Connettore Manutenzione Predittiva

Panoramica

Il connettore Predictive arricchisce un payload Meddle in ingresso con metriche di manutenzione predittiva per uno o più segnali configurati. Per ogni segnale calcola un trend (tasso di variazione), una stima della Vita Utile Residua (RUL) in cicli e uno score di salute tra 0 e 100. Solleva anche un flag di allerta opzionale quando la RUL scende sotto una soglia definita dall’utente.

Tipi Connettore:

• Predictive - Processore con stato che mantiene un buffer mobile per segnale ed emette payload arricchiti

Sebbene sia un processore, il connettore è categorizzato sotto industrial/ perché il suo caso d’uso principale è il monitoraggio delle condizioni di macchine, motori, pompe e altri asset industriali.

Caratteristiche

• ✅ Tre metodi di calcolo del trend: regressione lineare, moving average, EWMA
• ✅ Limiti superiori e inferiori per ogni segnale
• ✅ Stima RUL in cicli verso i limiti configurati
• ✅ Score di salute derivato dalla distanza dai limiti configurati (0-100)
• ✅ Flag di allerta RUL opzionale sotto soglia
• ✅ Coercizione numerica tollerante (gestisce int, float, stringhe)
• ✅ Payload originale preservato — i campi predittivi vengono fusi

Configurazione di Base

Trend con Regressione Lineare e Allerta RUL

{
  "type": "Predictive",
  "config": {
    "signals": [
      {
        "key": "vibration_rms",
        "upperLimit": 0.8,
        "degradationRate": 0.001
      }
    ],
    "windowSize": 30,
    "method": "linear_regression",
    "alertOnRul": 168
  }
}

Smoothing EWMA per Segnali Rumorosi

{
  "type": "Predictive",
  "config": {
    "signals": [
      {
        "key": "bearing_temperature",
        "upperLimit": 95.0,
        "lowerLimit": 20.0
      }
    ],
    "windowSize": 50,
    "method": "ewma"
  }
}

Segnali Multipli

{
  "type": "Predictive",
  "config": {
    "signals": [
      {
        "key": "motor_current",
        "upperLimit": 25.0
      },
      {
        "key": "vibration_rms",
        "upperLimit": 0.8
      },
      {
        "key": "oil_pressure",
        "lowerLimit": 2.0
      }
    ],
    "windowSize": 30,
    "method": "linear_regression",
    "alertOnRul": 48
  }
}

Parametri di Configurazione

Signals

Lista non vuota richiesta di segnali da monitorare.

{
  "signals": [
    {
      "key": "vibration_rms",
      "upperLimit": 0.8,
      "lowerLimit": 0.0,
      "degradationRate": 0.001
    }
  ]
}

Signal: Key

La chiave del payload da leggere ad ogni ciclo. Deve corrispondere esattamente al payload in ingresso.

{ "key": "vibration_rms" }

Signal: UpperLimit / LowerLimit

I limiti operativi configurati per questo segnale.

{
  "upperLimit": 0.8,
  "lowerLimit": 0.0
}

• upperLimit - Il valore di “allarme alto”. Quando il trend è positivo, la RUL è calcolata come la distanza da questo limite divisa per il trend
• lowerLimit - Il valore di “allarme basso”. Quando il trend è negativo, la RUL è calcolata come la distanza sotto il valore corrente divisa per |trend|

Almeno uno dei due dovrebbe essere impostato per una RUL significativa; altrimenti la RUL viene riportata come +Inf.

Signal: DegradationRate

Riservato per uso futuro (pendenza di degradazione attesa per segnale). Opzionale.

{ "degradationRate": 0.001 }

Window Size

Richiesto. Il numero di campioni recenti da mantenere nel buffer circolare per segnale.

{ "windowSize": 30 }

Valori raccomandati:

• Segnali veloci/puliti: 10-30
• Sensori industriali rumorosi: 50-200
• Segnali di degradazione lenta: 500+

La dimensione della finestra guida anche il fattore di smoothing EWMA: alpha = 2 / (windowSize + 1).

Method

Richiesto. Uno tra:

• linear_regression - Pendenza dei minimi quadrati sull’intera finestra (richiede ≥ 3 campioni)
• moving_average - Differenza tra moving average successive (richiede ≥ 1 campione)
• ewma - Moving average pesata esponenzialmente; il trend è il delta tra valori EWMA successivi (richiede ≥ 1 campione)

{ "method": "linear_regression" }

Scegliere un metodo:

• Regressione lineare: ottima quando ti fidi del recente passato come predittore della pendenza di degradazione (cuscinetti motore, usura graduale)
• Moving average: ottima quando vuoi reiezione del rumore ma latenza minima
• EWMA: ottima quando i campioni recenti dovrebbero pesare più di quelli vecchi (sistemi a rapida variazione)

Alert On RUL

Opzionale. Quando la RUL scende sotto questa soglia (in cicli), il payload di output viene marcato con <key>_rul_alert: true.

{ "alertOnRul": 168 }

L’unità è “cicli” — cioè il numero di campioni finché il segnale è previsto raggiungere il suo limite. Per tradurre in tempo reale, moltiplica per l’intervallo di campionamento a monte.

Payload di Output

Ogni segnale produce tre nuove chiavi (e opzionalmente una quarta):

{
  "vibration_rms": 0.62,
  "vibration_rms_trend": 0.005,
  "vibration_rms_rul": 36,
  "vibration_rms_health_score": 22.5,
  "vibration_rms_rul_alert": true
}

Chiave	Significato
<key>_trend	Tasso di variazione per ciclo
<key>_rul	Vita Utile Residua in cicli (o +Inf quando non prevedibile)
<key>_health_score	Score 0-100 (100 = sano, 0 = al/oltre il limite)
<key>_rul_alert	Impostato a true solo quando alertOnRul è configurato e la RUL è sotto di esso

Le chiavi originali del payload in ingresso vengono passate invariate.

Riferimento del Calcolo

Trend

• linear_regression: pendenza m = (n·Σxy − Σx·Σy) / (n·Σx² − (Σx)²) sulla finestra
• moving_average: mean(window_t) − mean(window_{t−1})
• ewma: EWMA_t − EWMA_{t−1}, con alpha = 2 / (windowSize + 1)

RUL

• Se trend > 0 e upperLimit impostato: RUL = (upperLimit − currentVal) / trend
• Se trend < 0 e lowerLimit impostato: RUL = (currentVal − lowerLimit) / |trend|
• Altrimenti: RUL = +Inf (nessuna stima significativa)

Se il valore corrente è già oltre il limite rilevante, RUL = 0.

Health Score

• Se entrambi i limiti impostati: 100 significa al punto medio; 0 a qualsiasi limite (lineare)
• Se solo upper: 100 a 0, 0 al upperLimit (lineare)
• Se solo lower: 100 a valori alti, 0 al lowerLimit
• Se nessuno: 100 (nessun vincolo, segnale informativo)

Tutti gli score sono limitati a [0, 100].

Flusso di Dati

DataPayload → Predictive → DataPayload + (<key>_trend, _rul, _health_score, _rul_alert?)

Esempio (linear_regression, windowSize=10, upperLimit=0.8):

Ultimi 10 campioni di vibration_rms:

[0.42, 0.45, 0.47, 0.51, 0.55, 0.58, 0.60, 0.63, 0.65, 0.68]

• Trend (pendenza): ≈ +0.029 per ciclo
• Valore corrente: 0.68
• RUL: (0.8 − 0.68) / 0.029 ≈ 4.1 cicli
• Health score: ((0.8 − 0.68) / 0.8) × 100 = 15.0
• Se è impostato alertOnRul: 10 → _rul_alert: true

Casi d’Uso Comuni

1. Tracciamento Degradazione Cuscinetto

Monitora il valore RMS di vibrazione e prevedi il guasto a 7 giorni di distanza (assumendo campionamento di 1 minuto, 168 cicli/settimana × 60 ≈ 10080 cicli/settimana):

{
  "type": "Predictive",
  "config": {
    "signals": [
      {
        "key": "vibration_rms",
        "upperLimit": 0.8
      }
    ],
    "windowSize": 60,
    "method": "linear_regression",
    "alertOnRul": 10080
  }
}

2. Monitoraggio Pressione Sistema di Lubrificazione

{
  "type": "Predictive",
  "config": {
    "signals": [
      {
        "key": "oil_pressure_bar",
        "lowerLimit": 2.0
      }
    ],
    "windowSize": 30,
    "method": "ewma",
    "alertOnRul": 240
  }
}

3. Score di Salute Pompa Multi-Segnale

{
  "type": "Predictive",
  "config": {
    "signals": [
      { "key": "motor_current", "upperLimit": 25 },
      { "key": "discharge_pressure", "lowerLimit": 5, "upperLimit": 12 },
      { "key": "vibration_rms", "upperLimit": 0.7 },
      { "key": "bearing_temp", "upperLimit": 90 }
    ],
    "windowSize": 50,
    "method": "moving_average"
  }
}

La pipeline a valle può calcolare uno score di salute pompa complessivo aggregando le chiavi <segnale>_health_score.

Risoluzione dei Problemi

insufficient data points

Problema: Errore riportato per i primi campioni

Soluzioni:

1. Comportamento atteso — linear_regression richiede almeno 3 campioni prima di poter emettere un trend
2. EWMA e moving average richiedono almeno 1 campione
3. Usa un connettore Filter a valle per ignorare il warning se desiderato

cannot convert <type> to float64

Problema: Il valore di un segnale non può essere convertito in numero

Soluzioni:

1. Conferma che il connettore a monte stia consegnando valori numerici per la key configurata
2. Booleani, struct e array non possono essere elaborati — usa un Transform a monte per estrarre uno scalare
3. Le stringhe sono accettate dai connettori a monte che fanno parsing numerico in stile OEE, ma Predictive richiede tipi compatibili con connector.ToFloat64

La RUL È Sempre +Inf

Problema: Il trend sembra essere 0 o nessun limite è impostato

Soluzioni:

1. Il segnale deve avere un trend non zero E un limite allineato alla direzione del trend
2. Se il segnale non sta cambiando, la RUL non è definita in modo significativo — è il comportamento corretto
3. Per un segnale piatto ma degradato, preferisci lo score di salute alla RUL

Le Allerte RUL Si Attivano Costantemente

Problema: _rul_alert: true spurio su molti cicli

Soluzioni:

1. Aumenta windowSize per attenuare la stima del trend
2. Passa da linear_regression a ewma per trend meno volatili
3. Aumenta la soglia alertOnRul per allinearla al tempo di lead reale

L’Health Score È 0 Senza Motivo Apparente

Problema: Lo score rimane bloccato a 0

Soluzioni:

1. Verifica che il valore corrente non sia già oltre il limite configurato — se sì, lo score è correttamente 0
2. Se solo lowerLimit è impostato e il valore è uguale a 0, la formula valore / lowerLimit è anch’essa 0
3. Configura sia upperLimit che lowerLimit per uno score basato sul punto medio

Migliori Pratiche

1. Calibra i Limiti Sui Dati Operativi Reali

Non prendere upperLimit da un datasheet del fornitore. Profila l’asset per alcune settimane e scegli un limite che sia 10-20% all’interno della soglia catastrofica.

2. Abbina la Dimensione della Finestra alla Cadenza di Campionamento

Per dati a 1Hz e degradazione settimanale, una finestra di ~1 ora (3600 campioni) può essere eccessiva — la maggior parte dei segnali di degradazione non ha bisogno di così tanta storia. Inizia con ~30 campioni e calibra.

3. Usa la Regressione Lineare per il Trending Diagnostico

La pendenza della regressione lineare è l’output di trend più interpretabile ed è il default corretto per la lenta degradazione industriale.

4. Evita Allerte al Primo Campione

I primi ≤ 3 campioni producono trend di zero o RUL di +Inf. Usa un Trigger o Filter a valle in modo che le allerte non si attivino spuriamente all’avvio.

5. Concatena con una Macchina a Stati di Allarme

Alimenta il flag _rul_alert in un blocco Isa182 per applicare un workflow di riconoscimento standardizzato sopra la previsione grezza.

Esempi di Flussi

Predictive → Allarme → Notifica

ModbusReader → Predictive → Isa182 → Alert (email)

1. ModbusReader: Estrae vibration_rms e bearing_temp da un sensore di vibrazione
2. Predictive: Calcola trend, RUL e score di salute per entrambi i segnali
3. Isa182: Attiva un allarme quando vibration_rms_rul_alert == true o bearing_temp_health_score < 30
4. Alert: Invia email al team di manutenzione

Dashboard di Salute Asset Multi-Segnale

OpcuaReader → Predictive → Reshape → Chart (gauge per segnale)
                                  └→ InfluxDb2Writer

1. OpcuaReader: Legge tutti i segnali rilevanti dal server OPC UA dell’asset
2. Predictive: Arricchisce ogni segnale con _trend, _rul, _health_score
3. Reshape: Ristruttura il payload per il consumo da parte del chart
4. Chart: Renderizza un gauge per lo score di salute di ogni segnale
5. InfluxDb2Writer: Persiste per analisi di trend a lungo termine

Connettori Correlati

• ISA-18.2 - Avvolgi le allerte RUL in una macchina a stati
• Anomaly Detect - Rileva outlier statistici
• Aggregation - Media i segnali prima di alimentare Predictive
• Trigger - Emissione condizionale su allerte RUL
• InfluxDB v2 - Persiste metriche predittive per analisi

Risorse Aggiuntive

• ISO 17359 - Condition monitoring e diagnostica di macchine (linee guida generali)
• ISO 13374 - Condition monitoring e diagnostica di sistemi macchina (elaborazione dati, comunicazione e presentazione)
• NASA Prognostics Center of Excellence - Ricerca sulla metodologia RUL
• Riferimento Exponentially Weighted Moving Average (EWMA)