Wdrożenie Przemysłowego Internetu Rzeczy (IIoT) to między innymi możliwość wykorzystania pomiarów mocy pomp do oszczędzania energii. Pomiar odbywać się może z wykorzystaniem czujników przesyłających dane zdalnie i analizy opartej na chmurze. Poniżej znajdziesz osiem wytycznych dotyczących bezpiecznej i łatwej aplikacji IIoT.
Wizja zmniejszenia zużycia energii przez pompy jest kusząca, a istniejące przypadki dowodzą, jak znaczne oszczędności można dzięki temu osiągnąć. Na zasilanie pomp w przemyśle na całym świecie wydaje się rocznie ponad 1 bilion złotych, kolejne 400 miliardów przeznacza się na konserwację pomp w celu utrzymania ich w ruchu i poprawy wydajności. Nie jest niczym niezwykłym, że producenci procesów wydają ponad 25% budżetu operacyjnego na zasilanie pomp. Mimo to rozwiązania branżowe mające na celu rozwiązanie problemu zużycia energii przez pompy koncentrują się na zakupie nowych pomp. Celem tego projektu było opracowanie architektury, która wypełnia lukę pomiędzy obecnie zainstalowanymi pompami i czujnikami w danym środowisku a technologią uczenia maszynowego opartego na chmurze. Rozwiązanie to umożliwia przechowywanie i analizowanie danych dotyczących długoterminowego zużycia energii przez pompy, co pozwala na podejmowanie decyzji dotyczących wydajności, doboru, konserwacji i wymiany pomp na podstawie rzeczywistych informacji historycznych.
8 wskazówek projektowych
Kilka wytycznych nadało kierunek wybranym do wdrożenia technologiom, w tym:
1. Stworzenie opartej na chmurze cyfrowej reprezentacji stanu pomp, zużycia energii i obciążenia.
2. Wykorzystanie najnowocześniejszych narzędzi do wizualizacji i analizy, bez konieczności wdrażania ich lokalnie.
3. Możliwość uruchamiania i wyłączania środowisk testowych, a także przechowywania danych przez długi czas.
4. Praca we współczesnym świecie (bezobsługowość, zdalne monitorowanie, praca bez zakłóceń). Biorąc pod uwagę ograniczenia narzucone przez COVID-19, producenci potrzebują rozwiązania do zdalnego monitorowania, które nie wymaga licznego personelu na miejscu w celu wdrożenia, monitorowania i konserwacji. Rozwiązanie musiało być proste w instalacji i nie mogło wymagać późniejszego zatrudnienia lokalnego personelu.
5. Unikanie stosowania nowych czujników lub oprogramowania zewnętrznego. Celem jest wykorzystanie istniejących czujników rozpowszechnionych w przemyśle przetwórczym, a także unikanie rozwiązań zewnętrznych, które uzależniają firmę od danego dostawcy.
6. Unikanie założeń dotyczących łączności bezprzewodowej i zasilania, takich jak dostępność sieci WiFi na terenie fabryki, środowisko o niskim poziomie zakłóceń lub zasilanie 120 V. Wiele środowisk produkcyjnych to duże obszary bez dostępu do WiFi, z wieloma zakłóceniami. Większość środowisk kontrolnych nie ma gniazdek elektrycznych 120 V.
7. Unikanie ingerencji w system realizacji produkcji (MES), sterownik programowalny (PLC), system kontroli nadzorczej i akwizycji danych (SCADA) lub zasoby informatyczne (IT).
8. Chęć stworzenia bezpiecznego i prostego projektu. Oznacza to przepływ danych i sterowania z mierzonych pomp bez mechanizmu kontrolującego lub wpływającego na proces. Utrzymując przepływ danych w jednym kierunku, nie ma możliwości zmiany procesu produkcyjnego. Podobnie, nieprzerwane podłączenie do sieci czujników eliminuje potrzebę zmiany oprogramowania, czasochłonnego zrzutu danych lub wsparcia informatycznego w zakresie pozyskiwania danych. Pomiar mocy silnika pompy zapewnia dokładny obraz zużycia energii. Jest to doskonałe rozwiązanie do natychmiastowego sterowania pompą (wyłączanie pompy w przypadku wystąpienia błędów, takich jak suchy bieg, kawitacja lub awaria mechaniczna), ale jest to również cenna informacja, jeśli jest śledzona w czasie rzeczywistym. Długoterminowa analiza danych dotyczących mocy może wskazywać na wzrosty mocy, które są symptomem:
? zwiększonego obciążenia,
? potrzeby potencjalnej konserwacji, w tym osiowania i smarowania,
? złego doboru pompy.
Podobnie, zmniejszające się poziomy mocy mogą wskazywać na potencjalne przewymiarowanie silników/pomp lub zmiany w procesie pompowania, które należy uwzględnić. Wyjście z czujnika mocy to sygnał analogowy 4-20 mA odpowiadający mocy chwilowej. Wdrożenie dotyczyło prostej sondy temperatury silnika pompy. Czujnik temperatury dostarcza również skalowany sygnał analogowy 4-20 mA. Ta termopara/przekaźnik została przymocowana do silnika za pomocą małej, metalowej opaski.
Bramki bezprzewodowe, analiza danych
Bramka bezprzewodowa pobiera analogowe sygnały wejściowe 4-20 mA, konwertuje je na sygnał cyfrowy, który jest następnie przesyłany przez szerokopasmową sieć dalekiego zasięgu (LoRaWAN) przy użyciu protokołów z The Things Network (TTN). Bramka czujnika wykonuje zrzut dwóch analogowych wejść danych co 20 sekund. Wykorzystanie sieci LoRaWAN umożliwia komunikację urządzeń na duże odległości (do kilometrów w porównaniu z dziesiątkami metrów przy użyciu WiFi) oraz w środowiskach fabrycznych, gdzie zakłócenia powodowane przez maszyny mogłyby zakłócić sygnał WiFi. The Things Network (TTN) umożliwia definiowanie topologii sieci przez użytkownika w oparciu o tanie bramki, z możliwością rozmieszczenia ich wewnątrz lub na zewnątrz. W tym wdrożeniu zainstalowano tanie bramki wewnętrzne, których instalacja trwała kilka minut. Sieć TTN zapewnia integrację w celu przesyłania strumienia danych do różnych procesów analitycznych. Wyniki przedstawiono na rysunku 2. Wdrożona architektura zbudowała ciągły strumień danych o aktywności silnika pompy. Śledzenie poziomów mocy i temperatury silnika ze znacznikami czasowymi pozwoliło na stworzenie wizualizacji i analiz dotyczących: ? przewymiarowania nominalnej mocy silnika w odniesieniu do generowanego obciążenia,
? zwiększonego zużycia energii, gdzie obszar pod krzywą mocy reprezentuje zużycie energii.
Różnice w pomiarze mocy. Wzrost mocy i temperatury silnika przy stałym obciążeniu może wskazywać na:
? problem z instalacją pompy,
? zużycie pompy lub konieczność konserwacji,
? problemy z systemem, takie jak problemy z zaworem regulacyjnym.
Cyfrowy bliźniak, oszczędność kosztów energii
Kolejnym etapem wdrożenia było wykorzystanie przechwyconych danych i stworzenie cyfrowego bliźniaka, czyli wirtualnej reprezentacji silnika pompy w czasie. Przyszłe etapy będą wykorzystywać możliwości uczenia maszynowego w środowiskach analizy danych w celu zautomatyzowania wykrywania anomalii i zdalnego ostrzegania. Ten przykład wykazuje natychmiastowe oszczędności kosztów dzięki lepszej świadomości energetycznej i informacji o sprawności silnika. Dodatkowe korzyści w postaci zwiększonego czasu sprawności i lepszej jakości produkcji pojawią się wraz z budową modelu danych i postępami uczenia maszynowego. Wszyscy producenci procesów posiadający w zakładzie zainstalowane pompy mogą odnieść korzyści z realizacji podobnego projektu.
Mike McClurg jest dyrektorem ds. marketingu w firmie Load Controls Inc.