AUTOMATICA
(App. IV, I, p. 202)
Per quanto riguarda l'a., gli anni Ottanta hanno segnato un progresso in tutti i settori del processo produttivo, dal punto di vista sia tecnico che metodologico, paragonabile solo a quello verificatosi nel periodo immediatamente successivo al secondo conflitto mondiale. A questo sviluppo hanno contribuito da un lato l'affinamento delle metodologie matematiche che stanno alla base dell'analisi e del progetto di sistemi complessi di automazione, dall'altro la disponibilità di apparati di elaborazione elettronica a costo sempre più basso (microprocessori).
Il fenomeno più vistoso è stato senza dubbio il diffondersi dei manipolatori meccanici programmabili (robot): impiegati in fabbrica ormai su larga scala per l'esecuzione di compiti ripetitivi (il montaggio) o potenzialmente nocivi (la verniciatura o la saldatura), hanno cominciato a diffondersi, e lo saranno sempre di più, anche per l'esecuzione di operazioni in ambienti ostili alla presenza dell'uomo: nello spazio, per compiti di montaggio di stazioni orbitanti o manutenzione di satelliti; sul fondo marino, per compiti di esplorazione o salvataggio.
Accanto a questo, che senza dubbio è stato l'aspetto più rilevante, non è difficile individuare i progressi dell'a. in modi e forme la cui influenza si estende sino al livello dei beni di largo consumo; basti pensare, in proposito, ai molteplici (e raffinati) sistemi per la regolazione automatica della velocità e per il posizionamento di un raggio laser negli ordinari lettori di dischi compatti, o ai sistemi di controllo attivo dell'assetto dei veicoli, già operativi per es. nei treni ad alta velocità, e che si stanno progressivamente diffondendo sulle autovetture in sostituzione delle tradizionali sospensioni passive.
A queste innovazioni di carattere tecnologico hanno fatto riscontro, dal punto di vista metodologico, importanti progressi soprattutto per la messa a punto di metodi per il controllo di fenomeni e sistemi complessi. Tali progressi riguardano sia la teoria del controllo automatico propriamente detta, i cui sviluppi negli anni Ottanta consentono ormai di affrontare problemi di controllo ben al di là delle tradizionali frontiere della teoria dei sistemi lineari, sia l'individuazione delle migliori strategie per il controllo di sistemi in condizioni d'incertezza, per mancanza di sufficienti informazioni sui parametri caratterizzanti il fenomeno controllato, o in condizioni di estrema complessità. Questi due aspetti verranno qui di seguito brevemente analizzati con qualche dettaglio.
Affidabilità dei sistemi automatici complessi. - Il progetto dei sistemi di controllo automatico (v. controlli automatici, in questa App.) si effettua di norma a partire da una descrizione matematica del comportamento dinamico dei suoi componenti. Tuttavia, nella maggioranza delle situazioni concrete, la disponibilità di modelli matematici sufficientemente accurati è un obiettivo difficilmente ottenibile, per non dire impossibile: i processi industriali e gli apparati sottoposti a controllo automatico operano infatti, abitualmente, in situazioni in cui le materie prime lavorate, i livelli di carico, le caratteristiche dei combustibili, le condizioni ambientali, possono variare in maniera imprevedibile. Il progetto dei sistemi automatici deve dunque contemperare l'esigenza di assicurare prestazioni soddisfacenti (quali, per es., la stabilità del comportamento dinamico, la precisione nell'esecuzione dei comandi, il tasso desiderato di produttività) con livelli a volte ampi d'incertezza nella conoscenza del processo al quale il controllo viene imposto.
Incertezza e alte prestazioni sono due requisiti contrastanti, anche se la scelta di strutture di controllo a retroazione tende per sua natura a fornire buone prestazioni anche in presenza d'incertezza sul modello del sistema controllato. Un sistema di automazione dev'essere robusto, cioè in grado di fornire prestazioni adeguate in presenza di variazioni (di escursione in genere nota) nei diversi parametri che caratterizzano il sistema stesso, e dev'essere in grado di adattarsi a eventuali cambiamenti (in genere lenti) delle caratteristiche dinamiche globali dei diversi suoi componenti. Poiché un sistema complesso di automazione utilizza un numero elevato di sensori e attuatori, è importante che il sistema stesso sia progettato in modo da essere tollerante ai guasti che possano occorrere in questi particolari componenti, nonché a guasti che possano verificarsi nei sistemi di elaborazione elettronica che implementano le strategie di controllo, e nel relativo software. Proprietà di questo genere possono richiedere, al sistema di automazione, la capacità di riconfigurarsi automaticamente in tempo reale. Gli aspetti della robustezza, della capacità di adattamento e tolleranza ai guasti sono i punti di vista principali sotto i quali l'affidabilità di un sistema complesso di automazione viene correntemente analizzata.
Uno dei principali obiettivi del controllo robusto è quello di assicurare che il requisito indispensabile della stabilità si mantenga in presenza di ampie variazioni nei parametri dei modelli matematici dei diversi componenti del sistema (stabilizzazione robusta). In questo ambito, sono disponibili metodi di progetto che consentono, per uno schema di controllo prefissato, d'individuare le regioni entro cui i parametri incerti possono variare senza che la stabilità venga compromessa. Tuttavia, i risultati che si ottengono sono in genere piuttosto conservativi e non consentono di sfruttare completamente eventuali informazioni sulla direzione verso cui i parametri incerti tendono più facilmente a variare. La disponibilità di metodologie più raffinate, attualmente allo studio, dovrebbe consentire migliori prestazioni al sistema in quanto il requisito della stabilità robusta, se realizzato in modo troppo conservativo, tende a ridurre la prontezza nell'esecuzione dei comandi e la capacità di attenuazione dei disturbi. Parte di questo studio ha per oggetto l'implementazione algoritmica e numerica di tali risultati metodologici e la creazione del relativo software, utilizzante linguaggi di programmazione ad alto livello, allo scopo di convertire metodi di sintesi di per sé analiticamente complicati in procedimenti semplici di progettazione assistita.
Il controllo adattativo può essere visto come un modo di realizzare un sistema di controllo robusto non solo dal punto di vista della stabilità, ma anche da quello delle prestazioni (quali, per es., la risposta ingresso-uscita). Il contesto cui si fa riferimento è piuttosto particolare: si assume che il modello matematico del sistema abbia una struttura nota (per es. un'equazione differenziale ingresso-uscita di ordine noto) e che solo uno o più dei parametri di tale modello siano incogniti. Talvolta, si usa indicare questa ipotesi dicendo che si tratta di un caso in cui le perturbazioni sono strutturate. Il sistema di controllo adattativo tende in generale a stimare in linea i parametri incerti e a utilizzare i valori così stimati per accordare in conseguenza certe grandezze che caratterizzano la struttura di controllo.
Un processo industriale tipico comprende diverse decine di anelli di regolazione, i cui parametri devono periodicamente essere aggiornati per far fronte a mutate esigenze produttive o ambientali: la possibilità di affidare tale operazione a dispositivi automatici, i controllori adattativi, ha potuto significare, in molte situazioni concrete, un sostanziale incremento di efficienza e produttività. Gli algoritmi mediante i quali i parametri vengono accordati sono in generale basati sull'impiego di un'azione integrale sull'errore (tipicamente, la differenza tra l'andamento della grandezza controllata e l'uscita di un opportuno modello di riferimento), opportunamente corretta per assicurare la convergenza dei parametri adattati o, almeno, la loro limitatezza: i diversi algoritmi disponibili si differenziano soprattutto nei metodi utilizzati per l'analisi della convergenza.
I sistemi di controllo adattativo sono particolari schemi a retroazione nei quali un segnale di errore viene utilizzato per adattare i parametri dell'apparato di controllo: come tali possono dar luogo a fenomeni d'instabilità, dovuti principalmente alla presenza di particolari comportamenti ad alta frequenza non modellati o a disturbi sovrapposti alla grandezza controllata. È dunque conveniente che in tali sistemi siano presenti dei dispositivi di emergenza, che disconnettano l'anello di controllo adattativo (lasciando peraltro attivo il normale anello di reazione negativa destinato alla regolazione) quando, sulla base di opportuni criteri (analizzando per es. il contenuto spettrale dei segnali presenti), venga rilevato il pericolo della perdita di stabilità. Ovvero, è possibile fare ricorso ad algoritmi di controllo adattativo robusto, nei quali la stabilità venga assicurata incorporando nel progetto le necessarie informazioni sulla regione di variabilità dei parametri incogniti, sulla dimensione della dinamica non modellata e su opportune descrizioni statistiche dei disturbi presenti.
Una classe più generale di sistemi che si adattano a cambiamenti rilevanti delle condizioni operative è quella dei sistemi tolleranti ai guasti. Come già osservato, fenomeni di questo genere possono essere la rottura di un sensore o di un attuatore, che comporta l'interruzione del relativo anello di reazione negativa, o anche il malfunzionamento del sistema di elaborazione preposto al controllo, con conseguenze che possono andare dall'immediato degrado delle prestazioni sino alla perdita di stabilità. Il sistema tollerante ai guasti dev'essere in grado di diagnosticare tali fenomeni e deve garantire sia la stabilità, sia una ragionevole continuità nelle prestazioni. Le azioni espletate in seguito all'occorrenza di un guasto possono essere la modifica automatica dei guadagni degli anelli di reazione ancora attivi (sulla base di indicazioni preregistrate) o, addirittura, l'attivazione automatica di anelli di riserva.
Allo stato attuale della tecnologia, non sono ancora disponibili metodi generali di progetto di sistemi tolleranti ai guasti: i notevoli problemi di carattere combinatorio, legati sia alla diagnosi di guasti sia alla valutazione delle strategie d'intervento, fanno prevedere che tali metodi comporteranno processi di elaborazione numerica e simbolica, e faranno ampio ricorso alle tecniche dell'intelligenza artificiale. Le applicazioni attualmente più significative, in questo ambito, riguardano i diversi problemi di controllo del volo e i problemi di regolazione nei sistemi di produzione e distribuzione dell'energia elettrica.
Sistemi a eventi discreti. - Nei sistemi tradizionalmente presi in considerazione nell'ambito dell'a. le diverse variabili fisiche in gioco sono grandezze che possono variare con continuità e sono descrivibili attraverso equazioni differenziali o alle differenze. Tuttavia, in molte situazioni d'interesse, modelli di questo genere non sono soddisfacenti. Ciò si verifica, per es., quando il sistema di controllo deve diagnosticare l'eventuale presenza di guasti, effettuare in conseguenza una scelta tra diverse opzioni, e solo successivamente imporre leggi di controllo di tipo più tradizionale, quali quelle basate su modelli di tipo analitico. Lo stato di un sistema di questo genere è una grandezza ibrida, consistente nell'aggregato di un vettore di numeri reali e di un certo numero di variabili di tipo logico (tipicamente variabili a due soli valori).
Per quanto riguarda il coordinamento delle azioni di controllo a un livello gerarchicamente più elevato di quello dei singoli anelli di regolazione, la descrizione di un sistema complesso può addirittura prescindere dalla modellizzazione analitica dei componenti, e prendere in considerazione solo le grandezze (di tipo logico) che caratterizzano le interconnessioni, le interazioni tra componenti, i momenti decisionali. Esempi di modelli di questo genere sono considerati nello studio dei sistemi flessibili di lavorazione, nelle reti di trasmissione ed elaborazione dei dati, nei sistemi di controllo del traffico. Lo stato di tali sistemi, che vengono detti sistemi a eventi discreti, è costituito dall'aggregato di variabili logiche e può variare, asincronicamente, soltanto agli istanti di tempo in cui si verificano determinati eventi (quali, per es., l'arrivo di un messaggio che segnali il verificarsi di un guasto o l'avvenuta esecuzione di un compito).
Il controllo di sistemi a eventi discreti richiede l'impiego di una teoria capace di trattare simultaneamente grandezze di tipo logico e di tipo numerico e di descrivere le interazioni tra i sistemi di controllo tradizionali preposti all'esecuzione di compiti di basso livello gerarchico, tra i livelli più elevati nella gerarchia delle azioni di controllo e, infine, tra questi e l'operatore umano. Un tipico esempio di problema che si presenta nell'ambito di questa teoria è quello della verifica di ipotesi; il controllore dispone, in questo caso, di un insieme (finito) di interpretazioni alternative di una sequenza di dati osservati, di un modello matematico per ciascuna di queste alternative e, mediante opportuni metodi di analisi (per es., impiegando tecniche di filtraggio nonlineare), si costruisce una descrizione statistica del fenomeno sulla base della quale valuta quale tra le alternative proposte è quella verosimilmente più attendibile. L'esito del processo decisionale dà poi luogo a una conseguente opportuna azione di controllo. Da un punto di vista metodologico, lo sviluppo dei metodi di analisi dei sistemi a eventi discreti costituisce un momento di sintesi tra la teoria, per così dire tradizionale, del controllo automatico e l'informatica. Nell'ambito di quest'ultima, in particolare, acquistano speciale rilevanza da un lato i metodi e linguaggi di elaborazione simbolica e più in generale dell'intelligenza artificiale, dall'altro lo sviluppo di microprocessori a basso costo che rendono possibile l'implementazione pratica di tali metodi.
I problemi della teoria dei sistemi di controllo a eventi discreti si possono suddividere, come peraltro quelli della teoria tradizionale dei sistemi di controllo automatico, in problemi di messa a punto dei modelli e problemi di sintesi delle strategie di controllo. Nel primo ambito non è ancora disponibile una teoria unificata, soprattutto per quanto riguarda la modellizzazione di fenomeni dinamici: sebbene le catene di Markov finite, le reti di Petri, la teoria delle code, la simulazione a eventi discreti siano stati usati tutti con successo per modellizzare classi particolare di sistemi, tuttavia nessuno di questi modelli ha le caratteristiche di compattezza e di manipolabilità tipiche dei modelli differenziali o alle differenze, considerati nella teoria del controllo. Nel secondo ambito, quello della sintesi, si deve affrontare il problema della definizione di sistemi (supervisori) di controllo intelligente i quali, in aggiunta ai compiti diagnostici e decisionali descritti più sopra, dovranno anche svolgere il ruolo di interpreti delle decisioni prese a livello elevato verso i controllori di basso livello. Una situazione tipica, da questo punto di vista, è quando occorre generare, a partire da un insieme di variabili logiche corrispondenti alle decisioni del controllo supervisore, sia i riferimenti (in particolare le traiettorie desiderate) imposti agli anelli di controllo di livello inferiore, sia le modalità con cui l'inseguimento di tali traiettorie dev'essere ottenuto.