Tecniche avanzate per l'ottimizzazione della concentricità nella produzione di turbine a gas

Abstract

La previsione dell'eccentricità (runout) del rotore nelle turbine a gas è una sfida produttiva critica, tradizionalmente legata a costosi metodi basati su tentativi ed errori. Questa tesi propone un sistema di ragionamento basato su casi (CBR - Case-Based Reasoning) per prevedere l'accettabilità dell'eccentricità del rotore, confrontando le misurazioni dei nuovi dischi con un database strutturato di casi storici. Il sistema è stato validato utilizzando cinque casi reali di rotori di successo forniti da un partner industriale. Una validazione incrociata iniziale di tipo leave-one-out ha confermato la capacità del sistema di classificare correttamente i rotori idonei. Per valutare le sue capacità diagnostiche, sono stati introdotti casi "difettosi" simulati, generati sotto la supervisione di esperti. I test hanno dimostrato la sensibilità del sistema a vari gradi di degrado e la sua capacità di individuare l'impatto posizionale dei dischi difettosi, rivelando che i dischi alle estremità e nelle posizioni centrali contribuiscono maggiormente alle deviazioni di eccentricità. Complessivamente, l'approccio CBR distingue efficacemente tra rotori accettabili e difettosi, identificando al contempo i dischi più influenti. Sebbene attualmente limitato da un set di dati ridotto, questo strumento di supporto alle decisioni mostra un forte potenziale per essere integrato su larga scala all'interno dei flussi di lavoro industriali, riducendo le inefficienze di produzione e migliorando l'affidabilità delle turbine a gas.

Predicting rotor runout in gas turbines is a critical manufacturing challenge traditionally reliant on costly, trial-and-error methods. This thesis proposes a Case-Based Reasoning (CBR) system to predict rotor runout acceptability by comparing new disc measurements against a structured database of historical cases. The system was validated using five successful real-world rotor cases from an industrial partner. Initial leave-one-out cross-validation confirmed the system's ability to classify good rotors correctly. To evaluate its diagnostic capabilities, expert-guided mockup "bad" cases were introduced. Testing demonstrated the system's sensitivity to varying degrees of degradation and its ability to pinpoint the positional impact of defective discs—revealing that discs at the edges and central positions contribute most to runout deviations. Overall, the CBR approach effectively distinguishes between acceptable and defective rotors while identifying influential discs. Although currently limited by a small dataset, this decision-support tool shows strong potential to scale within industrial workflows, reduce manufacturing inefficiencies, and improve gas turbine reliability.