Modelos de Predicción energética y de producción en la Industria Alimentaria

Estamos ante un nuevo paradigma energético, en el que el consumidor de energía ha pasado de una actitud pasiva a un comportamiento activo en la que ya tiene posibilidad de tener control sobre su consumo, de adaptar este consumo a su producción y responder a las demandas del mercado reduciendo su impacto en el medioambiente. Esto nos obliga a reflexionar a nivel estratégico y decidir si nos anticipamos o nos adaptamos.

La Industria 4.0 implica evolucionar hacia la eficiencia energética, con consumos adaptados a la potencia contratada y  a las necesidades operativas y de proceso de cada actividad industrial. Implica invertir en el Mantenimiento Predictivo con un 70% de actuaciones predictivas autoejecutables.

Digital twin y mantenimiento Predictivo

El Mantenimiento Predictivo basado en la Condición (CBM por sus siglas en inglés) consiste en una serie de mediciones, procesos y acciones, que detectan las posibles averías o fallos de funcionamiento de los equipos industriales y que permite anticiparse a ellas para alargar la vida útil de la maquinaria y mejorar la eficiencia.

Un mantenimiento predictivo y operacional exitoso requiere de un sistema avanzado que vigile y prediga deterioros antes de que se produzcan. Para ello se ejecutan acciones de autocorrección a nivel técnico y energético, creando órdenes de trabajo para nuestros técnicos y adaptando las consignas según la demanda frigorífica calculada por el sistema, alcanzando así el punto óptimo de eficiencia en el funcionamiento de la instalación. Todo esto se consigue integrando la lectura en tiempo real de las variables energéticas y de proceso de tu industria. Los datos leídos quedan almacenados en la nube posibilitando la consulta de su histórico. El sistema es capaz de integrarse con SCADA, BMS, PLC… y leer datos de electricidad, gas, agua y vapor, a través de comunicaciones MBUS, Modbus RTU, Modbus TCP, OPC, UA, XML…

Este complejo proceso es posible gracias a las nuevas tecnologías, modelos clásicos de la física y algoritmos de inteligencia artificial que permiten construir el digital twin de tu instalación.

Con los modelos matemáticos basados en la física, se pueden predecir la dinámica de temperaturas del aire, producto y estructuras que se encuentran en el interior de las cámaras. Gracias a esta modelización es posible optimizar el funcionamiento de la instalación para reducir los costes de operación de la misma y, consecuentemente, garantizar el óptimo estado del producto.

El mantenimiento predictivo en la refrigeración

Con los modelos matemáticos basados en la física, se pueden predecir la dinámica de temperaturas del aire, producto y estructuras que se encuentran en el interior de las cámaras. Gracias a esta modelización es posible optimizar el funcionamiento de la instalación para reducir los costes de operación de la misma y, consecuentemente, garantizar el óptimo estado del producto.

Con los modelos estadísticos basados en el uso de redes neuronales, se pueden realizar predicciones que permiten corroborar el correcto funcionamiento de la instalación y, en su defecto, proceder a la corrección de los posibles fallos detectados. Gracia a una gestión de alarmas inteligente es posible generar un registro completamente transparente que permite actuar para solventar los motivos que dieron lugar a dicha alarma.

En las gráficas 3 y 4 se observa el análisis realizado para comprobar el funcionamiento de una instalación de CO2. En este ejemplo, se analiza: la presión gas cooler y el porcentaje apertura ICAD. En caso de que la diferencia entre los valores teóricos y reales de las señales supere un umbral, se guardará esa diferencia y la fecha en la que se produjo. Si en posteriores análisis, esa diferencia se incrementa con el tiempo, se indicará un deterioro o mal funcionamiento del equipo. Este análisis se realizaría junto con unas reglas de funcionamiento para detectar el origen del fallo y poder solucionarlo.

Eficiencia Energética

El proceso de optimización permite una gestión inteligente de la demanda y de la producción.

Esto se traduce en modificar el tiempo de funcionamiento de los compresores y el número de equipos trabajando (lastrado y deslastrado de equipos), respetando siempre una serie de restricciones, tales como que la temperatura del producto no sobrepase un umbral, y realizando un control de consumo para evitar excesos en función de la tarifa eléctrica contratada por el cliente.

El optimizador calcula la evolución de la temperatura en el futuro ajustando las consignas para que el coste sea el menor posible.

Asimismo, se gestionan las tarifas de energía, midiendo cada punto eléctrico de forma independiente, y evaluando la necesidad de cambiar de tarifa eléctrica según el consumo.

Sistema de mantenimiento predictivo. Caso de éxito. Datos conseguidos

En Cofrico siempre pensamos en la innovación y es por ello estamos implementando un software avanzado de mantenimiento predictivo para instalaciones de frío y climatización. Es una herramienta fundamental en instalaciones industriales para generar oportunidades de ahorro y garantizar la rentabilidad a medio y largo plazo de medidas adoptadas. Es una herramienta especializada para ofrecer un servicio de mantenimiento predictivo y asesoramiento energético: el mantenimiento 4.0 de instalaciones de refrigeración.

Destacamos un caso de éxito en la industria alimentaria implantado en una planta de producción. En esta planta, en una 1ª fase, se han instalado 2 cámaras de refrigeración y un pre-túnel de congelado, todo ello refrigerado con amoniaco. En una 2ª fase, se realizó una automatización y reprogramación de una zona antigua de la fábrica;, y en una 3ª fase, se instaló 1 cámara de refrigeración de 27.000 m³, con 14 metros de altura y con capacidad para 4 millones de kg de producto.

Eficiencia energética conseguida:

En 2018, la energía consumida aumentó un 4% y el coste un 14%, respecto a 2017, pero la producción aumentó un 35%.

En 2019, la energía consumida disminuyó un 10% y el coste un 13%, respecto a 2018, y la producción aumentó un 5%. En total, en dos períodos de producción de 6 meses cada uno, manteniendo la misma potencia contratada y con el mismo gasto, se ha producido el doble de producto y almacenado el triple del mismo.

Esto ello ha permitido también establecer un plan de trabajo, tomando decisiones estratégicas de funcionamiento, así como optimizar los costes de explotación, con plazos de amortización muy cortos.

Con casi 2 millones de kWh ahorrados, esto ha supuesto haber emitido un 29% menos de emisiones de CO2 a la atmósfera, equivalentes a 641.719 Kg. menos de CO2. Si no se hubiese instalado nuestro software, la energía consumida hubiese aumentado un 41,75% más.

Rebajar el mantenimiento correctivo a un 20%, puede suponer una reducción de los costes de mantenimiento de alrededor del 55%. Este cálculo se hizo tomando como base la reducción desde un 60% actual a un 20%, ya que según estudios realizados en España el 60% del mantenimiento es correctivo). (*)

 (*) Fuente: Teo Vitoria Mangado. Gestión Area ICT en AIN – Asociación de la Industria Navarra. Artículo “Hacia el mantenimiento del futuro en el ámbito de la fábrica inteligente”.

Debido al crecimiento de la industria y la implantación cada vez más fuerte de una industria 4.0, se antoja fundamental para cualquier empresa competitiva en el sector la implantación de un sistema de mantenimiento preventivo y predictivo. De esta forma se conseguirá una mejora en el rendimiento, una mejor explotación energética, una reducción de costes y se consigue un mejor funcionamiento general.

¿Cuánto vale para ti la tranquilidad de saber que una instalación que es crítica en tu proceso productivo no va a fallar en el momento más inoportuno? Contacta con nosotros y solicita una demo.