Utilizzo della Rete CAN e dell’Intelligenza Artificiale per la Diagnostica e l’Ottimizzazione delle Trattrici

L'agricoltura nel XXI secolo sta vivendo un periodo di profondo cambiamento e innovazione, ricercando un aumento delle performance, ma allo stesso tempo cercando di contenere gli impatti ambientali. Le macchine agricole svolgono il compito fondamentale di facilitare la coltivazione del terreno, aumentandone di molto la produttività. Essendo che sono in aumento sia il trend della domanda mondiale di cibo che la popolazione globale, non si può sottovalutare la necessità dell’ottimizzazione delle macchine agricole ad oggi in produzione. Nell’ottica di miglioramento tecnologico si inserisce l’importanza di analizzare dati provenienti da trattrici in lavoro per capire eventuali criticità nell’utilizzo della macchina. Dunque l’obiettivo è strutturare una procedura robusta e automatizzabile per l’analisi dei dati registrati da un data-logger connesso alla rete CAN del veicolo, al fine di estrarre informazioni utili per un potenziale sviluppo del veicolo, per il monitoraggio della macchina e per la definizione delle condizioni di test al banco. I messaggi trasmessi dalla rete CAN-bus vengo inizialmente convertiti in formato interpretabile da Python, linguaggio in cui sono stati scritti una serie di algoritmi necessari per la manipolazione dei dati. I dati sono quindi raccolti in un database per facilitare i passaggi successivi. Una parte fondamentale dell’analisi è la classificazione dell’attività svolta dal trattore utilizzando algoritmi di intelligenza artificiale, integrati nell’apposita libreria di Python. Addestrando questi algoritmi è possibile determinare univocamente l’attività della macchina per ogni punto. Successivamente è possibile filtrare i dati per analizzare vari parametri della macchina (consumi, potenza sviluppata, rendimento del motore) per ogni condizione di funzionamento. Avendo poi anche strutturato un algoritmo che riporta tutte le attivazioni di errore di ogni centralina, è interessante associare l’attività svolta dalla macchina al momento dell’attivazione del malfunzionamento. Inoltre, i dati di reale utilizzo della trattrice sono stai utilizzati per calcolare le ore di prova al banco in un test di endurance della trasmissione, per replicare il danneggiamento reale degli ingranaggi. Durante il lavoro si è analizzata una macchina in particolare, ottenendo risultati soddisfacenti, riuscendo a capire quale è stato il reale utilizzo. Si sono create mappe di funzionamento del motore, per capire i punti maggiormente utilizzati e l’efficienza totale in quelle condizioni. Si è calcolato la potenza media e i consumi medi generati dalla machina per ogni attività svolta. Analizzando le ore di funzionamento di ogni combinazione marcia-gamma si sono calcolate le ore equivalenti della prova al banco per garantire lo stesso danneggiamento degli ingranaggi. Si è poi passati all’analisi generale del funzionamento della macchina, valutando i punti di funzionamento della macchina e le temperature di esercizio. In conclusione la procedura ideate si è rivelata efficacie per l’analisi di circa 500 ore di utilizzo di una singola macchina, riuscendo ad estrapolare informazioni sufficienti sull’utilizzo del trattore. Si è riusciti ad impostare un sistema di monitoraggio guasti che genera in output un report molto comodo da condividere(grazie alla possibilità di utilizzare diversi filtri di visualizzazione), in modo tale da permetterne la visione a chi ne avesse bisogno. Il lavoro svolto è da essere inteso come l’inizio di un percorso lungo, indirizzato verso un’ulteriore automatizzazione del processo e l’estensione ad una flotta sempre maggiore composta da tipologie di macchine differenti.