Energiebesparing door valorisatie van ‘big data’ Een innovatieve aanpak van processen Het potentieel voor operationele energiebesparing in processen kan oplopen tot 15% maar blijft tot nu toe veelal onderbenut. Een EnergieManagement- en Informatiesysteem (EMIS), gebouwd op een fundament van data-analysetechnieken, principes van lean productie en betrokkenheid van operatoren laat toe dit potentieel te valoriseren. V. de Groote, Indea - Deinze en J. Huddleston, Pepite - Luik
Figuur 1: Een histogram laat toe variabiliteit in een KPI (bijvoorbeeld specifiek stoomverbruik) visueel voor te stellen. Het gestelde doel bepaalt het besparingspotentieel, zichtbaar gemaakt in de cumulatieve som.
Aantal uren
Target = 0,15 ton stoom/ton product
Besparing
Specifiek stoomverbruik Opportuniteit = 250.000 EUR/jaar
Dit punt is de gecumuleerde overconsumptie van energie wanneer het target is gezet op 0,15 Tijd (1 jaar)
omkaderende projectaanpak die data-analysetechnieken, lean productie en operator betrokkenheid combineert tot een EMIS op maat, het best geschikt is om dit potentieel te vertalen naar blijvende energiebesparingen. Strategieën voor een succesvol project Data-analyse en participatie, een winnend duo
Uit onze ervaring blijkt dat enkel data-analyse op zich geen garantie is voor een succesvol project. Een multidisciplinaire aanpak die geavanceerde analysetechnieken combineert met een participatietraject van operatoren en management daarentegen is dat wel. De algemene doelstelling is eenvoudig geformuleerd: ‘de variabiliteit in energieprestatie van het proces in kaart brengen en door verbeterd operationeel management blijvend verminderen’. In de volgende alinea’s gaan we dieper in op deze aanpak. Energieprestatie en de gap-analyse
De eerste stap is, om aan de hand van historische data, de huidige situatie van het te onderzoeken proces te bekijken en het besparingspotentieel vast te leggen. Meestal worden hiertoe drie KPI’s beschouwd: productie, energieverbruik en specifiek energieverbruik (energieverbruik per eenheid product). Variabiliteit in het proces leidt tot variabiliteit in het specifiek energieverbruik. Soms is deze onvermijdelijk (bijvoorbeeld variabele grondstofsamenstelling), soms kent de variabiliteit andere oorzaken die door middel van de projectmethodologie aan het licht gebracht worden. Een histogram van het historisch specifiek verbruik is over het algemeen het meest
oktober-november 2015 | 5
Energiekosten voor de industrie zijn niet gering. Voor de procesindustrie alleen al worden ze geschat op 380 miljard USD per jaar. Gezien de steeds strengere klimaatwetgeving en ook het huidige economisch klimaat, is het continu streven naar een vermindering van het energieverbruik een must voor bedrijven. Volgens McKinsey & Company is er een energiebesparingspotentieel dat kan oplopen tot wel 15%, enkel door het verhogen van de efficiëntie door implementatie van operationele verbeteringen. Hoewel dit potentieel lange tijd niet gevaloriseerd werd, bieden de huidige gebruiksvriendelijke data-analysetechnieken mogelijkheden om informatie, vervat in duizenden meetwaarden die in processen tot op seconde-niveau geregistreerd worden, te benutten. De praktijk leert echter dat een
3
BIG DATA
aangewezen om een beeld te krijgen van de spreiding van de KPI en om een realistisch statistisch onderbouwd doel (target) vast te leggen dat verder als basis dient voor de gap analyse. Het besparingspotentieel is dan de cumulatieve som van de historische prestaties slechter dan het gestelde doel (over de periode van een jaar).
derzoek van variabiliteit in historische data, patronen ontdekken, oorzaken van drift identificeren, en prestaties voorspellen en verbeteren. Data-input voor de analyse bestaat best uit één jaar data op uurbasis: KPI’s, productieparameters, kwaliteitsgegevens en labo-analyses.
Brainstormsessie met operatoren en management
We onderscheiden vier analysefases:
Nadat uit de vorige stap een significant besparingspotentieel gebleken is, kan het eigenlijke werk beginnen. Brainstormsessies met operatoren vormen een essentieel onderdeel om de diepere oorzaken, onderliggend aan energieproblemen, naar boven te brengen. Deze sessies bieden ook de mogelijkheid om medewerkers van alle niveaus aan het woord te laten en de uitdagingen die zij bij de uitvoering van hun taken voorgeschoteld krijgen, te begrijpen. Ook de bijhorende interactie tussen afdelingen, waaronder onderhoud, is waardevol gebleken. Feedback aan de deelnemers nadien, bijvoorbeeld door middel van een oorzakenboom die alle ideeën samenvat, is uiteraard een must!
Kwantificatie van de oorzakenboom. Uit de brainstormsessie zijn een reeks oorzaken (root causes) van variabiliteit en energieproblemen naar boven gekomen. Op basis van beschikbare data, kan de financiële impact van een oorzaak gekwantificeerd worden. Reeds in deze stap, kunnen verbetermogelijkheden komen bovendrijven.
Geavanceerde data-analyse
In deze stap begint de ‘magie’. Hoewel, gezond verstand is hier meer op zijn plaats om de effectieve data-analyse te beschrijven: on-
Verkennende Analyse. In deze fase worden de operationele omstandigheden verder uitgepluisd, wat stapsgewijs leidt tot een uitgezuiverde dataset van het stabiele productieproces, gezuiverd van uitschieters, abnormale of éénmalige gebeurtenissen en problematische variabelen. Voor deze verkennende analyse is een scala aan analysetechnieken beschikbaar: tijdscurven, histogrammen, clustering of een dendogram. Een dendogram is een vorm van ongestuurd leren, hiërarchische clustering,
Figuur 2. Vereenvoudigde ‘Decision tree’ die de elektriciteitsproductie van een stoomturbine voorspelt op basis van de stoominlaat en de aftap (bron: DATAmaestro© Pepite 2015).
die afhankelijkheden zoekt tussen variabelen en deze grafisch weergeeft. Oorzakenanalyse. In deze fase worden ‘data mining’- principes gebruikt om een grondiger begrip van procesafhankelijkheden te begrijpen. Een nuttig algoritme in deze fase is een ‘Ensemble tree’. Deze techniek zoekt niet-lineaire afhankelijkheden tussen een serie procesparameters en hun respectievelijke impact op een gekozen output (bijvoorbeeld specifiek energieverbruik). Het resultaat van een “Ensemble tree” wordt gevisualiseerd als een Pareto, waarbij de belangrijkste variabelen die het specifiek energieverbruik beïnvloeden, naar voren komen. Ervaring leert dat het belangrijk is om tijdens de oorzakenanalyse verschillende analysemethodes te combineren, geflankeerd door een nauwe samenwerking met de procesingenieurs met als doel het valideren van dié procesparameters die een duidelijke negatieve invloed hebben op de energie-efficiëntie. Ontwikkeling van een voorspellend (predictief) model. Op basis van de gevalideerde sleutelparameters kan vervolgens een model ontwikkeld worden dat het target voor energie-efficiëntie kan voorspellen. Dit target wordt vervolgens systematisch vergeleken met de actuele performantie (bijvoorbeeld door de operatoren). In combinatie met beslissingsondersteunende tools, kan de operator vervolgens initiatief nemen om eventuele drift snel te corrigeren. Figuur 2 toont een eenvoudige decision tree (beslissingsboom). Dit model is in dit voorbeeld ontwikkeld om te voorspellen of de elektriciteitsproductie van de stoomturbine ‘Goed’ (groen) of ‘Slecht’ (oranje) is, gebaseerd op twee inputvariabelen: stoom-extractie- en stoom-inlaatdebiet.
oktober-november 2015 | 5
Het model heeft slechts drie knopen. Hierdoor treedt een zekere fout op en wordt in sommige gevallen een foutieve voorspelling gemaakt. Bij toepassing van dergelijke modellen dient telkens een afweging gemaakt te worden tussen accuraatheid en robuustheid enerzijds en eenvoud anderzijds. Alvorens een model te implementeren is het ook belangrijk een test met een onafhankelijke dataset uit te voeren, opdat de robuustheid gegarandeerd blijft.
4
Implementatie en opleiding Op basis van de resultaten van de data-analyse, worden KPI’s en dynamische doelen voor het proces ontwikkeld zodat afwijkend energieverbruik door de betrokkenen snel kan
ECOTIPS
WWW.GRAPHIUS.COM Eekhoutdriesstraat 67, B-9041 Gent (Oostakker) +32 9 251 05 75 info@graphius.com
2014.11.14_Advertentie_Graphius_A5-liggend.indd 1
14/11/14 08:55
oktober-november 2015 | 5
THE FINE ART OF PRINTING
5
ECOTIPS
DUURZAME TECHNOLOGIEĂ‹N EN ONDERZOEK
oktober-november 2015 | 5
VITO is een op Europees vlak toonaangevend, onafhankelijk onderzoeks- en adviescentrum op het gebied van cleantech en duurzame ontwikkeling. VITO werkt aan oplossingen voor de grote maatschappellijke uitdagingen van vandaag: klimaatverandering,voedselzekerheid, grondstoffenschaarste, duurzame energievoorziening,vergrijzing ‌
6
VITO NV Tel. + 32 14 33 55 11 vito@vito.be www.vito.be
BIG DATA
worden vastgesteld. Om de KPI’s op te volgen wordt een EMIS opgebouwd met controleschermen voor operatoren (voorbeeld figuur 3) en energierapporten voor de procesingenieurs. Het betrekken van de werknemers die deze tools zullen gebruiken bij het ontwerp ervan is essentieel voor een goed resultaat.
en om eventueel bij te sturen waar nodig. Door de implementatie van de energierapporten, zijn verantwoordelijken voor het proces in staat om hun energieperformantie systematisch te evalueren en onderbouwde beslissingen te nemen gebaseerd op feiten eerder dan op gevoel.
Opvolging en continue verbetering Na de implementatie is een systematische opvolging nodig om te garanderen dat de gebruikte modellen functioneren zoals gepland
Succesfactoren van een dergelijke aanpak Het mag duidelijk zijn dat, indien niet gecombineerd met een multidisciplinaire aanpak en ondersteund door betrokkenen op alle niveaus van de organisatie, data analyse op zich slechts een schimp is van wat het zou kunnen zijn. Volgende factoren zijn essentieel voor een succesvolle projectaanpak in het optimaliseren van het energieverbruik: - betrokkenheid en ondersteuning van op alle niveaus van de organisatie; - betrokkenheid van operatoren vanaf begin, opdat beslissingsondersteunende technieken aanvaard en gebruikt zullen worden; - beschikbaarheid van historische data. Bij voorkeur over de periode van een jaar; - een methodologie en klimaat van continue verbetering, gebaseerd op periodieke monitoring en evaluatie van de energieperformantie.
Figuur 3: Dashboard dat operatoren informatie verschaft op basis waarvan ze in staat zijn om de sturing van een stoomturbine en de aftap ervan zo optimaal mogelijk uit te voeren.
Door het opzetten van een energiemanagement- en informatiesysteem dat betrokkenen op alle niveaus toestaat drift in energieperformantie vroegtijdig te ontdekken en corrigerende maatregelen te treffen, kunnen operationele verbeteringen geïmplementeerd worden. Projecten bij pionierbedrijven - internationaal en in België - in sectoren als papier, chemie, cement en staal onderbouwen de stelling dat operationele besparingen tot 15% van het energieverbruik van een proces vandaag met deze aanpak hunnen gecapteerd worden. De methodiek heeft bovendien het potentieel in zich om naast energie ook op vlak van waterverbruik, kwaliteit, productiviteit en onderhoud gelijkaardige verbeteringen te kunnen implementeren.
Besluit Data-analysetechnieken maken het vandaag mogelijk om de schat te ontdekken, die verborgen ligt in de ‘big data’ die in elke productie-installatie uur na uur verzameld wordt. Een inbedding in een multidisciplinaire aanpak en participatie vanaf de aanvang tot op het niveau van operator zijn echter noodzakelijke voorwaarden voor succes.
CARBON STEEL - STAINLESS STEEL KORTRIJKSTRAAT 122 B-8770 INGELMUNSTER - T : 0032 (0)51 30 12 61 - F : 0032 (0)51 30 93 83 INFO@VERSCHOORECONSTRUCTIE.BE - WWW.VERSCHOORECONSTRUCTIE.BE
oktober-november 2015 | 5
APPARATENBOUW IN STAAL EN ROESTVRIJSTAAL
7