Costruzione di una Baseline e Advanced Energy Analytics: la case history di un efficientemento energetico nell’ambito industriale al centro dell’evento online organizzato da Geoside e Innovability

L’Artificial Intelligence applicata all’efficientamento energetico rappresenta un fattore che possiamo definire dirompente, grazie alla possibilità di elaborare e correlare una quantità di dati fino a poco tempo fa impensabile. Attraverso un approccio data driven è possibile intervenire in maniera più tempestiva e apportare miglioramenti significativi, sia attraverso interventi sistemici, sia razionalizzando l’uso dell’energia ed eliminando le eventuali inefficienze. 

Geoside ha elaborato un proprio sistema di ottimizzazione basato sull’utilizzo di algoritmi di intelligenza artificiale e analisi dei dati attraverso il software di proprietà Savemixer

Nell’evento online di martedì 24 gennaio (ore 16.30) sarà proprio analizzata la case history dell’ottimizzazione energetica svolta per ILIP, azienda di Valsamoggia (Bo) operante nell’ambito di soluzioni d'imballaggio per alimenti in plastica termoformata e in bioplastica per l’uso alimentare. 

Un esempio utile a capire il modello di efficientamento attraverso due delle sue fasi principali: l'elaborazione della Baseline per l'identificazione del consumo ideale e una serie di attività di Advanced Analytics. 

Costruire una Baseline, le peculiarità di Savemixer 

La creazione di una Baseline è essenziale per individuare le condizioni ideali di consumo energetico in un processo produttivo e, conseguentemente, identificare i trend di consumo anomali, permettendo di intervenire rapidamente. L’analisi dei consumi assoluti, infatti, non avrebbe la stessa efficacia: i dati di consumo, dalla singola macchina all’intera linea di produzione, per fornire indicazioni chiare devono essere correlati con tutti i diversi driver che impattano sull’uso dell’energia, da quelli relativi alla produzione dello stabilimento fino alle condizioni atmosferiche e ambientali.  Nel percorso di efficientamento oggetto dell’evento, Geoside, attraverso Savemixer e i modelli di machine learning creati dal suo team di data scientist, ha lavorato proprio in questo modo, analizzando i dati di consumo nei diversi ordini di grandezza (stabilimento, Business Unit, linea di produzione e singola macchina) e correlandoli con i dati relativi all’ordine di produzione raccolti dal software Enterprise Resource Planning (ERP) e ai driver esterni (umidità, temperatura, ecc.). In questo modo è stato possibile costruire una Baseline effettiva, andando a identificare il profilo di consumo ideale di ogni asset in un periodo di tempo determinato. Da qui, una deriva della linea dei consumi rispetto alla Baseline rappresenta un immediato segnale di anomalie che possono essere verificate e prontamente individuate macchina per macchina. 

Advanced Energy Analytics: dall’energy manager alla data quality

L’Advanced Energy Analytics può essere definita come l’insieme di elaborazioni, analisi e reportistica a disposizione degli Energy Manager dello stabilimento produttivo. Le dashboard di Savemixer consentono di monitorare gli asset di produzione a diversi livelli di dettaglio in base alle necessità di analisi. Inoltre, la costruzione di una Baseline correlata ai dati di ERP,  fornisce elementi utili anche per valutare la data quality (i consumi infatti sono correlati alle caratteristiche dell’ordine di produzione) e alla fase stessa di programmazione produttiva che può essere così gestita in un’ottica di risparmio ed efficienza. 

Tags