Technologia systemów automatyki czasu rzeczywistego umożliwia tworzenie nowych strategii sterowania, monitoringu i akwizycji danych oraz algorytmów i harmonogramów optymalizacji procesów przemysłowych.
Zagadnienie optymalizacji we współczesnej automatyce przemysłowej dotyczy bardzo wielu obszarów i zagadnień. Niemal z każdym dniem obserwuje się wzrost znaczenia i liczby dostępnych na rynku branżowym narzędzi i technik służących do optymalizacji procesów przemysłowych, zużycia materiałów i niezbędnych surowców, energii, organizacji strategii biznesowych przedsiębiorstw, szybkości dostaw itp. Dane monitorowane i zbierane przez systemy automatyki, dziś już w zasadzie niezbędne do realizacji tych procesów optymalizacyjnych, stają się integralną częścią systemu monitoringu i optymalizacji funkcjonowania całych przedsiębiorstw. Dlatego też systemy te należy coraz częściej postrzegać jako infrastrukturę zintegrowaną z innymi podsystemami, wykorzystywanymi w monitoringu i zarządzaniu zakładami przemysłowymi. Idea ta jest dość jasna i zrozumiała, jednak jej praktyczna i zarazem skuteczna realizacja nie jest już tak prosta. W rzeczywistości bowiem optymalizacja każdego pojedynczego procesu wymaga zazwyczaj indywidualnego podejścia i zrozumienia jego natury, a cóż dopiero powiedzieć o kliku powiązanych ze sobą procesach czy całym zintegrowanym przedsiębiorstwie. Stąd konieczność każdorazowego kompleksowego podejścia do zagadnień optymalizacyjnych we współczesnych nowoczesnych przedsiębiorstwach.
Sterowanie procesami w czasie rzeczywistym
W funkcjach układów sterujących aplikacjami przemysłowymi niemal zawsze pojawiają się jakieś wypracowane już mechanizmy automatyki, będące wynikiem chociażby wcześniejszych zabiegów optymalizacyjnych. Przy czym nie zawsze są one charakterystyczne dla danych procesów przemysłowych, tzn. obsługi sterowników programowalnych, układów ciągłych i dyskretnych, układów wielu zmiennych itp. Trzeba jednak pamiętać, że mimo wszystko wciąż są to układy sterowania, często realizowane w formie:
- systemów zapobiegania niespodziewanym awariom poprzez rozszerzenie obszarów działania systemów bezpieczeństwa, współpracujących z różnymi urządzeniami pochłaniającymi energię, lub oddziaływanie mas,
- systemów zapobiegania niespodziewanym awariom poprzez stabilizację parametrów pracy głowic pary na kotłach, stabilizację rozpływu pary i zachowanie właściwej równowagi układów,
- rozszerzenie oddziaływania układów automatyki, w szczególności na procesy rozruchu, w celu ograniczenia liczby ewentualnych restartów oraz strat energetycznych.
Ciekawą propozycją jest zastosowanie w nowoczesnych układach sterowania i optymalizacji systemów czasu rzeczywistego. Gwarantują one poprawność obsługi sygnałów danych i kontrolnych na wszystkich poziomach hierarchii systemowej, wraz z aplikacjami sfery biznesowej. To rozwiązanie zazwyczaj bardziej kompleksowe, przenoszące ciężar decyzyjny z obszarów dotyczących wybranych urządzeń czy podsystemów na sfery odnoszące się do całych systemów sterowania i zarządzania, z możliwością uwzględnienia aktualnych warunków finansowych i ograniczeń czasowych, terminowych itp. Wspomniane wcześniej zapobieganie niespodziewanym awariom realizowane jest w odmiennej od tradycyjnych rozwiązań formie. Z pomocą przychodzą tu nowe techniki i metody, bazujące w znakomitej większości na opracowaniu zaawansowanych formuł zarządzania parametrami i współczynnikami pracy urządzeń, w celu ich stabilizacji i zniwelowania wzajemnych oddziaływań pomiędzy nimi, mogących prowadzić do destabilizacji i ewentualnej awarii. Umożliwiają one również śledzenie tendencji zmian określonych parametrów procesowych, dzięki czemu dodatkowo możliwe jest prewencyjne oddziaływanie na nastawy niektórych parametrów.
Optymalizacja w czasie rzeczywistym
Uważna analiza czy w danym systemie osiąga się zamierzone rezultaty (szybkość reakcji, poziom dokładności) daje wstępną informację, czy i ewentualnie jakie zmiany są potrzebne. Jeżeli rezultaty są zadowalające, zmiana strategii nie jest konieczna. Jeżeli jednak wyniki działania procesów nie są dobre, warto, korzystając z nowoczesnych, dostępnych obecnie na rynku technologii, zmodernizować system sterowania i monitoringu, zmodyfikować strategię ogólną funkcjonowania zakładu, szczególnie zaś w obszarach jakości, optymalizacji wykorzystania materiałów itp. Jeżeli takie działania nie przyniosą pożądanych rezultatów, możliwe jest jeszcze oddziaływanie w strukturach najwyższych poziomów hierarchii systemowej oraz bezpośrednie wpłynięcie na pracowników obsługi, ich przeszkolenie, doskonalenie umiejętności pracy z nowymi technologiami.
W takiej optymalizacji uwzględnia się wszystkie kluczowe wskaźniki biznesowe, określone wcześniej w analizach i pomiarach. Celem jest bowiem poprawa wyników biznesowych zakładu, a nie tylko wydajności samych procesów produkcyjnych czy przetwórczych. Mówi się tu wciąż o optymalizacji, jednak tym razem przybiera ona formy:
- zarządzania harmonogramami produkcji,
- zrównoważenia harmonogramów długo- i krótkoterminowych,
- kontroli jakości, zużycia energii i innych zasobów,
- organizacji operacji i procesów pod kątem bieżących zamówień, w celu uzyskania jak największej wydajności,
- dopasowanie procesów produkcyjnych do aktualnie posiadanych i dostępnych zasobów trwałych i materiałów w celu kompleksowej optymalizacji procedur biznesowych i zarządzania.
Kluczowym elementem omawianych tu procedur optymalizacyjnych jest to, że uwzględniają one dynamiczną naturę procesów decyzyjnych, biorąc jednocześnie pod uwagę dostępność zasobów i możliwy poziom ich wykorzystania do realizacji planowanych celów biznesowych. Bowiem tylko przy jak najbardziej kompleksowym podejściu do kwestii optymalizacji zarządzania i sterowania możliwe jest osiągnięcie najlepszych wyników biznesowych. Podjęcie trafnych decyzji dotyczących zarządzania najistotniejszymi zasobami przedsiębiorstw (moduły przetwarzania energii, silniki i turbiny, oprzyrządowanie pomiarowe i kontrolne itp.) pozwala na wypracowanie pewnych kompromisów pomiędzy bieżącymi zamówieniami i zobowiązaniami firmy a jej długofalową strategią i planowanymi harmonogramami prac, realizacji zamówień itd. Przykładem złej praktyki w tym zakresie może być np. korzystanie z danych z czujników w zanieczyszczonym wymienniku ciepła, do prognozowania skuteczności transferu energii cieplnej i na tej podstawie wprowadzanie zmian czy korekt w przygotowanych wcześniej harmonogramach lub nastawach parametrów pracy.
Istotnymi elementami procesów decyzyjnych są również bieżące informacje o kosztach zachowania płynności dostaw materiałów oraz prowadzona w czasie rzeczywistym ocena ryzyka finansowego podejmowanych przedsięwzięć. Sprawna realizacja takiego podejścia wymaga organizacji systemu obliczeń wskaźników dostaw, współczynników zarządzania i ryzyka operacji oraz ich szacowanego wpływu na przebieg planowanych procesów przemysłowych. To samo podejście może być wykorzystane w ocenie efektywności energetycznej urządzeń przemysłowych, napędów, sprężarek itp. W ten sposób rozszerza się obszar oddziaływania procesów optymalizacyjnych na sferę inżynieryjną i analizy możliwych scenariuszy rozwoju wypadków przy różnych uwarunkowaniach, symulacji i treningów zachowań urządzeń i obsługi w różnych warunkach, dopasowania harmonogramów zarządzania produkcją w zmiennych uwarunkowaniach.
Pierwszym i niezbędnym elementem takiej organizacji systemu sterowania i optymalizacji jest wdrożenie układów pomiaru i oceny różnych parametrów i wskaźników procesowych, istotnych z punktu widzenia biznesowego i zarządzania. Omawiane podejście bazuje bowiem na znajomości dynamiki zmian różnorodnych parametrów związanych z realizacją zamówień na produkty końcowe i dostaw materiałów niezbędnych do ich wytworzenia, wraz z danymi o stanie pracy poszczególnych urządzeń na liniach procesowych.
W tak zorganizowanym systemie proces optymalizacyjny zaczyna się każdorazowo w dowolnym punkcie łańcucha decyzyjnego, gdzie tylko obsługa, inżynierowie czy menedżerowie, korzystając z narzędzi pomiarowych, stwierdzą wyjście parametrów procesowych poza ustalone ramy, dopuszczalne odchylenia. Działania interwencyjne zmierzają wówczas do jak najszybszego ustalenia przyczyn twego stanu i przywrócenia układu do stanu równowagi. Jak wskazują przedstawione w dalszej części tekstu przykłady, tak prowadzona optymalizacja może, ale nie zawsze musi, wymagać specjalizowanego aparatu obliczeniowego.
Optymalizacja poprzez usprawnienie procesów produkcyjnych i przetwórczych
Jeden z największych światowych producentów branży lotniczej dysponuje dziesięcioma zakładami rozproszonymi w różnych lokalizacjach, wraz z kilkoma wspierającymi je ośrodkami badawczo-rozwojowymi. Po przeprowadzeniu wstępnych analiz jako podstawowy element optymalizacyjny w zarządzaniu infrastrukturą firmy przyjęto organizację dostaw materiałów niezbędnych do funkcjonowania wszystkich wspomnianych jednostek. Usprawnienie łańcucha dostaw miało zapewnić konkurencyjność na rynku. Zdecydowano się ostatecznie na współpracę z innymi, mniejszymi producentami branży lotniczej, wytwarzającymi elementy i podzespoły niezbędne do realizacji większych zadań we wspomnianych wcześniej zakładach. W organizacji architektury systemu dostaw wykorzystano platformę BPM, integrującą różne elementy łańcucha dostaw wraz z pełnym monitoringiem działań, od momentu specyfikacji zamówienia, aż do jego ostatecznej realizacji i dostarczenia niezbędnego materiału, półproduktu czy podzespołu. System zamówień i raportów został zunifikowany dzięki pakietowi zarządzającemu Skelta Business Process Management firmy Invensys, integrującemu podsystemy stosowane przez poszczególne firmy zewnętrzne.
Dzięki zautomatyzowaniu zadań administracyjnych związanych z przebiegiem procesów składania i realizacji zamówień dostaw, uzyskano optymalizację wykorzystania materiałów dostarczanych z zewnątrz, stwarzając jednocześnie kadrze zarządzającej nowe możliwości organizacji dostaw. W efekcie czas decyzji w obszarze zarządzania dostawami zredukowano o ok. 30%, a koszty dostaw o ok. 35%.
Optymalizacja dzięki rozwiązaniom mobilnym
Skuteczna optymalizacja nie zawsze musi być związana z wysokim stopniem zautomatyzowania procesów decyzyjnych czy obsługi. Na przykład w koncernie Shell Oil wyposażono pracowników kadry zarządzającej w przenośne komputery i moduły PDA z oprogramowaniem przetwarzającym dane z urządzeń i prezentującym wszelkie zmiany w postaci histogramów, trendów itp., ułatwiających ich interpretację i sprzyjających szybszemu podejmowaniu odpowiednich, strategicznych decyzji. Dzięki temu możliwa jest szybsza reakcja na dynamiczne zmiany zachodzące w różnych etapach procesów produkcyjnych lub przetwórczych, łańcuchu dostaw i zamówień, bez konieczności każdorazowego angażowania skomplikowanego aparatu monitoringu, przetwarzania i zarządzania na poziomie całego przedsiębiorstwa. W zakładzie w Chevron pracownicy, dokonując przeglądu parametrów pracy danej maszyny, wprowadzają odpowiednie informacje i dane do systemu poprzez panel PDA, który za pośrednictwem połączeń sieciowych przesyła je do systemu nadrzędnego (Invensys, Wonderware), gdzie są one w czasie rzeczywistym konfrontowane z danymi i nastawami z systemu sterowania i monitoringu, a po odpowiednim przetworzeniu, na ich podstawie generowane są sygnały sterujące i ewentualne informacje dla operatorów, wyświetlane na panelach operatorskich. Dzięki takiemu rozwiązaniu, gdy któreś z urządzeń pracuje niepoprawnie lub z ograniczoną wydajnością, pracownicy kadry zarządzającej mogą bardzo szybko nawiązać współpracę z operatorami czy serwisem, w celu uruchomienia niezbędnych działań korekcyjnych lub serwisowych.
Sterowanie z predykcją
W elektrowni NRG Huntley w Tonawonda (stan Nowy Jork) najważniejszymi parametrami wskazującymi na efektywność produkcji są: wskaźnik skuteczności cieplnej i szybkości emisji ciepła, przy jednoczesnym dążeniu do maksymalnej redukcji emisji NOx, zgodnie z wymogami norm. Kluczowym obiektem optymalizacji w tym zakładzie jest zatem system kotłów, gdzie zaaplikowano model predykcyjny SimSci-Esscor, wraz z bazującym na sieciach neuronowych systemem sterowania firmy Invensys. Parametry niezbędne do inicjalizacji funkcjonowania modelu ustalono na podstawie prowadzonych wcześniej testów funkcjonowania optymalizowanego obiektu. Zastosowanie w obiekcie kotłów ze zdwojonym paleniskiem, osobno dla funkcji nagrzewania i przegrzania, skomplikowało w znacznym stopniu układ optymalizacyjny, zwiększając liczbę monitorowanych i sterowanych zmiennych. Wszystkie one musiały zostać uwzględnione w modelu wprowadzonym do układu sterowania, jednakże po jego zaaplikowaniu system automatyki zyskał zdolność samoadaptacji do zmieniających się warunków pracy i szybkiej korekty nastaw dla zachowania niezbędnej równowagi parametrów pracy. Dzięki temu kotły mogą pracować przy zredukowanej ilości dostarczanego tlenu, co przekłada się na zmniejszenie emisji NOx oraz poprawę wskaźnika skuteczności cieplnej poprzez redukcję strat tzw. gazów suchych. W efekcie końcowym system spełnił wymogi norm w zakresie emisji NOx przy jednoczesnym ograniczeniu emisji o ok. 10% i wzroście wskaźnika skuteczności cieplnej o ok. 0,5% oraz 2,5-krotnym wzroście wskaźnika szybkości emisji ciepła.
Odblokowany potencjał optymalizacji
Automatyzacja w czasie rzeczywistym – to dziś możliwe i konieczne! Dzięki ciągłemu spadkowi cen niezbędnych pakietów oprogramowania oraz coraz powszechniejszemu dostępowi do różnorodnych platform sprzętowych i programowych, technologia przestaje być barierą we wdrażaniu tego typu rozwiązań. Odblokowuje się nowy potencjał w zakresie sterowania i optymalizacji aplikacji przemysłowych. Wdrażanie nowoczesnych modułów pomiarowych, elementów sterowania i monitoringu, zaawansowanych koncepcji systemów optymalnego sterowania procesami, pozwala na tworzenie nowych zasad organizacji i optymalizacji pracy maszyn oraz całych procesów produkcji czy przetwarzania. Stanowi jednak również poważne wyzwanie w zakresie rozwoju nowej kultury ich użytkowania i zarządzania. Stąd konieczność zaangażowania w procesy optymalizacyjne szerszego grona osób z różnych działów funkcjonowania przedsiębiorstw, wymiana informacji między nimi, wymiana doświadczeń, integracja, opracowanie wspólnych strategii organizacyjnych itp. W procesach tych znacznym ułatwieniem są pojawiające się na rynku narzędzia, dające możliwość sprawnej wymiany informacji i danych procesowych pomiędzy różnymi działami przedsiębiorstw oraz normy i instrukcje zawierające wytyczne w tym zakresie, sprzyjające ujednoliceniu form komunikacji.
Narzędzia i wytyczne to jednak nie wszystko. Niezbędni są też w takich sytuacjach kompetentni pracownicy, ludzie odpowiednio wykształceni, posiadający wizję organizacji systemów sterowania i algorytmów optymalizacyjnych. Jak już bowiem wspomniano na początku artykułu, w praktyce każda aplikacja jest inna, ma swoje charakterystyczne cechy i uwarunkowania – i konieczne jest ich właściwe dostrzeżenie i zrozumienie.
Każdy kto decyduje się na wdrożenie systemów optymalizacyjnych czasu rzeczywistego, na wstępie koniecznie musi zadać sobie trzy podstawowe pytania: „Jaka jest ogólna strategia biznesowa mojego przedsiębiorstwa?”, „Jakie są kluczowe wskaźniki odwzorowujące skuteczność jego funkcjonowania?” oraz „Jakie jest znaczenie moich decyzji w procesie?”. Tylko w oparciu o przemyślane odpowiedzi na nie możliwy jest sprawny podział i definicja czynników oddziałujących w danym procesie przemysłowym – danych pomiarowych, elementów sterujących, ograniczeń, wymogów jakościowych/ilościowych, algorytmów optymalizacyjnych.
Zmiany organizacyjne przedsiębiorstw wymagają najczęściej również odpowiedzi na pytania, jak zmiany te wprowadzić, jakie techniki są niezbędne do ich wdrożenia, jak wprowadzić zmiany dotyczące tylko niewielkich działów, a jak zmiany w organizacji funkcjonowania całego przedsiębiorstwa. Tylko dogłębna analiza tych kwestii, wraz ze sprawną implementacją odpowiednich rozwiązań technologicznych, może być podstawą sukcesu we wdrażaniu nowoczesnych, zaawansowanych strategii optymalizacyjnych we współczesnych przedsiębiorstwach i zakładach przemysłowych.
Artykuł pod redakcją dr. inż. Andrzeja Ożadowicza – AGH Kraków
Autor: Stan DeVries, Maryanne Steidinger
