Innowacyjna platforma SI zmniejszy wykorzystanie zasobów i energii
Przedsiębiorstwa przemysłu przetwórczego, zajmujące się wytwarzaniem oraz przetwarzaniem dużych partii materiałów, opierają się w dużym stopniu na zużyciu ogromnych ilości surowców i energii. W związku z tym nawet najmniejsze zmiany przyczyniające się do zwiększenia sprawności mogą przekładać się na olbrzymie oszczędności, a także znaczące zmniejszenie wpływu ich działalności na środowisko naturalne. Dotyczy to w szczególności niektórych procesów przemysłowych, takich jak wytapianie aluminium pierwotnego, w ramach którego produkcja jest zorganizowana w różnych obszarach, w tym w zakładzie produkcji anod, komórkach elektrolitycznych i odlewni – cały proces charakteryzuje się zaś znaczącym zużyciem energii i surowca. Jednym ze sposobów na radykalne usprawnienie tego procesu jest wykorzystanie modelowania predykcyjnego, czerpanie korzyści z rozmieszczenia dużych liczb czujników i gromadzenia danych, a także wykorzystanie technik sztucznej inteligencji. Niestety, dotychczas monitorowanie procesów produkcyjnych pozostaje dużym wyzwaniem ze względu na to, że wymaga gromadzenia i analizy olbrzymich ilości danych, natomiast wdrożenie opartych na modelach funkcji predykcyjnych jest często niemożliwe ze względu na cenę lub niedostateczną niezawodność rozwiązań. Celem uczestników finansowanego przez Unię Europejską projektu MONSOON (MOdel based coNtrol framework for Site-wide OptmizatiON of data-intensive processes) było rozwiązanie tego problemu poprzez opracowanie opartych na danych ram oraz zestawu narzędzi umożliwiających ekspertom zajmującym się różnymi dziedzinami skuteczną współpracę i zwiększanie wydajności produkcji europejskiego przemysłu przetwórczego. Rozwiązania opracowane w ramach projektu MONSOON wykorzystują podejścia predykcyjne oparte na sztucznej inteligencji w celu optymalizacji procesów produkcyjnych w całym zakładzie.
Dane i rozwój
Ramy MONSOON są podzielone na dwa główne elementy – platformę obsługi zakładu w czasie rzeczywistym Real Time Plant Operation Platform oraz międzysektorowe laboratorium danych Cross Sectorial Data Lab. Platforma została zaprojektowana z myślą o wdrożeniu w zakładzie, a jej zadaniem jest wspomaganie różnych aspektów działania zakładu, w tym gromadzenia danych i monitorowanie zasobów w całym zakładzie; rozwiązywanie problemów związanych z interoperacyjnością, a także sterowanie przepływami danych, wykrywanie problemów i usterek wpływających negatywnie na funkcjonowanie platformy MONSOON, a także realizacja funkcji predykcyjnych, wśród których można wymienić między innymi przewidywanie wystąpienia nietypowych zachowań w określonych procesach. Laboratorium danych stanowi z kolei środowisko współpracy, w którym dane napływają z wielu źródeł i mogą być analizowane na szeroką skalę. Tego rodzaju rozwiązanie umożliwia między innymi współpracę pomiędzy analitykami danych i ekspertami zajmującymi się procesami, realizację działań związanych z zaawansowanym modelowaniem, łatwiejszy dostęp do danych zgromadzonych w zakładzie, a także projektowanie, rozwój i testowanie nowych funkcji predykcyjnych. „Dzięki rozwiązaniu MONSOON, analitycy danych współpracujący z ekspertami do spraw procesów mogą w szybki i tani sposób opracowywać, oceniać i wdrażać nowe rozwiązania w zakresie kontroli predykcyjnej, tworzyć funkcje predykcyjne za pomocą algorytmów uczenia maszynowego, a także przeprowadzać symulacje, w tym przy pomocy danych zgromadzonych z połączonego środowiska produkcyjnego”, mówi Claudio Pastrone, dyrektor obszaru badawczego ds. IoT oraz rozpowszechnionych technologii w Fundacji Links.
Nadchodzi MONSOON
Rozwiązanie MONSOON zostało wdrożone i przetestowane w dwóch zakładach pilotażowych, które zyskały dzięki niemu dostęp do prognoz w czasie niemal rzeczywistym. Przełożyło się to na usprawnienie konserwacji maszyn oraz poprawienie jakości produktów. W zakładzie produkcyjnym GLN w Portugalii, rozwiązanie MONSOON zostało wykorzystane do usprawnienia procesu formowania wtryskowego. Drugi zakład pilotażowy koncentrował się na poszczególnych obszarach wytwarzania aluminium pierwotnego, w tym etapach wymagających węgla oraz elektrolizy. W tych testach wzięły udział firmy Aluminium Pechiney oraz zakład Liberty House we Francji. Prace przeprowadzone w ramach projektu koncentrowały się na szeregu aspektów związanych z cyfryzacją zakładów, gromadzeniem danych i tworzeniem konkretnych funkcji predykcyjnych, sprzyjając współpracy pomiędzy analitykami danych i ekspertami zajmującymi się procesami. Biorąc pod uwagę fakt, że jesteśmy świadkami rewolucji cyfrowej w przemyśle i narodzin Przemysłu 4.0 projekt MONSOON może przyczynić się do szerszego przyjęcia rozwiązań monitorowania i kontroli w zakładach produkcyjnych europejskiego przemysłu przetwórczego. Biorąc pod uwagę skrócenie czasu procesów, a także zużycia zasobów i energii, projekt może również przyczynić się do wzmocnienia pozycji europejskiego przemysłu w światowym wyścigu, zwiększając jego konkurencyjność oraz dbając o zrównoważony rozwój. „Z tego miejsca chciałbym podziękować wszystkim partnerom skupionym wokół projektu MONSOON za doskonałą współpracę w ramach projektu, a także poza nim”, dodaje Pastrone. „Dzięki projektowi miałem możliwość współpracy z doskonałymi ekspertami i specjalistami z całej Europy”, wspomina.
Słowa kluczowe
MONSOON, proces, przemysł, produkcja, narzędzia, czujniki, SI
