In impianti complessi come raffinerie, impianti chimici o
di produzione di energia lo shut-down improvviso e inaspettato di apparati
“critici” a volte è l’unico rimedio per prevenire danni maggiori all’intero impianto.
Questi shut-down sono comunque il male minore e hanno
grosse ripercussioni negative sia in termini economici che di affidabilità
impiantistica.
Per evitare shut-down improvvisi e inaspettati si possono
costruire sofisticati modelli e sistemi di controllo (fault detection,
isolation and diagnosis – FDID) che però hanno un costo elevato e sono efficaci
se “costruiti su misura” dell’apparato e dell’impianto al cui interno
l’apparato è inserito. Tanto più sono efficaci, tanto più sono fragili, perché
una qualsiasi variazione nel sistema obbliga a rivedere il modello/il sistema
di controllo.
Ecco il
trade off tra affidabilità/performance e costo di modellazione.
Le raffinerie, così come le aziende chimiche o di
produzione di energia, fanno di solito di necessità virtù e concentrano gli
sforzi su pochi apparati “super critici”, incrociando le dita e sperando che i
cigni neri siano solo una brillante trovata “pubblicitaria”.
ADESSO non è
più necessario affidarsi solo alla “buona sorte”. E’ possibile estendere, a costi contenuti, i sistemi di FDID a tutti
gli apparati critici. COME? Seguendo l’esempio della raffineria di Ancona.
Continua a leggere tutta la storia per capire in che modo l’inserimento dei nostri tools (OntoSpace e OntoBench) nel sistema FDID
vi consente di “salvare capra e cavoli”!!
LA STORIA
COMPLETA
Negli ultimi anni, in seguito alla crescente richiesta di
efficienza e qualità nei prodotti e all’esigenza di accrescere la sicurezza nel
lavoro, i moduli di Fault Diagnosis e Fault Detection stanno acquistando un
ruolo molto importante nel campo della supervisione.
L’insorgere di guasti ad un’apparecchiatura critica inserita in un processo e il loro non
tempestivo rilevamento, può causare seri problemi di sicurezza e comportare
gravi perdite di efficienza e redditività di impianto.
I sistemi tradizionali prevedono il monitoraggio delle
variabili di processo più critiche e la generazione di un segnale di allarme,
con successivo blocco del processo, qualora una di queste superi un limite assegnato.
I nuovi metodi per rilevare o diagnosticare un guasto messi
a punto nell’ultimo decennio consentono di realizzare avanzati moduli di
diagnostica che permettono innanzitutto di identificare prontamente un
eventuale malfunzionamento e, successivamente, di intraprendere le azioni
necessarie per preservare l’integrità e la funzionalità del processo
mantenendolo in condizioni di sicurezza senza ricorrere ad eventuali blocchi.
L’inserimento di un modulo di Fault Detection and
Diagnosis (FDD) conferisce al sistema complessivo più elevati livelli di
affidabilità.
Un modulo di FDID costa molto, se ne sviluppano pochi e con
ritmo lento.
Qualche mese fa in raffineria è
stato condotto un esperimento utilizzando OntoSpace a fronte dell’ennesimo
evento inaspettato. Ontospace è una soluzione innovativa che consentono di
misurare e di gestire la complessità.
Il concetto è semplice: lo stato
di salute di un dato SISTEMA è proporzionale alla differenza fra la sua
complessità critica ed il valore attuale di complessità. In prossimità della
soglia di criticità il sistema diventa fragile e quindi vulnerabile.
Il punto è, quindi, la capacità
di poter misurare sia la complessità così come il corrispondente limite
critico. Ontonix ha sviluppato delle misure “naturali” per entrambi,
utilizzando i dati grezzi rappresentanti un SISTEMA ed estraendo regole e relazioni tra i
parametri utilizzando delle tecniche di trattamento d’immagine appositamente
sviluppate.
Con queste premesse possiamo
stabilire che un sistema entra in uno stato di pre-crisi quando si avvicina
alla propria soglia di complessità critica.
La misurazione dell’andamento
della distanza di un sistema dalla relativa complessità critica fornisce
direttamente una misura della sua vulnerabilità.
Variazioni nascoste di
complessità che preludono alla crisi sono evidenziate da segnali precisi
(precursori della crisi) .
IL CASUS BELLI
L’evento che ha dato inizio al progetto è il comportamento inaspettato (fermata per riparazione) di una delle
pompe nonostante che i valori rilevati e le osservazioni sulle vibrazioni (che
vengono fatte solo quando i parametri rilevati fanno sospettare qualcosa di
anomalo) non avessero prodotto nessun pre-allarme. Le pompe sostengono una
parte chiave dell’impianto produttivo, sono 2 in backup reciproco, in caso di
fermata dell’unica pompa funzionante occorrerebbe fermare l’intero impianto.
Tempi di ripristino della pompa ca. 3 settimane standard, 1-2 in emergenza.
Su
questo caso è stata utilizzata la tecnologia OntoSpace.
Il progetto pilota si è articolato in 2 fasi. La
prima utilizzando dati storici (medie giornaliere dei parametri rilevati dal sistema
di controllo attualmente in uso); la prima fase ha anche evidenziato la
necessità di lavorare su dati non mediati ma puntuali; la seconda fase ha
utilizzato (per gli stessi parametri utilizzati nella prima fase) dati
campionati ogni 30 secondi che coprivano un periodo di 9 giorni. La seconda
fase è stata condotta in modalità “cieca” (non è stato comunicato quando il
problema o i problemi si sono verificati).
Sia nella prima che nella seconda fase, OntoSpace™ ha dimostrato di
riuscire a individuare segnali di pre-allarme con:
· qualche ora quando si lavora su medie
giornaliere (prima fase);
· 8-16 ore di anticipo rispetto al
verificarsi dell’evento nel caso in cui si è impiegata una campionatura dei
dati ogni 30 secondi (seconda fase).
I tecnici, che in
API si occupano di fault detection,
di fault analysis e di sistemi per il
repair, hanno convenuto che
OntoSpace™ ha una capacità di fault detection maggiori dei tool finora conosciuti. OntoSpace
è model-free, quindi funziona (senza necessità di sviluppi ad hoc nè di
personalizzazioni) su tutti gli
apparati, il che implica che il costo dei sistemi di FDID può essere
enormemente abbattuto.
E’ in corso un progetto più ampio
che comprende altre apparecchiature critiche (compressori, ecc.) per valutare
in maniera precisa la integrabilità con I moduli FDID esistenti in raffineria.
Benefici qualitativi a cascata
Impatto positivo sulle politiche
di conduzione/manutenzione degli impianti/macchine.
Prima della fermata fare analisi
per avere segnalazioni su eventuali macchine da fermare – usarlo in
affiancamento / al posto della RBI oggi fatta da manutenzione.
Individuazione i single point (punti critici) su nuovi impianti
Sulla base dell’esperienza pregressa e del progetto si stima una
riduzione dei tempi del 50-70 %
il che significa, prendendo
a riferimento l’IGCC nella sua interezza una riduzione da 2-3 anni a 6-9 mesi.
Questo risultato è possibile grazie alle capacità del software di
estrarre velocemente conoscenza (quali sono le variabili più connesse, quali
sono le variabili che influenzano di più la stabilità del sistema, quali sono i
modi di funzionamento più ricorrenti e da quali variabili sono determinati,…)
da enormi masse di dati senza dover predisporre modelli di simulazione
dell’impianto.
Aumento efficienza/ottimizzazione impianto via monitoraggio
olistico
Sulla base dell’esperienza pregressa e del micro caso Forno
F1001 si stima un incremento in
termini di ottimizzazione pari al 0,5-1%
sul totale con un impegno di 6-9 mesi /uomo di lavoro.
Questo risultato è possibile grazie alle capacità del software di
estrarre velocemente conoscenza (quali sono le variabili più connesse, quali
sono le variabili che influenzano di più la stabilità del sistema, quali sono i
modi di funzionamento più ricorrenti e da quali variabili sono determinati,…)
da enormi masse di dati senza dover predisporre modelli di simulazione
dell’impianto.
Nessun commento:
Posta un commento