AS 3

Automazione e Strumentazione n Aprile 2024 Speciale 83 STRUMENTI DI PROCESSO chiti con informazioni aggiuntive (provenienti ad esempio dai sistemi gestionali). In sostanza i dati in tempo reale sono trasformati per prendere deci- sioni a livello di impianto e di processo. Ai dati, in ultima istanza, sono applicate funzioni statistiche e di analisi per ricavare indicatori di efficienza e produttività (KPI), accessibili in modo intuitivo attraverso grafici, dashboard, app, portali web dedicati e sistemi di Business Intelligence. Una naturale evoluzione di questo scenario è l’applicazione di Digital Twin (connessi a sistemi fisici attraverso i sensori) e algoritmi di AI e ML (Machine Learning), con la conseguente possibi- lità di ottenere indicazioni utili a migliorare con- sumi, prestazioni ed efficienza di macchinari e impianti. Microsensori Una classe rilevante di sensori di processo uti- lizza la tecnologia Mems (Micro-Electromechani- cal Systems) basata su microstrutture meccaniche e circuiteria microelettronica integrate all’interno dello stesso chip. La tecnologia Mems si distin- gue dalla nanotecnologia molecolare o dall’e- lettronica molecolare in quanto queste ultime devono considerare anche la chimica delle super- fici, ma si fonde su scala nanometrica nei sistemi nanoelettromeccanici (Nems), nelle nanotecnolo- gie e nei sistemi microfuidici. I dispositivi Mems furono proposti per la prima volta negli anni 60, in seguito allo studio del potenziale piezoresistivo del silicio e del germanio. La ricerca e lo sviluppo in questo campo si sono progressivamente inten- sificati a partire dagli anni 80. Recentemente, le tecnologie di micro-fabbricazione sono state ampiamente utilizzate per realizzare sensori di processo, nei quali la miniaturizzazione consente di raggiungere un’elevata precisione e costi ridotti rispetto ai tradizionali sistemi di misura. La tecnologia Mems per le misure di processo si estende anche ai biosensori e ai sensori ambien- tali. Sebbene la tecnologia dei biosensori sia stata ampiamente adottata in numerosi campi scien- tifici, ancora non ha raggiunto il pieno successo commerciale. In alcuni settori dell’industria di processo come quello della sicurezza alimentare, lo sviluppo dei biosensori offre un metodo sem- plice ed economico per raccogliere dati selettivi in tempo reale. I biosensori si basano su un trasduttore che genera un segnale fisico-chimico risultante dall’intera- zione dell’analita (sostanza da determinare tra- mite analisi chimica) con un elemento biologico. Il segnale fisico-chimico viene quindi convertito in un segnale elettrico. Sono altamente specializzati e possono rilevare segnali standard da parametri di processo come la temperatura o il pH. Lo sviluppo dei biosensori è iniziato negli anni 60 del ventesimo secolo. Molto consolidato è anche l’uso di sensori Mems per il monitoraggio ambientale: sensori di tempe- ratura, capacitivi, induttivi e ottici sono ampia- mente diffusi per analizzare la qualità dell’aria, dell’acqua, del suolo, l’inquinamento acustico e atmosferico, il consumo energetico. Soft Sensing Il rilevamento virtuale, noto anche come Soft Sensing, si basa sui dati catturati da sensori fisici e sull’uso di modelli matematici deputati a cono- scere le proprietà di un prodotto o le condizioni di un processo. Grazie ad essi è possibile costru- ire robusti sensori virtuali in grado di prevedere i valori di parametri come temperatura, pressione, umidità e velocità. Questi sensori sono fatti per misurare valori che risulta costoso, estremamente difficile o addirittura impossibile misurare con sensori fisici tradizionali. Nell’industria di processo i sensori virtuali sono utilizzati in combinazione con tecniche di Intel- ligenza Artificiale e IoT in modo da progettare macchinari e impianti senza ricorrere a complessi prototipi. Questo approccio consente anche di ottimizzare i processi e di monitorarli a distanza fornendo dati in modo tempestivo. n Un’applicazione di misura di portata in ambito oil&gas