ingegneria ferroviaria

Ponti ferroviari, IoT e data mining per la manutenzione predittiva: una strategia di applicazione reale

Una grande opportunità per garantire la sicurezza dei ponti ferroviari ottimizzando efficienza ed efficacia delle strategie manutentive, è costituita dallo sviluppo e dall’applicazione di un sistema di Manutenzione Predittiva, integrante ingegneria ferroviaria, Information Technology e data mining

14 Lug 2020
Diego Bruciafreddo

CEO and founder Bruciafreddo Engineering

Antonio Lugarà

Big Data, Analytics & Industrial IoT Pre-Sales Engineer at Hitachi Vantara

Photo by Frank Eiffert on Unsplash

Al giorno d’oggi, con maggior frequenza rispetto al passato, le organizzazioni dedicano sempre più attenzione ai propri processi operativi e a come ridurne i costi. Attualmente, infatti, esse operano in un contesto di supply chain globali, invecchiamento degli apparati e della forza lavoro, variabilità dei prezzi delle materie prime ed ulteriori vincoli burocratici.

Nell’ambito delle opere civili, la stragrande maggioranza delle opere d’arte costruite a partire dalla metà del secolo scorso, sono soggette ad un globale decadimento delle proprietà meccaniche dovuto alle variate condizioni di carico ed esercizio rispetto a quelle di progetto, all’aggressione degli agenti atmosferici (es. cicli di gelo-disgelo), e, talvolta, a causa di azioni manutentive sottodimensionate.

Vogliamo quindi fornire alcune delucidazioni di carattere puramente qualitativo circa l’utilizzo di una strategia di manutenzione predittiva in ambito ferroviario*, tentando di semplificare un argomento in realtà molto complesso integrante l’ingegneria ferroviaria, aspetti inerenti l’Information Technology ed il data mining, e le implicazioni di business derivanti dall’applicazione di un innovativo framework manutentivo.

Il paradigma della manutenzione predittiva

Una grande opportunità per garantire la sicurezza dei manufatti pur ottimizzando efficienza ed efficacia delle strategie manutentive, è costituita dallo sviluppo e dall’applicazione di un sistema di Manutenzione Predittiva (MP) [1]. Questo nuovo paradigma è incentivato dalla disponibilità di grandi quantità di dati grazie a sensori sempre più intelligenti ed interconnessi, dalla necessità di ottenere di più con minori risorse (ad esempio estendendo la vita utile degli asset), dai costi ridotti dell’informatica inerenti alla capacità di calcolo, alle reti e alla memorizzazione dei dati, e, infine, dalla fusione tra Information Technology (IT) e Operational Technology (OT). La MP, intersecando IT e OT, può infatti fornire alle istituzioni preposte dettagli essenziali sulle risposte delle opere d’arte, nel caso specifico ponti e viadotti, rispetto alle varie sollecitazioni, statiche e dinamiche, fornendo anche informazioni sulla qualità dei materiali, consentendo, così, ottimizzazioni di attività manutentive, processi e risorse umane. La MP, quindi, potrebbe rappresentare l’applicazione risolutiva per essere all’avanguardia all’interno di un mercato globale e competitivo, contribuendo a garantire non solo l’utilizzo in sicurezza degli impalcati, ma anche agevolando il raggiungimento di benefici sia operativi che relativi a strumenti e metodi. Tra quelli operativi si citano:

  • ottimizzazione degli intervalli di manutenzione;
  • riduzione sostanziale dei periodi di interdizione al traffico non pianificati e relativa mobilità alternativa;
  • ottimizzazione delle tempistiche e delle modalità di esecuzione delle attività manutentive, evitando interventi in regime di urgenza ed in deroga alle normative sugli appalti.

Mentre rispetto a metodi e strumenti, si segnalano:

  • identificazione delle cause degli ammaloramenti attraverso analisi ad hoc;
  • perfezionamento degli strumenti e dei processi per la diagnosi;
  • determinazione di procedure manutentive ottimali.

I ponti ferroviari e il problema manutentivo: un inquadramento fisico-matematico

Nella sua essenza, il ponte, che sia un viadotto o un cavalcavia, è un’opera di ingegneria civile che risponde in maniera quantitativa al bisogno delle vie di comunicazione terrestri di superare degli ostacoli; bisogno indissolubilmente connesso con lo sviluppo economico e sociale di una civiltà.

Millenni di studi e realizzazioni di ponti hanno definito diverse declinazioni strutturali, tuttavia, ognuna di esse è inquadrabile secondo il seguente paradigma:

  • posizione del binario (ponte a via inferiore e ponte a via superiore);
  • schema costruttivo (ponte ad arco, ponte a travata, ponte strallato e ponte sospeso);
  • schema statico (ponte a schema isostatico e ponte a schema iperstatico);
  • materiale utilizzato (muratura, acciaio, calcestruzzo armato e calcestruzzo armato precompresso).

Naturalmente, un ponte, come organismo strutturale, deve rispondere a requisiti prestazionali ben definiti affinché possa ottemperare in maniera soddisfacente ai requisiti dei mezzi su esso marcianti; inoltre, rimane inteso che esso, in quanto opera strutturale, manifesti una risposta che è funzione generica del tempo in quanto intimamente collegata sia con la reologia dei materiali che lo costituiscono, sia con le variabili legate al carico di progetto che sono scaturite dal sistema socio-economico e dai modelli predittivi della domanda di trasporto adottati in fase di progettazione. Per esempio, basti pensare ai fenomeni viscosi che caratterizzano il calcestruzzo o ai fenomeni di rilassamento dell’acciaio oppure all’aumento dei mezzi in transito dal dopoguerra alla data odierna. L’ultima affermazione palesa che un’accettabile replicabilità della risposta nel tempo non possa essere ottenuta se non con un puntuale piano di interventi che permetta il ripristino, o il potenziamento, di una caratteristica una volta che questa manifesti necessità di essere rispristinata o potenziata. Tralasciando almeno in parte le attività connesse ad un potenziamento del sistema, la conservazione delle caratteristiche necessarie al ponte per assolvere la funzione per cui è stato progettato passa attraverso le operazioni di manutenzione. Nella pianificazione delle operazioni di manutenzione su una rete ferroviaria bisogna tenere in conto che la stessa è formata da una moltitudine di ponti che intervallano la via di comunicazione secondo necessità e per di più, come detto, esistono diverse declinazioni strutturali per la realizzazione di un ponte, le quali, a seconda delle condizioni al contorno locali, possono trovarsi in maniera equiprobabile. In maniera quantitativa basti pensare che, come si evince dal sito di Rete Ferroviarie Italiane (RFI) [2], in Italia su complessivi circa 16.781 km di linee sono presenti circa 26.000 tra ponti e viadotti per un totale di circa 800 km [3].

Il metodo più semplice per la manutenzione ordinaria, è basato sul concetto della manutenzione ciclica, ossia l’intervallo tra due manutenzioni successive è determinato a priori mediante modelli fisico-matematici che determinano dopo quanto tempo è necessario effettuare degli interventi per mantenere l’efficacia dell’infrastruttura. Il metodo ha di per sé un basso costo iniziale ma manifesta una scarsa efficacia dovuta alla limitazione intrinseca dei modelli utilizzati che non sono in grado di cogliere e prevedere il gran numero di variabili reali che influenzano lo stato di salute di una struttura. Attività basate sulla manutenzione ciclica, non possono ad esempio cogliere fenomeni quali la modifica della risposta a seguito di un cedimento delle fondazioni dell’infrastruttura o a causa di violenti eventi naturali.

Un metodo che permette una maggiore efficacia, ma dall’elevato costo, è la manutenzione a evento. In maniera sintetica, la manutenzione a evento si basa sul passaggio sulla rete di treni speciali, facenti parte della flotta di treni misure che, ad intervalli di tempo stabiliti a seconda della classe dell’infrastruttura, opportunamente attrezzati, eseguono delle misurazioni di parametri caratteristici.

Una evoluzione della manutenzione basata su condizione, che mira contemporaneamente all’aumento dell’efficacia e al contenimento dei costi, è la manutenzione predittiva (si veda ad esempio H. Hashemian et al. [4]), la quale mediante la raccolta costante di dati, a fronte della costruzione di un database statisticamente rappresentativo, agevola la costruzione di modelli matematici che, analizzando le diverse correlazioni tra segnali misurati ed eventi, permettono di determinare, o meglio di prevedere, l’anomalia incipiente, prima ancora che questa si verifichi. È chiaro che l’applicazione del metodo non possa prescindere da una estesa campagna di misurazioni per la quale le condizioni ideali si raggiungerebbero con misurazioni effettuate a ogni passaggio sulla linea, situazione che permetterebbe un monitoraggio continuo delle condizioni del sistema e la creazione di una robusta base di dati che cementifichi la validità delle deduzioni statistiche e fisico-matematiche.

Si consideri il più semplice modello concettuale di treno attraversante un ponte che consiste in una trave con massa e rigidezza distribuita su cui è in movimento una forza viaggiante P con velocità costante c (vedi Fig. 1). Questa rappresentazione equivale a dire che gli effetti inerziali legati alla massa del treno possono essere trascurati e l’estensione spaziale del ponte è preponderante rispetto a quella del treno (Fryba [5] e [6]).

Fig. 1 – Schema di riferimento per modellizzare il ponte attraversato da una forza viaggiante;

Come intuibile e ampiamente descritto in letteratura (vedasi, ad esempio, G.Buda et al. [7]) la presenza di un danno in una trave rettilinea può essere interpretato come una diminuzione delle caratteristiche fisiche e geometriche della sezione trasversale in un tratto di trave di ampiezza finita. Il monitoraggio continuo della caratteristica di rigidezza del ponte e della sua massa potrebbe permettere l’osservazione della sua evoluzione temporale e prevedere quando questa cominci a manifestare dei pericolosi segnali di deriva o, semplicemente, rilevare quando la funzionalità del sistema diminuisce e programmarne un check up approfondito.

Tavola rotonda
Edge computing e Intelligent Edge: migliorare i servizi e l'analisi dei dati
IoT

Compreso concettualmente l’approccio, è necessario individuare in maniera più rigorosa quali siano le variabili in gioco nel problema fisico-matematico del calcolo della risposta di un treno in movimento su un ponte.

Con riferimento alla figura 2, fissata un’ascissa con origine il punto di inizio di attraversamento del ponte, l’equivalente matematico del ponte ferroviario è un sistema di travi elastiche a massa e rigidezza distribuita con smorzamento proporzionale alla velocità di vibrazione (), in cui il pedice rappresenta la campata il cui numero totale è . Le funzioni deflessione verticale rappresentano l’incognita.

L’impalcato che sostiene l’armamento ferroviario è modellato con una distribuzione variabile di molle elastiche che simulano la variabilità di rigidezza offerta al convoglio a seconda della distanza dal traverso e dalla posizione in cui esso si muove.

Fig. 4-2 – Rappresentazione del modello matematico di un treno in moto su un ponte ferroviario;

Infine, il ponte ferroviario è caratterizzato dall’equazione differenziale della trave alla Eulero-Bernoulli:

A fronte di una serie di assunzioni e di passaggi matematici che esulano da questo articolo divulgativo (si rimanda nella versione scientifica della memoria), il sistema di equazioni differenziali che ne scaturisce per la modellizzazione del sistema può essere risolto mediante un qualsiasi metodo dell’analisi numerica, tuttavia l’onere pratico-computazionale associato assume rilevanza tale da rendersi effettivamente applicabile solo per alcuni casi. Difatti, il numero totale di equazioni è pari a , per cui considerando un treno di 15 vagoni (Q=15) a 4 assi (N=60) che attraversano un ponte di 4 campate (I=4) si ottiene un sistema di 154 equazioni differenziali accoppiate che ben rappresentano l’implicito onere computazionale. La risoluzione, inoltre, è inficiata dalla complessità relativa all’identificazione dei parametri meccanici relativi alle condizioni al contorno quali ad esempio la rigidezza da assegnare all’impalcato, oppure la conoscenza e la disponibilità di dati relativi a ogni ponte costruito, e allo stato di salute dei carrelli e relativa qualità costruttiva, ecc.

A valle di quanto esposto, è necessario comprendere come sarebbe possibile procedere a livello pratico per perseguire l’obiettivo di ottenere un efficace sistema di supporto alle decisioni costruibile con una complessità e un impiego di risorse ragionevoli. Per illustrare con semplicità una strategia di applicazione reale, si ipotizzi che il monitoraggio del ponte inizi ad un tempo, trascurando il pregresso. Così facendo si procederà alla costruzione di un data-set statisticamente rappresentativo costituito da migliaia di campionamenti effettuati quotidianamente. Un possibile approccio consiste nell’analizzare il data-set mediante metodi detti “supervisionati” in cui essendo nota la struttura dei dati di input e di quella di output, mostrate dal modello sopra esposto, vengono evidenziate correlazione e dipendenze tra le varie variabili oggetto di misura. In tal guisa, è possibile monitorare costantemente l’evoluzione delle variabili oggetto di analisi al trascorrere del tempo e dell’esercizio. L’assioma che un sistema ben conservato e integro debba mostrare una risposta stabile e perfettamente inquadrabile nel set di equazioni differenziali che governano il problema, può essere utilizzato per capire quale struttura ponte richieda di essere attenzionata grazie all’identificazione di potenziali derive dei parametri monitorati. Chiaramente, si potrebbe pensare anche, per casi particolari, di monitorare contemporaneamente le misurazioni a bordo treno e sul ponte per l’analisi di sistemi più complessi bypassando la difficoltà di modellazione di fenomeni che intervengono nel computo come ad esempio l’effetto del ballast.

Esiste, tuttavia, un’ulteriore approccio, basato sulla mera analisi dei dati che consiste nell’analizzare asetticamente, ossia senza applicazione diretta delle teorie fisico-ingegneristiche, la mole di dati registrati e procedere all’identificazione di schemi ricorrenti mediante l’utilizzo di tecniche di Data Discovery basate su “metodi non supervisionati” ossia metodi utilizzati per identificare relazioni e schemi ricorrenti su basi di dati multidimensionali nelle condizioni in cui non si conoscano a priori la struttura dei dati in input e quella attesa in output.

Entrambi gli approcci concettuali esposti conducono alla massimizzazione dei risultati ottenibili dalle risorse impiegate per la misurazione dei dati, e permettono la costruzione di metodi e modelli che consentano un monitoraggio della rete continuo e probabilmente in grado di anticipare potenziali inneschi di condizioni di insuccesso del sistema.

A causa della complessità di calcolo richiesto e delle necessarie azioni di estrazione e orchestrazione delle relative condizioni al contorno provenienti da più domini eterogenei, risulta improbabile l’analisi in tempo quasi reale della risposta attesa e di quella misurata affidando il tutto alla gestione del personale tecnico preposto. La mole di dati da gestire, la complessità dei processi di estrazione e calcolo dei dati, l’intervallo temporale ristretto in cui agire, richiedono l’implementazione di una soluzione automatizzata in grado di gestire i processi in parallelo bilanciando l’ingente carico di lavoro su un framework IoT appositamente progettato, ed in grado di azionare un workflow a fronte del raggiungimento di determinati valori soglia o all’identificazione di specifici schemi ricorrenti nelle variabili di stato oggetto di analisi.

*L’articolo rappresenta un estratto semplificato di una memoria già pubblicata sulla rivista Ingegneria Ferroviaria, alla quale si rimanda per una trattazione più esaustiva delle teorie fisico-matematiche ipotizzate e degli strumenti di data science più idonei.

Bibliografia

[1] A. Lugarà – The railway predictive maintenance and the enabling role of the “internet of things”. Ingegneria Ferroviaria, May 2018

[2] http://www.rfi.it/rfi/LINEE-STAZIONI-TERRITORIO/Istantanea-sulla-rete#2

[3] Workshop “La manutenzione integrata nell’ambito di Industria 4.0” – Università di Napoli, 28/09/2018

[4] H.M.Hashemian, Wendell C. Bean, “ State-of-the-Art Predictive Maintenance Techniques”, IEEE Transactions on Instrumentation and Measurement (Volume:60, Issue:10,Oct.2011)

[5] L. Fryba, “Dynamics of Railway Bridges”, Ch. 1 and Ch.5, Thomas Telford, London, 1996.

[6] L. Fryba, “Vibration of Solids and Structures under Moving Load” , Ch. 1 , Thomas Telford, London, 1999.

[7] G.Buda,S.Caddemi, “Identificazione del danno di travi di Eulero-Bernoulli soggette a carichi quasi statici”, 16th AIMETA Congress of Theretical and Applied Mechanics, AIMETA, 2003

[8] Salker, P., Adam, C.: Modeling of dynamic train bridge interaction in high speed railways. Springer Journal, (226) 2473-2495, (2015).

[9] M. Petracca et al. – Definition of the sensor event-based middleware – Intelligent Cooperative Sensing For Improved Traffic Efficiency.

[10] A. Brunetti, P. Mazzanti – Il monitoraggio dinamico delle strutture e delle infrastrutture con interferometria radar terrestre. www.ingenio-web.it

[11] Luzi L., Hailemikael S., Bindi D., Pacor F., Mele F., Sabetta F., ITalian ACcelerotmetic Archive (ITACA), version 2.0:A Web Portal for the Dissemination of Italian Strong-motion Data, Seismological Research Letters, 79(5), 716–722. Doi:10.1785/gssrl.79.5.716 (2008).

WEBINAR
Intelligenza Artificiale, Data Analysis e Image Recognition: i vantaggi concreti per l’azienda
Big Data
Intelligenza Artificiale

[12] Lenzi et al., Annotazioni sulla dinamica dei ponti ferroviari, Ingegneria Ferroviaria, Gennaio 2018.

@RIPRODUZIONE RISERVATA

Articolo 1 di 4