Este documento describe un sistema predictivo desarrollado para mejorar la operación de plantas de pellets. El sistema se basa en tres pilares: el registro de datos, un sistema de ayuda a la producción y un sistema predictivo de vida útil de consumibles. El registro de datos recopila información clave de sensores para alimentar los otros sistemas. El sistema de ayuda a la producción analiza indicadores clave de rendimiento para identificar cuellos de botella y áreas de mejora. El sistema predictivo de vida útil estima la duración de los consumibles basándose en

1. Sistema predictivo de
operación aplicado a plantas
de pellets

2. 2
Sistema predictivo de operación aplicado a plantas de pellets
I. Introducción
II. Registro
III. Sistema Ayuda a Producción
IV. Sistema Predictivo Vida Útil
de Consumibles
Index

3. 3
Sistema predictivo de operación aplicado a plantas de pellets Introducción
PRODESA Medioambiente es una Ingeniería Energética que se centra en el campo de la
bioenergía, diseñando plantas en todo el mundo.
ACTIVIDAD PRINCIPAL: Diseño y Suministro de plantas llave mano
PRODESA es un socio global de:
 Plantas completas de pellets
 Secado de biomasa
 Plantas de CHP alimentadas con
biomasa
 Plantas para el tratamiento de Gases
SMART OPERATIONS: delegación de
PRODESA encargada del Servicio de
Asistencia Técnica Postventa.
Presencia en 4 continentes: mercado
Europeo, Ruso, Norteamericano y Asiático.

4. 4
Sistema predictivo de operación aplicado a plantas de pellets Introducción
 El equipo que constituye PRODESA permite cubrir todas las etapas del proyecto
 Promoción y estudios de viabilidad
 Ingeniería básica y de detalle
 Ingeniería de BOP (Balance of Plant)
 Fabricación
 Montaje
 Gestión y Ejecución de BOP (Balance of Plant)
 Puesta en marcha
 Formación
 Asistencia técnica postventa
 Explotaciones y operación
 EPC TURNKEY SOLUTIONS
Secado Térmico Producción de pellets de Pretratamiento y Cogeneración con biomasa Tratamiento de gases
biomasa procesado madera

5. ¿Qué NECESIDADES pretende cubrir este sistema?
Apoyo a los Jefes de Producción en Análisis de
Datos
Dificultad para cruzar datos de diferentes
plataformas
¿Dónde está el cuello de botella?¿Dónde debo
mejorar?
5
Sistema predictivo de operación aplicado a plantas de pellets Introducción

6. Caso práctico: COLOMBO ENERGY (EEUU)
 465.000 T/año
 4 molinos de verde
 5 molinos de seco
 15 granuladoras
 5 enfriadores
6
Sistema predictivo de operación aplicado a plantas de pellets Introducción

7. Basado en 3 puntos principales:
 Registro de datos
 Sistema de ayuda a la producción
 Sistema predictivo de vida de
consumibles
7
Sistema predictivo de operación aplicado a plantas de pellets Introducción
SISTEMA PREDICTIVO DE APOYO A PRODUCCION

8. II. Importancia de los datos
 Reales
 Verificados
 Útiles y concretos
8
Sistema predictivo de operación aplicado a plantas de pellets Registro
 De los datos recogidos depende el éxito de cualquier algoritmo o
sistema de cálculo

9. 9
Sistema predictivo de operación aplicado a plantas de pellets Registro
Estructura de Sistema Convencional

10. Solución 4.0
 Sistema nivel superior
 Recoge datos de la
fuente
 No interfiere programa/
multiplataforma
10
Sistema predictivo de operación aplicado a plantas de pellets Registro

11. Selección de datos
 10% de los sensores proporcionan 90% de
la información necesaria
 Analizar el proceso y aprovechar la
instrumentación existente
 Intentar evitar registro humano
11
Sistema predictivo de operación aplicado a plantas de pellets Registro

12. Sistema predictivo de operación aplicado a plantas de pellets Ayuda a Producción
III. SISTEMA DE AYUDA A LA PRODUCCION
12
 Ayuda al Mando Intermedio, Jefe de
producción…
 Análisis de los KPI (Key Performance
Indicators)
• Independiente por equipo
• Por línea de producción
• General de la planta

13. KPI equipos principales
13
Sistema predictivo de operación aplicado a plantas de pellets Ayuda a Producción
 Disponibilidad
• Máquina produciendo
• Máquina lista para producir
• Parada programada
• Parada no programada
 Producción

14. 14
Análisis de granuladora
Sistema predictivo de operación aplicado a plantas de pellets Ayuda a Producción
Predicción
Tendencia
Alarmas Equipos
Disponibilidad
Disponible vs Indisponible
Programada vs No Programada
Producción
• Régimen de trabajo
• Margen de temperaturas
• Márgenes de vibración
• Margen de durabilidad

15. Qué Ventajas ofrece?
Análisis Variables respecto a la Nominal
Cruza los Datos de diferentes fuentes devolviendo un Solo Indicador
Ofrece de forma clara el Rendimiento Real de la máquina respecto al
objetivo
15
Sistema predictivo de operación aplicado a plantas de pellets Ayuda a Producción
Representa las Tendencias de cada
sector/equipo
Ayuda a saber Dónde actuar

16. IV. ANALISIS PREDICTIVO VIDA DE
CONSUMIBLES
Parte importante del Coste de
Producción
Consumibles sensibles a condiciones
de trabajo
16
Sistema predictivo de operación aplicado a plantas de pellets Consumibles

17. Recogida
de
Datos
17
Sistema predictivo de operación aplicado a plantas de pellets Consumibles
SISTEMA DE REGISTRO COMÚN
TALLER
Análisis equipo Materiales sustituidos
CALIDAD
Materia prima Producto terminado
PLANTA DE FABRICACIÓN
Horas de trabajo Producción Temperatura Vibración

18. Análisis de datos
 Base de datos común
 Datos de partida estándar
 Histórico particular de planta
 Predictividad de la duración
 Recomendación de trabajo
18
Sistema predictivo de operación aplicado a plantas de pellets Consumibles

19. RECOMENDACIONES ante el reto digital
La digitalización en una Oportunidad “de obligado cumplimiento”
Tomar como ejemplo industrias consolidadas
• Automoción
• Papel
• Eléctricas
19
Sistema predictivo de operación aplicado a plantas de pellets

20. Sistema predictivo de operación aplicado a plantas de pellets
Una vez se ha
tomado la
DECISIÓN
20
Marcar
OBJETIVOS
Analizar
Inversión vs
Beneficio
Planificación:
Implementación
por FASES
Confiar en Expertos
•Conocedores PROCESO
•Analizar las SOLUCIONES
propuestas

21. Sistema predictivo de operación aplicado a plantas de pellets
21
•
•
•
•