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.  

Este paradigma de Industria 4.0 implica a nivel de refrigeración industrial, invertir en un 70% de actuaciones predictivas autoejecutables (mantenimiento predictivo) y un 30% de actuaciones en campo, con un consumo adaptativo a las necesidades operativas de producción según la actividad industrial, y a diseñar instalaciones que utilicen gases refrigerantes ecológicos, como el amoniaco y el CO2.

Mantenimiento Predictivo
Un mantenimiento predictivo exitoso y operacional requiere de un sistema avanzado que vigile y prediga deterioros antes de que se produzcan y ejecute acciones automáticas de autocorrección a nivel técnico y energético para que la instalación de refrigeración alcance el punto óptimo de eficiencia.

Para ello, debe integrar la lectura en tiempo real de los datos, así como el histórico de todas las variables energéticas y de proceso de tu industria: SCADA, BMS, PLC, electricidad, gas, agua, vapor, comunicaciones MBUS, IEC, XML, IPC... Todo este complejo proceso es posible gracias a las nuevas tecnologías, modelos clásicos de la física y algoritmos de inteligencia artificial.

Con los modelos predictivos, se pueden predecir cuales son los valores de las temperaturas del producto y de las estructuras almacenadas en el interior de las cámaras. Al utilizar ecuaciones matemáticas que relacionan múltiples variables, es posible optimizar y extraer los valores óptimos en cada momento para reducir los costes de operación de la instalación, y consecuentemente, garantizar el óptimo estado del producto.

 

Gráfico: Simulación vs. realidad Temperaturas cámaras frigoríficas

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, a través de una gestión de alarmas inteligente, generando un registro completamente transparente que permitiría actuar para solventar los motivos que dieron lugar a dicha alarma.
 

En las gráficas se observa el análisis realizado para comprobar el funcionamiento de un compresor. En este ejemplo, se analiza: la presión gas cooler y el porcentaje apertura ICAD.

En caso de que la diferencia absoluta entre los valores teóricos y reales de las señales superen 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 de la demanda y de producción inteligente.

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 o que no se produzcan excesos de consumo, es decir, se realiza un control de 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 del cambiando de tarifa eléctrica según el consumo.

Gráfico: Gestión de excesos

Gráfico: Gestión de tarifas de energía
 

Todo ello se gestiona desde nuestro sistema avanzado CofriView365. Más información.