Geoside è stata scelta da Ilip per la realizzazione di un importante progetto di efficienza energetica presso il proprio stabilimento produttivo
Attraverso l’applicazione di soluzioni di machine learning, Ilip stima di conseguire un risparmio energetico sui consumi di produzione del 10%.
UN PROGETTO PER AZIENDE ENRGIVORE
Il progetto realizzato da Geoside, società del Gruppo Italgas, per Ilip prevede l’utilizzo del software di Predictive Energy Analytics Savemixer. Attraverso esso, è stato possibile analizzare e predire i consumi energetici del sito produttivo di Valsamoggia, correlando i dati energetici con le variabili di produzione. Tale analisi ha, inoltre, consentito di ottenere una base solida di confronto per la misurazione di dettaglio dei saving energetici ottenuti da interventi impiantistici sulle linee.
Il processo produttivo di Ilip, che trasforma materie plastiche attraverso la termoformatura con forni elettrici, è fortemente energivoro. Per cui, gli interventi di efficienza energetica rappresentano un rilevante vantaggio competitivo dal punto di vista del miglioramento dell’impatto ambientale dell’azienda e in termini economici.
SAVEMIXER ALL'OPERA CON IL MACHINE LEARNING
In particolare, le attività innovative svolte nell’implementazione del sistema di Predictive Energy Analytics Savemixer si concentreranno su tre principali aree di intervento:
- La modellazione energetica delle linee di produzione tramite machine learning, ovvero l’identificazione dei livelli di consumo ottimale di ogni processo;
- L’analisi degli scostamenti per l’identificazione di anomalie energetiche;
- L’interfacciamento tra il sistema hardware di monitoraggio energetico e l’Erp di produzione.
Proprio la possibilità di correlare i consumi energetici, ottenuti attraverso l’applicazione di meters sui macchinari, con i dati di produzione raccolti dall’Erp di Ilip, rappresenta uno degli elementi di maggiore innovazione del progetto.
L’Erp, infatti, consente al software di disporre di informazioni estremante dettagliate in grado di sostenere in maniera ottimale l’attività di machine learning e di conseguenza l’accuratezza dell’attività di analisi predittiva. Questo permetterà ad esempio la possibilità di analizzare in maniera puntuale i consumi di ogni processo, valutando dal punto di vista energetico eventuali modifiche e innovazioni.
Inoltre, Savemixer rappresenta un importante ausilio nella verifica del corretto funzionamento dei macchinari. Permettendo di individuare attraverso anomalie di consumo eventuali problemi, che possono essere affrontati in anticipo consentendo di evitare eccessivi sprechi di energia e, soprattutto, fermo-macchine che possono pregiudicare l’attività.
I NUMERI A OGGI
Nell’ambito del progetto di Digital Energy, sono stati installati 225 meters per l’acquisizione dei dati energetici, modellati i consumi di 68 linee produttive e trasmesse 150.000 misure con frequenza quotidiana. Inoltre, sono stati analizzati 8.573.513 record di consumo e 233.142 record di produzione, effettuate 45.000 elaborazioni di Machine Learning per settimana.