Una macchina che lavora per anni può trovarsi a lavorare in condizioni molto diverse, perché cambiano i carichi, le velocità, le temperature, i ritmi di produzione e anche l’ambiente. Tutto questo si riflette sul lubrificante, che può durare più o meno a lungo a seconda di quanto e come viene messo alla prova. Per cuscinetti, ingranaggi e altri organi di trasmissione significa che anche le esigenze di lubrificazione possono cambiare. Il grasso di un cuscinetto che lavora a lungo ad alte temperature e con carichi elevati, per esempio, può degradarsi più rapidamente rispetto a quello dello stesso componente usato in condizioni meno impegnative. I dati raccolti mentre la macchina lavora possono aiutare a seguire queste differenze e a scegliere meglio quando lubrificare e, nel caso del grasso, quanto aggiungerne.
Nel caso di un cuscinetto lubrificato a grasso, la quantità deve essere sufficiente a ridurre attrito e usura tra le superfici in movimento, evitando però di riempire troppo gli spazi interni. Un eccesso aumenta infatti la resistenza al movimento e il rimescolamento del lubrificante, genera più calore e fa salire la temperatura del cuscinetto. Anche un ingrassaggio troppo veloce può creare problemi, perché la pressione che si forma all’interno può sollecitare le tenute e favorire perdite. Gli intervalli di rilubrificazione vengono generalmente stabiliti considerando tipo e dimensioni del cuscinetto, velocità, temperatura, carico, ambiente di lavoro e caratteristiche del grasso, ma a questi riferimenti si possono aggiungere i dati raccolti durante il funzionamento.
Parametri che influenzano la durata del grasso
La temperatura è uno dei parametri che incidono maggiormente sulla durata del grasso, perché quando aumenta accelerano i processi di degradazione e cambiano le caratteristiche del lubrificante. Velocità e carico modificano a loro volta le condizioni del contatto, mentre acqua, polvere e altre contaminazioni possono ridurre ulteriormente la capacità del grasso di svolgere il suo lavoro. Anche le modalità di utilizzo della macchina hanno un effetto e ore di funzionamento, numero di avviamenti, velocità e carichi permettono di ricostruire come ha lavorato il cuscinetto.
La lubrificazione programmata utilizza intervalli definiti in anticipo, mentre quella basata sulle condizioni affianca a questi riferimenti i dati raccolti durante il funzionamento. Vibrazioni, emissioni acustiche e temperatura, normalmente utilizzate per individuare anomalie e possibili difetti di un cuscinetto, possono fornire informazioni anche sulle sue condizioni di lubrificazione. Una riduzione del film lubrificante aumenta infatti l’interazione tra le superfici e modifica attrito, temperatura e segnali acustici, offrendo indicazioni utili per valutare se e quando intervenire.
(Fonte: Richard Heinlein, Markus Grebe, Christoph Herrmann, Detection of Lubrication Condition in Hydrodynamic Journal Bearings Based on Dynamic Experimentation Using Acoustic Emission and Machine Learning, Lubricants, 2026, 14, 229. MDPI, CC BY 4.0.)
Monitoraggio del film lubrificante
Le emissioni acustiche sono onde elastiche generate all’interno del materiale da fenomeni molto rapidi come attrito e interazione tra le superfici e cambiano anche in funzione delle condizioni di lubrificazione. Una recente ricerca su cuscinetti assiali a rotolamento ha trovato una relazione tra queste emissioni e lo spessore del film lubrificante, ricavando dalle misure indicazioni sul modo in cui sta lavorando il cuscinetto. Velocità di rotazione e viscosità influiscono a loro volta sul regime di lubrificazione, che può andare da una condizione in cui il film è molto sottile e le superfici entrano parzialmente in contatto, fino alla loro completa separazione attraverso il lubrificante, passando per condizioni intermedie. I risultati dipendono comunque dalla struttura del cuscinetto e dalle sue condizioni di funzionamento, che influenzano anche le emissioni rilevate. (1)
Gli ultrasuoni possono arrivare a misurare direttamente lo spessore del film di grasso mentre il cuscinetto lavora. In una sperimentazione su cuscinetti volventi, la riflessione degli ultrasuoni è stata utilizzata per seguire contemporaneamente lo spessore del film e la velocità della gabbia, osservando così la lubrificazione attraverso una grandezza direttamente legata alla presenza del grasso nel contatto. Tecniche analoghe sono state sperimentate anche sui grandi cuscinetti utilizzati per il controllo del passo delle pale eoliche, misurando lo spessore del film tra rulli e anelli durante prove industriali. (2)
Effetti della sovralubrificazione nei cuscinetti
La carenza di lubrificante viene facilmente associata all’aumento di attrito e usura, mentre un’abbondanza di grasso può sembrare una condizione più sicura. Gli elementi volventi, però, devono spostare e distribuire il grasso all’interno del cuscinetto e, quando ce n’è troppo, incontrano una resistenza maggiore. Una parte dell’energia meccanica viene trasformata in calore, la temperatura può aumentare e il grasso in eccesso deve trovare spazio per redistribuirsi nell’alloggiamento. L’aumento della temperatura può a sua volta accelerare il deterioramento del lubrificante, per cui aggiungere altro grasso a un cuscinetto già sovralubrificato rischia di aumentare il problema.
La misura può cambiare a seconda di dove si trova il sensore, di come il segnale si trasmette attraverso la struttura, della velocità e del carico della macchina e anche del rumore prodotto dagli altri componenti. Per questo è utile confrontarla con gli altri dati disponibili e seguirne l’andamento mentre viene aggiunto il grasso. Se, durante la rilubrificazione, cambia un parametro legato all’attrito, si può osservare come reagisce il cuscinetto man mano che riceve lubrificante e mettere questa risposta in relazione con la quantità introdotta.
Dati di funzionamento e manutenzione condition-based
Una macchina controllata elettronicamente produce già molte delle informazioni che possono essere utilizzate. Velocità dell’albero, assorbimento o coppia, temperatura, avviamenti e ore di funzionamento possono essere disponibili nel drive o nel sistema di automazione e, quando serve, essere affiancati da sensori dedicati al cuscinetto. La differenza rispetto a un semplice contatore delle ore sta nella possibilità di conservare anche la storia delle condizioni attraversate. Mille ore possono comprendere periodi a velocità, temperature e carichi molto diversi e l’intervallo previsto può essere valutato anche alla luce di come la macchina ha lavorato davvero. Carichi elevati, temperature più alte o condizioni particolarmente impegnative possono portare ad anticipare l’intervento, mentre un utilizzo meno intenso può lasciare più margine. Una parte dei dati necessari è quindi già presente nell’automazione e può essere utilizzata anche per mettere in relazione la rilubrificazione con l’impiego reale della macchina.
AI per l’analisi multimodale dei segnali
Temperatura, velocità, carico, viscosità ed emissioni acustiche descrivono aspetti diversi della lubrificazione, ma sono strettamente legati tra loro. Se aumenta il carico cambia la pressione tra le superfici, la velocità influisce sulla formazione del film e la temperatura modifica la viscosità. Una temperatura più alta può quindi dipendere da condizioni di lavoro più impegnative oppure accompagnare un cambiamento della lubrificazione e, per distinguerne le cause, bisogna considerare contemporaneamente quello che sta succedendo alla macchina.
L’intelligenza artificiale permette di mettere insieme queste variabili e cercare le combinazioni associate a determinate condizioni di lubrificazione. Un algoritmo addestrato con dati raccolti in condizioni note può imparare quali caratteristiche ricorrono quando il film separa bene le superfici, quando diventa più sottile o quando aumenta il contatto tra le loro asperità. Temperatura, carico, velocità ed emissioni acustiche vengono così interpretati anche attraverso le relazioni che hanno tra loro. Questo principio è già stato sperimentato sui cuscinetti radenti, utilizzando il machine learning per riconoscere le condizioni di lubrificazione attraverso le emissioni acustiche. (3)
L’AI può anche stimare grandezze difficili da misurare continuamente durante il funzionamento, come lo spessore del film, la pressione e la temperatura nel contatto. Questi valori dipendono dalla geometria del componente, dalla velocità, dal carico e dalle caratteristiche del lubrificante e possono essere calcolati attraverso modelli fisici e simulazioni numeriche. Le reti neurali possono imparare dai risultati di queste simulazioni e fornire poi molto più rapidamente una stima di ciò che succede nel contatto quando cambiano le condizioni di lavoro. Questo metodo è stato applicato ai cuscinetti radenti per ricavare pressione, temperatura, spessore del film e deformazioni. (4)
Le Physics-Informed Neural Networks, o PINN, aggiungono alle informazioni ricavate dai dati anche le equazioni che descrivono il fenomeno fisico. Il modello deve perciò tenere conto delle relazioni che legano pressione, viscosità, velocità e spessore del film, un approccio studiato anche per seguire cuscinetti sottoposti a carichi variabili e ricavare rapidamente informazioni sul regime di lubrificazione durante il funzionamento. (5)
(Fonte:Ahmed Saleh, Georg Jacobs, Wenxi Chen, Mattheüs Lucassen, Benjamin Lehmann, Method for Real-Time Monitoring of the Lubrication Regimes in Dynamically Loaded Radial Sliding Bearings Using Physics-Informed Neural Networks (PINNs), Lubricants, 2026, 14(7), 278:)
Stima degli intervalli e delle quantità di grasso
L’utilità di queste elaborazioni cresce quando vengono messe in relazione con la storia della macchina. Temperatura, velocità, carico e ore di funzionamento possono essere seguiti insieme a ultrasuoni, emissioni acustiche e altri segnali, permettendo all’AI di riconoscere il modo in cui più parametri cambiano contemporaneamente. Un aumento della temperatura assume così un significato diverso se avviene durante una fase di forte carico oppure se compare insieme a variazioni dei segnali legati all’attrito mentre le altre condizioni rimangono stabili.
Anche la rilubrificazione può entrare in questa analisi. Mentre viene aggiunto il grasso, i parametri sensibili all’attrito mostrano come reagisce il cuscinetto e la risposta può essere confrontata con quella registrata in precedenza, mettendo in relazione la quantità introdotta con ciò che succede subito dopo nel componente.
Il machine learning è già stato utilizzato per riconoscere diverse condizioni di lubrificazione e le reti neurali possono stimare grandezze difficili da osservare direttamente durante il funzionamento. Utilizzare queste informazioni per stabilire quando e quanto rilubrificare richiede però modelli verificati sul componente, sul lubrificante e sulle condizioni della macchina. L’AI può quindi affiancare le indicazioni del costruttore e gli intervalli previsti con quanto i dati mostrano durante il funzionamento, fornendo più elementi per scegliere il momento dell’intervento.
