Valutazione di un motore a induzione di 40 anni mediante tecniche diagnostiche ibride e predittive basate su IA

Perché i motori vecchi contano ancora

In fabbriche, impianti idrici e centrali elettriche, grandi motori elettrici mantengono silenziosamente il mondo in funzione. Molti di questi cavalli da lavoro girano da decenni e sostituirli può essere costoso e dirompente. Questo articolo esplora se un motore industriale di 40 anni—ben oltre la vita utile progettuale tipica—può ancora essere affidabile. Integrando controlli elettrici classici con imaging termico e moderne tecniche di intelligenza artificiale, i ricercatori mostrano come decidere se un motore invecchiato è una responsabilità o un bene ben mantenuto.

Un cavallo da lavoro invecchiato sotto la lente

Lo studio si concentra su un motore a induzione da 150 kilowatt che alimenta una pompa di trasferimento acqua ed è in servizio da circa 40 anni, molto oltre i 20–25 anni solitamente previsti. Invece di presumere che l'età da sola sia motivo di pensionamento, il team ha eseguito un controllo completo dello stato di salute. Hanno misurato quanto bene l'isolamento interno ancora blocca la corrente, quanta corrente dispersa fluisce a terra e quanto uniformemente le avvolgimenti oppongono resistenza all'elettricità. Questi test, considerati insieme, indicano se i "nervi" nascosti del motore si stanno seccando, screpolando o impregnando di umidità—problemi che possono portare a guasti improvvisi e costosi.

Controlli elettrici e mappe di calore

Diversi test classici hanno restituito un quadro sorprendentemente positivo. Le misure della resistenza dell'isolamento erano ben al di sopra della soglia di 1 gigaohm che gli standard considerano accettabile per motori vecchi. Una fase mostrava un indice di polarizzazione elevato—indicatore che l'isolamento si asciuga correttamente sotto tensione—mentre le altre due fasi erano al limite, suggerendo un invecchiamento lieve o presenza di umidità. La corrente di dispersione, un altro segnale precoce di degrado, è rimasta molto al di sotto dei livelli tipici di pericolo, sebbene anche in questo caso una fase apparisse più debole delle altre. Misurando la resistenza di ciascun avvolgimento, il team ha riscontrato un certo squilibrio, ma non sufficiente a causare punti caldi o evidenti problemi durante il funzionamento.

Per vedere come il motore si comportava sotto carico reale, i ricercatori hanno eseguito un test prestazionale completo. Le curve di coppia, corrente ed efficienza si sono allineate strettamente alle aspettative dei manuali per un motore a induzione sano, anche a elevato slittamento (la differenza tra la velocità del motore e la velocità del campo magnetico rotante). La termografia a infrarossi—essenzialmente una videocamera termica—ha mostrato aumenti di temperatura superficiale di circa 65 °C rispetto all'ambiente, ancora accettabili per la classe d'isolamento del motore. Le immagini termiche hanno però rivelato lievi differenze di temperatura tra le fasi, rispecchiando le letture elettriche non uniformi e indicando aree che meritano monitoraggio più ravvicinato.

Insegnare a una macchina a individuare i guai

Oltre ai test puntuali, il team si è chiesto se i dati di questo e di motori simili potessero alimentare uno strumento predittivo in grado di segnalare problemi in anticipo. Hanno assemblato un set di dati di tre anni proveniente da diversi motori grandi e datati; ogni punto dati includeva letture dell'isolamento in momenti diversi, corrente di dispersione, resistenza degli avvolgimenti corretta per la temperatura, indici termici ricavati dalle immagini infrarosse e condizioni operative di base. Usando queste informazioni, hanno addestrato un modello Random Forest—un tipo di insieme di alberi decisionali—per classificare lo stato dei motori in "normale" o "isolamento a rischio". Nonostante il numero relativamente basso di esempi di guasto reali, il modello ha raggiunto circa l'87% di accuratezza complessiva e ha riconosciuto molti, se non tutti, i casi degradati. L'analisi ha inoltre evidenziato quali misurazioni hanno maggior valore: la resistenza degli avvolgimenti e gli indicatori termici hanno leggermente superato la resistenza dell'isolamento e la corrente di dispersione, sottolineando il valore di combinare viste elettriche e termiche.

Proiettare la vita residua del motore

Gli autori non si sono fermati alla condizione attuale; hanno anche analizzato come l'isolamento potrebbe invecchiare negli anni a venire. Utilizzando risultati di test storici dall'età di 25 a 40 anni, hanno adattato una semplice curva esponenziale per descrivere come la resistenza dell'isolamento diminuisce nel tempo. Questa curva ha ben rappresentato i dati passati e prevede che, intorno ai 45 anni di età, la resistenza dell'isolamento del motore sarebbe ancora vicina a 2 gigaohm—al di sopra del normale limite di sicurezza. Tuttavia, i ricercatori sottolineano che tali previsioni sono valide solo quanto i dati che le supportano. Poiché esistono poche misurazioni a lungo termine e molte influenze reali come escursioni termiche e contaminazione, trattano il modello come una stima informata con incertezza, non come una garanzia.

Cosa significa questo per mantenere i motori in funzione

Ricongiungendo tutti i fili, lo studio conclude che questo particolare motore di 40 anni può rimanere in servizio in sicurezza, a condizione che sia monitorato con attenzione. Il suo isolamento elettrico, il comportamento termico, le vibrazioni e le statistiche di affidabilità (con una disponibilità di circa 99,94%) supportano una vita estesa, anche se due fasi mostrano segni precoci di invecchiamento. L'approccio combinato—test elettrici regolari, imaging termico, controlli delle vibrazioni e analisi assistita dall'IA—offre agli operatori degli impianti un modo pratico per decidere quando ristrutturare, riavvolgere o infine sostituire apparecchiature costose. In termini pratici, il lavoro dimostra che un motore vecchio non deve essere pensionato solo per l'età; con buone registrazioni, monitoraggio intelligente e manutenzione mirata, può continuare a girare in modo affidabile risparmiando sia denaro sia tempi di fermo.

Citazione: Butukuri, K.R., Giri, N.C., Yemula, P.K. et al. Assessment of a 40-year-old induction motor using hybrid diagnostic and AI-based predictive techniques. Sci Rep 16, 13739 (2026). https://doi.org/10.1038/s41598-026-44319-5

Parole chiave: motore a induzione, manutenzione predittiva, salute dell'isolamento, termografia, apprendimento automatico