra che

grado di rugosità rela�va alla lunghezza d’onda.

rappresenta il Più cresce la Ra a parità di lunghezza d'onda,

quindi maggiore è g, più andiamo verso una situazione assimilabile al diffusore Lamber�ano (diffusione

ideale).

Quando le superfici sono rifleten� avremo problemi sull’immagine perché vedo elemen� di disturbo

(immagini riflesse che n