Test dei motori elettrici: dai dati del banco di prova a una progettazione ottimizzata

Lo sviluppo delle moderne macchine elettriche si sta rapidamente spostando verso un'ingegneria guidata dai dati, in cui i test devono fare molto di più che convalidare semplicemente le prestazioni: devono generare conoscenza strategica e applicabile.

Mavel ha ridefinito il ruolo del banco prova, trasformandolo da uno strumento di validazione isolato a una piattaforma ingegneristica connessa che unisce misurazione, infrastruttura dati e analisi avanzata. Integrando l'acquisizione dati ad alta qualità di Dewesoft con una gestione centralizzata dei dati e servizi basati sull'intelligenza artificiale, il testing diventa un motore attivo per una progettazione più rapida e affidabile di motori elettrici e inverter

Introduzione

Lo sviluppo delle moderne macchine elettriche nei settori automobilistico, aerospaziale, civile e della difesa sta diventando sempre più complesso, guidato dai dati e vincolato a tempistiche critiche. I banchi prova tradizionali, progettati principalmente per la validazione delle prestazioni, non sono più sufficienti a supportare questa evoluzione.

Mavel Powertrain è un'azienda di ingegneria italiana specializzata in motori elettrici, inverter e sistemi completi di trazione elettrica per applicazioni di mobilità ad alte prestazioni. L'azienda sviluppa sistemi di propulsione elettrica compatti, leggeri e ad alta densità di potenza, progettati per applicazioni esigenti come quella automobilistica e aerospaziale.

Il nome dell'azienda deriva dalle parole italiane "Macchina" e "Veloci" (ovvero, letteralmente, "macchina ad alta velocità").

Mavel ha cambiato prospettiva: il banco prova non è più visto come uno strumento a sé stante, ma come un ecosistema ingegneristico che connette la conoscenza ai dati e genera un patrimonio permanente per l'azienda.

Combinando sistemi di misura di alta qualità, gestione centralizzata dei dati, infrastrutture di calcolo e servizi software basati sull'intelligenza artificiale, il testing diventa parte attiva del processo di ingegnerizzazione anziché esserne l'ultima fase.

Il risultato è un ambiente di sviluppo che consente una progettazione di motori e inverter più rapida, riduce lo sforzo legato ai test fisici e supporta il trasferimento della conoscenza ingegneristica tra i vari team di Ricerca e Sviluppo.

L'approccio aziendale

Fondata nel 1999 come società di ricerca e sviluppo per applicazioni industriali, Mavel si è evoluta fino a diventare un abilitatore tecnologico riconosciuto nella propulsione elettrica avanzata. Nel corso degli anni, operando in molteplici settori, l'azienda ceco-americana di ingegneria e produzione ha maturato una vasta esperienza intersettoriale e sviluppato soluzioni tecnologiche di alto valore, brevettate a livello internazionale.

Oggi, Mavel fornisce servizi di ricerca applicata, ingegneria, sviluppo, testing e produzione per sistemi di propulsione elettrica ed e-powertrain nei settori nautico, aerospaziale, governativo e dell'alta velocità. Il suo approccio ingegneristico combina:

• Progettazione guidata dalla simulazione (Simulation-driven design)

• Testing e validazione avanzati

• Ottimizzazione a livello di sistema di motore, inverter e controlli

L'approccio di Mavel getta un ponte tra la conoscenza ingegneristica teorica, la validazione nel mondo reale e l'implementazione industriale. L'azienda opera all'intersezione tra simulazione avanzata, validazione sperimentale e industrializzazione, consentendo ai clienti di passare dal concetto alla produzione con un rischio tecnico ridotto e una maggiore prevedibilità.

Mantenendo il controllo diretto sulla progettazione, sul testing e sull'integrazione dei sistemi, Mavel garantisce la piena tracciabilità delle decisioni ingegneristiche lungo l'intero ciclo di vita del prodotto.

Questo approccio riflette una transizione più ampia in tutti i settori dell'ingegneria avanzata, in cui i dati stanno diventando un fattore strategico di progettazione piuttosto che un sottoprodotto delle attività di validazione. Le organizzazioni in grado di strutturare, contestualizzare e riutilizzare i dati di test ottengono un vantaggio competitivo significativo in termini di velocità di sviluppo, affidabilità del prodotto e conservazione della conoscenza a lungo termine.

L'integrazione degli ambienti di test con i flussi di lavoro dell'ingegneria digitale consente un feedback continuo tra la validazione fisica e gli ambienti di progettazione virtuale, creando una metodologia di sviluppo a ciclo chiuso.

Background

Le macchine elettriche si stanno evolvendo rapidamente in termini di densità di potenza, velocità, efficienza e integrazione. Di conseguenza, la quantità di dati generati durante i test è aumentata drasticamente, mentre la capacità di sfruttarli appieno rimane spesso limitata.

In molte organizzazioni, il testing viene ancora trattato come un'attività separata, scollegata sia fisicamente sia concettualmente dalla ricerca e sviluppo. Questa separazione comporta inefficienze, cicli di sviluppo più lunghi e una forte dipendenza dalle competenze dei singoli individui piuttosto che su una conoscenza ingegneristica condivisa.

Allo stesso tempo, le aziende di ingegneria si trovano ad affrontare una crescente pressione per ridurre i tempi di sviluppo, mantenendo o migliorando l'affidabilità del prodotto e la conformità ai requisiti di certificazione. Questa sfida richiede nuove metodologie per estrarre il massimo valore da ogni campagna di test.

La transizione da uno sviluppo guidato dall'esperienza a un'ingegneria guidata dai dati non sostituisce le competenze specifiche del settore, ma le valorizza, rendendo le intuizioni ingegneristiche scalabili, tracciabili e trasferibili tra team e progetti diversi.

Stakeholders

I principali stakeholder coinvolti in questo cambio di paradigma includono:

• Ingegneri di R&D, responsabili della progettazione di motori e inverter.

• Ingegneri di test, che gestiscono misure, diagnostica e validazione.

• Architetti di sistema, che definiscono i flussi di lavoro di sviluppo e l'infrastruttura dati.

• Partner tecnologici, che forniscono piattaforme affidabili di acquisizione e misura.

• Aziende e organizzazioni, alla ricerca di processi di sviluppo più rapidi ed efficienti in termini di costi.

L'efficacia di questa trasformazione dipende dalla creazione di un linguaggio di dati condiviso tra questi stakeholder, per garantire che le informazioni generate durante i test possano essere interpretate, riutilizzate ed estese in diversi domini ingegneristici.

Il problema

Come si possono trasformare i dati di test da misure isolate in un patrimonio ingegneristico a lungo termine?

In che modo i team di sviluppo possono ridurre i tempi dei test fisici senza compromettere l'affidabilità?

E come può la conoscenza ingegneristica, tradizionalmente custodita nell'esperienza dei singoli, essere resa disponibile a tutta l'organizzazione di R&D?

Queste sfide stanno diventando critiche a causa dell'aumento della complessità dei prodotti e della continua contrazione dei cicli di sviluppo nei settori industriali competitivi.

Le prestazioni e le capacità sempre crescenti dei sistemi di acquisizione dati aprono la strada a nuovi casi, rendendo l'utilizzo dei dati un fattore chiave di differenziazione per le aziende. 

Senza un'adeguata contestualizzazione, una tracciabilità storica e l'integrazione con i modelli di simulazione, i dati di test rimangono sotto-utilizzati. Tale deficit limita il potenziale di tecniche avanzate come le simulazioni virtuali guidate dall'intelligenza artificiale, che si affidano a dataset strutturati e di alta qualità per fornire risultati significativi.

Le aziende che non riescono a strutturare e contestualizzare i dati di test rischiano di perdere un prezioso patrimonio di conoscenza ingegneristica nel corso del tempo, soprattutto in caso di avvicendamento del personale o quando i programmi si estendono su più anni. 

Una strategia di dati strutturata consente una tracciabilità a lungo termine, permettendo ai team di ingegneria di confrontare i programmi di sviluppo attuali con i parametri di riferimento storici e accelerare così le indagini sulle cause originarie dei problemi.

Soluzione

La soluzione proposta non è un singolo prodotto, ma una piattaforma che cambia l'approccio ingegneristico.

L'ambiente di test e, nel nostro caso specifico, i banchi prova per motori elettrici, sono abilitatori che alimentano l'ecosistema con dati sincronizzati di alta qualità e si integrano con:

• Archiviazione centralizzata e contestualizzazione dei dati.

• Strumenti di simulazione e virtualizzazione.

• Algoritmi di ottimizzazione e progettazione, generati con un moderno approccio basato sull'IA.

In questo quadro, l'intelligenza artificiale non rappresenta l'obiettivo finale; è piuttosto una delle tecnologie che è possibile abilitare solo dopo aver progettato correttamente l'infrastruttura dati.

Questo approccio orientato alla piattaforma consente alle organizzazioni ingegneristiche di costruire progressivamente una struttura portante digitale che connette gli ambienti di test, gli strumenti di simulazione e i processi decisionali ingegneristici. 

Nel tempo, ciò consente la creazione di modelli ingegneristici riutilizzabili, convalidati con dati di test reali, e supporta metodologie di progettazione predittiva in cui i test fisici si concentrano sulla validazione piuttosto che sulla scoperta.

I sistemi di test come abilitatori tecnologici all'interno dell'architettura ingegneristica digitale

In questo contesto, il banco prova non è più considerato solo uno strumento di validazione, ma un abilitatore tecnologico fondamentale all'interno della più ampia architettura ingegneristica digitale dell'azienda.

Il suo ruolo si evolve in un punto di integrazione verticale in cui convergono competenze ingegneristiche multidisciplinari. Queste includono l'elettronica di potenza, gli algoritmi di controllo, la progettazione meccanica, la gestione termica e la validazione di sistema. Strutturando l'ambiente di test all'interno dell'ecosistema dati aziendale, il banco prova diventa una fonte primaria di dati ingegneristici di alta qualità e un'interfaccia chiave tra i test fisici e i flussi di lavoro dell'ingegneria digitale.

In questo paradigma, il sistema di test funge da collegamento fisico tra il dominio dell'ingegneria virtuale, inclusi gli ambienti di simulazione, i digital twins e i modelli predittivi, e il comportamento reale della macchina. I dati di misura vengono continuamente contestualizzati, archiviati e correlati con i dataset storici e i modelli di simulazione, consentendo un processo ingegneristico a ciclo chiuso in cui la validazione fisica e la progettazione virtuale operano come attività complementari e interconnesse.

Questa trasformazione consente alle aziende di passare da una generazione di conoscenza basata sul singolo progetto a una vera e propria intelligenza ingegneristica condivisa a livello aziendale. La conoscenza generata durante i test non è più limitata a uno specifico programma o team di ingegneria, ma diventa parte di una base di conoscenza digitale in continua crescita che supporta i futuri programmi di sviluppo, le decisioni di progettazione e le strategie di validazione.

Nel corso del tempo, questa architettura consente la progressiva virtualizzazione delle attività di test. Gli ambienti di test del futuro non si limiteranno a eseguire procedure di validazione predefinite, ma elaboreranno i dati di misura in tempo reale, correlandoli con i dataset storici e i modelli di simulazione, e supporteranno i team di ingegneria con suggerimenti guidati dai dati per migliorare il design direttamente durante l'esecuzione del test.

Questa evoluzione non sostituisce i test fisici. Al contrario, ne amplifica il valore, trasformando progressivamente i sistemi di test da strumenti di validazione a nodi attivi di intelligenza ingegneristica integrati all'interno dell'infrastruttura digitale dell'azienda.

Implementazione (di alto livello, senza IP)

L'implementazione segue un approccio incrementale:

• Integrazione delle misurazioni e della diagnostica all'interno di un sistema di test unificato;

• Centralizzazione dei dati di test in un lakehouse strutturato;

• Accoppiamento progressivo dei dati storici con script di simulazione e tecniche di ottimizzazione;

• Introduzione incrementale di approcci basati sull'IA per i test virtuali e il supporto decisionale.

Questo approccio consente di ottenere benefici misurabili senza stravolgere i flussi di lavoro ingegneristici esistenti.

Questa implementazione graduale garantisce un'azione controllata e riduce al minimo le interruzioni dei processi ingegneristici in corso. Ogni fase genera vantaggi tecnici e operativi misurabili, consentendo alle aziende di verificare il ritorno sull'investimento prima di passare al livello di maturità successivo. 

La metodologia incrementale permette inoltre ai team di ingegneria di acquisire fiducia negli strumenti guidati dai dati e supportati dall'IA, mantenendo al contempo il pieno controllo ingegneristico sulle decisioni di progettazione.

Apparecchiature di acquisizione dati

Una misurazione affidabile è un requisito fondamentale per abilitare flussi di lavoro ingegneristici guidati dai dati.

I sistemi di acquisizione dati e di analisi della potenza ad alte prestazioni, come quelli forniti da Dewesoft, costituiscono la spina dorsale del sistema di test ingegneristico, garantendo la qualità dei dati, la sincronizzazione e la tracciabilità in diversi scenari di prova e condizioni operative.

Un moderno sistema di test per eMotor di Mavel è una piattaforma di validazione multidominio integrata che combina robustezza meccanica, controllo della potenza elettrica, gestione termica e un'infrastruttura di misura avanzata.

Architettura tipica del sistema di un banco prova eMotor Mavel

Struttura Meccanica

• Struttura del banco: solido telaio in acciaio inossidabile per un'elevata rigidità e stabilità alle vibrazioni;

• Base del banco: solida base in alluminio per uno smorzamento strutturale ottimale e un allineamento di precisione;

• Disaccoppiamento della coppia: base in alluminio disaccoppiata tramite silent-block per isolare le fonti di vibrazione esterne;

• Fissaggio meccanico del motore in esame (DUT eMotor) al freno con torsiometro e sensori di vibrazione integrati.

Gestione dell'energia e della potenza

• Inverter del freno per la simulazione del carico dinamico;

• Simulatore di batteria ad alta potenza o alimentatore ad alta potenza;

• Bus DC rigenerativo per il recupero dell'energia e l'efficienza del sistema.

Gestione termica

• Sistemi di raffreddamento integrati per il DUT, il sistema di frenata e l'elettronica di potenza.

Misura e controllo

• Sistema DAQ avanzato (moduli Dewesoft SIRIUS + IOLITE);

• PLC e moduli di I/O per l'automazione e il controllo di sicurezza;

• Sensori di sicurezza e sistemi di monitoraggio;

• Software di controllo e supervisione: ViMotion, sviluppato da Mavel, che consente l'orchestrazione dei test in tempo reale, la visualizzazione dei dati, la diagnostica e l'integrazione con l'ambiente di ingegneria digitale dell'azienda.

Rack della strumentazione

• PC industriale per la gestione dei test e l'elaborazione dei dati;

• UPS per la continuità del sistema e l'integrità dei dati;

• Alimentatori ausiliari;

• Sistemi di monitoraggio dell'isolamento e di prova della corrente di dispersione;

• Monitor continuo delle dispersioni sul Bus HVDC;

• Connessione LAN ad alta velocità per il trasferimento dei dati di test in tempo reale e l'integrazione con l'infrastruttura dati aziendale.

Questa architettura modulare consente configurazioni di sistema scalabili, permettendo ai banchi prova di adattarsi a diversi intervalli di potenza, tipologie di macchine e scenari di validazione, mantenendo al contempo la coerenza delle misure e la qualità dei dati.

Oltre all'acquisizione dati ad alta velocità e precisione, la piattaforma di misurazione consente il monitoraggio continuo dello stato di salute del sistema e funzionalità avanzate di autodiagnostica nell'intero ambiente di test. Queste caratteristiche permettono di rilevare tempestivamente anomalie nella catena di misura, il degrado dei sensori o problemi di sincronizzazione, garantendo l'affidabilità a lungo termine sia dei dati di test che del sistema stesso.

I sistemi di test come elementi centrali dell'architettura ingegneristica digitale

Nei moderni ambienti ingegneristici, il banco prova non è più un protagonista a sé stante, ma un elemento integrato dell'architettura digitale dell'azienda. 

Il sistema di test entra a far parte dell'ecosistema dati aziendale, fungendo da fonte fisica di dati che collega i modelli di simulazione, gli strumenti di ingegneria digitale e il comportamento reale della macchina.

In questo ruolo, il banco prova funge da punto di giunzione tra l'ingegneria virtuale e la validazione fisica, consentendo un feedback continuo tra la simulazione e i test nel mondo reale, e supportando i futuri flussi di lavoro di virtualizzazione dei test e di ottimizzazione del design in tempo reale.

Misure

Le misure vanno oltre i tradizionali KPI come coppia, velocità e potenza. 

La diagnostica multi-segnale, l'acquisizione ad alta frequenza di campionamento e i metadati contestuali consentono il riutilizzo dei dati di test per attività di correlazione, simulazione e ottimizzazione.

La disponibilità di segnali multidominio ad alta risoluzione e sincronizzati temporalmente permette di comprendere più a fondo il comportamento del sistema, consentendo ai team di ingegneria di rilevare tempestivamente indicatori di deviazione delle prestazioni, stress dei componenti o degrado dell'efficienza. Questo livello di capacità di misurazione è essenziale per supportare la calibrazione di modelli di simulazione avanzati e strategie di manutenzione predittiva.

Nei contesti di sviluppo industriale, questo approccio consente di ottenere:

• Cicli di sviluppo più rapidi

• Una riduzione dello sforzo legato ai test fisici (fino al 30% in casi selezionati)

• La creazione di un patrimonio aziendale permanente basato sulla conoscenza 

• Una migliore integrazione tra simulazione, progettazione e testing

Questi vantaggi si traducono direttamente in una maggiore prevedibilità dei programmi, in una riduzione del rischio tecnico e in un'allocazione più efficiente delle risorse ingegneristiche lungo tutte le fasi di sviluppo.

Conclusione

Il futuro del testing non consiste solo nel misurare meglio, ma nell'apprendere più velocemente. 

I sistemi di test ingegneristici si stanno evolvendo da semplici strumenti di validazione a piattaforme per la creazione di conoscenza e il supporto decisionale.

Abilitando questa trasformazione, il testing diventa parte integrante dell'intelligenza ingegneristica, supportando la prossima generazione di macchine elettriche e i team che le sviluppano.

Le organizzazioni che accoglieranno questa evoluzione nella filosofia di test saranno in grado di trasformare i dati ingegneristici in una risorsa strategica, sostenendo l'innovazione continua e la competitività a lungo termine.

In questo contesto, i sistemi di test entrano a far parte del livello di intelligenza ingegneristica dell'azienda, consentendo cicli decisionali più rapidi e processi di sviluppo prodotto più robusti.