Introduzione
Tra gli impianti che rivestono una importanza strategica in una azienda farmaceutica alle nostre latitudini, troviamo senza alcun dubbio i gruppi di refrigerazione. La qualità della produzione infatti è garantita solo se sono mantenute opportune condizioni termo igrometriche all’interno dei locali di produzione e nell’aria di processo. Le macchine frigorifere sono tra le più energivore ed è quindi facile comprendere come l’impatto in termini di costo dell’energia legato ai consumi energetici specialmente nei periodi estivi non lascia indifferenti le aziende.
Per quanto riguarda i gruppi di refrigerazione, il mercato offre principalmente due tipologie di macchine, condensate ad aria e condensate ad acqua. La condensazione ad aria resta in assoluto la soluzione più economica in termini di investimento iniziale e di gestione/manutenzione ordinaria.
Le macchine condensate ad acqua viceversa sono caratterizzate da COP ( coefficient of performance ) che possono anche raggiungere valore di 8, rispetto a quelle condensate ad aria con valori che si aggirano attorno a 4.
Questo molto spesso si traduce in migliaia di kWh e centinaia di migliaia di Euro risparmiati per le aziende che scelgono questa tecnologia. D’altro canto queste macchine presentano svantaggi impiantistici legati ad utilities di servizio e trattamenti acque costosi non sempre giustificabili.
In molte realtà industriali più grandi l’utilizzo delle macchine centrifughe viene spesso preferito per sopperire al carico di base, mentre le macchine condensate ad aria ormai anch’esse dotati di sistemi VSD vengono sfruttate per sopperire ai carichi di punta specialmente nella stagione estiva.
In questo contesto il presente articolo si pone come obbiettivo quello di analizzare e proporre un modello sperimentale per monitorare il funzionamento e predire eventuali guasti incipienti sui componenti critici del gruppo centrifugo stesso, addentrandoci nell’aspetto manutentivo evidentemente strategico per questa tipologia di macchine.
I gruppi centrifughi a differenza di quelli condensati ad aria sono spesso costituiti da un unico grande compressore comandato da un altrettanto unico motore. Questo rende l’approccio manutentivo estremamente importante per garantire la disponibilità della macchina, tenendo anche conto del fatto che il costo della manutenzione di queste macchine è tutt’altro che trascurabile, sia in termini di correttiva che preventiva, come anche i tempi di approvvigionamento materiale.
Nel caso studio faremo riferimento all’assetto presente nello stabilimento Janssen-Cilag di Latina del gruppo Johnson e Johnson dove viene adottato in generale un approccio di asset management che prevede per tutti gli impianti una prima analisi di criticità paretiana ABC definire la loro criticità.
Per gli impianti di criticità A poi si procede ad effettuare una analisi FMECA di dettaglio, a fronte della quale si identificano tutti i possibili modi di guasto, ricambi critici ed approcci manutentivi più idonei.
Nel caso specifico per il parco gruppi frigo aziendale riportato in Figura 1 sono risultati critici i gruppi frigo condensati ad acqua. In generale si parla di macchine con motori da circa 700kW.
È stata quindi condotta per queste macchine una analisi FMECA (Failure Mode, Effects, and Criticality Analysis) dettagliata che ha evidenziato la necessità di approvvigionare a magazzino ricambi economicamente molto onerosi, suggerendo un approccio predittivo dove possibile e/o economicamente sostenibile.
Nello specifico l’elemento più critico è risultato proprio il motore del compressore centrifugo, questi due componenti, che sostanzialmente sono il cuore della macchina stessa, non hanno possibilità di ridondanza e tutti i modi di guasto analizzati hanno evidenziato situazioni non gestibili in tempi adeguati alle aspettative aziendali, suggerendo quindi la necessità di avere il motore a scorta e di avere un importante supporto del costruttore nella attività di manutenzione.
Il motore del gruppo frigo ha un tempo di approvvigionamento superiore ai 2-3 mesi ed ha un costo totale che raggiunge anche 1/3 del valore stesso dell’asset.
Queste semplici informazioni fanno capire immediatamente quanto possa essere ingegneristicamente discutibile un investimento di questo tipo specie quando si ha un parco macchine non uniforme, soprattutto quanto possa essere difficile da far comprendere al business tenuto conto anche dell’importante investimento iniziale che si deve sostenere per questa tipologia di macchine.
Da questa esigenza è nata l’idea di sviluppare un modello analitico, non ancora esplorato, che sulla base di misure fisiche potesse fornire in maniera predittiva e proattiva lo stato di salute della macchina in tempi ragionevolmente adeguati alle esigenze di approvvigionamento ricambi o riparazione.
Abbiamo quindi individuato e sperimentato una alternativa valida che garantisse una elevata affidabilità della macchina in tutti i suoi componenti ma che avesse allo stesso tempo costi ragionevoli per il business.
prevenire o identificare per tempo un guasto sul motore e sul compressore (che si ripercuoterebbe sul motore ) della macchina prima che questo diventi non più gestibile se non con la sostituzione del ricambio stesso o comunque con tempistiche di intervento non accettabili.
Per chiarie la condizione di accettabilità, durante la stagione estiva, probabilmente i tempi di ripristino devono essere inferiori alle 24h per evitare impatti alla produzione.
Analisi e soluzioni tecniche
In generale quindi l’analisi tecnica a valle del processo di FMECA si è ridotta alla valutazione di dettaglio sul come potere identificare preventivamente i modi di guasto che possono verificarsi su un motore e su un compressore centrifugo. A seguito di una analisi di dettaglio, si deciso di utilizzare come indicatori l’assorbimento elettrico la misura di vibrazione sui tre assi e la temperatura.
Effettivamente se ci pensiamo bene, qualsiasi guasto meccanico o elettrico che sia, porterebbe una alterazione in almeno uno di questi tre parametri.
L’idea quindi è stata quella di andare a monitorare in continuo temperatura, vibrazione ed assorbimento elettrico sia del compressore che del motore elettrico accoppiato al fine di identificare dei range di vibrazione, temperatura ed assorbimenti che se superati suggerissero situazioni anomale di funzionamento su cui intervenire tempestivamente per evitare guasti. Si è quindi deciso di progettare un piccolo sistema di monitoraggio con acquisizione remota come da Figura 2.
La prima difficoltà incontrata è stata la scelta dell’hardware da utilizzare, sul mercato sono ormai presenti innumerevoli soluzioni sensoristiche diverse con caratteristiche pressoché analoghe. Abbiamo optato per una strumentazione con le caratteristiche riportate in tabella 1.
La seconda incognita che siamo andati ad analizzare è stato il posizionamento dei sensori sul corpo motore in modo tale che le informazioni registrate fossero rilevanti ai nostri fini, a fronte di diversi test pratici eseguiti è stata valutata come posizione ottimale, anche in accordo con il costruttore delle macchine, il posizionamento vicino al giunto di collegamento tra motore e compressore. La terza problematica che abbiamo dovuto risolvere è stata la presenza del VSD ( variable speed drive), questo in generale comporta di per se una possibile fonte di errore, in quanto al variare del carico evidentemente varieranno di conseguenza sia la temperatura che il valore di vibrazioni. Di questo fatto ne abbiamo dovuto quindi tenere conto interpolando in maniera opportuna le registrazione, in modo che fossero confrontati valori di vibrazione o temperatura a parità di carico, ovvero solo quando la macchina si trovava allo stesso carico.
Posizionate le sonde sono state effettuate registrazioni per un tempo di circa 9 settimane, le registrazioni sono state suddivise in accordo al carico della macchina, per i motivi esposti sopra, in quello specifico istante in cui sono state registrate. Da subito si è osservata una certa correlazione tra le tre grandezze che andavamo a misurare e registrare. Abbiamo catturato circa 75.759 acquisizioni ( 1 ogni 1,5s circa) con valore medio di 0,014g. Per depurare i dati da eventuale rumore di fondo, inevitabile, abbiamo proceduto al calcolo della deviazione standard che risultava nello specifico σ = 0,01. Abbiamo poi considerato un livello di confidenza pari al 95,4%, sono stati ritenuti affidabili i valori di vibrazione con
Successivamente tutti i dati cosi rielaborati sono stati suddivisi in accordo al carico a cui sono stati registrati ( tabellati a parità di carico ) si è quindi proceduto a valutare per ciascun carico la vibrazione media e la vibrazione massima identificando quindi un campo di lavoro all’interno del quale la macchina sta lavorando correttamente prendendo come assunto il fatto che al tempo dei test la macchina si trovava in condizioni perfette.
I dati di temperatura sono stati trattati analogamente con il risultato riportato in figura 5.
Conclusioni e sviluppi
Questo semplice esercizio sperimentale ha chiaramente evidenziato come sia possibile modellizzare un sistema di manutenzione predittiva basato su misure di vibrazione temperatura ed assorbimento su gruppi frigo o comunque su qualsiasi tipologia di macchina i cui modi di guasto principali sono legati a rotture di cuscinetti, perdite di isolamento, problemi sul gruppo pompante o di compressione.
Applicando questo o un analogo approccio infatti siamo in grado di definire un range univoco di lavoro, nel caso studio specifico abbiamo identificato infatti ad ogni carico un valore minimo e soprattutto massimo di vibrazione accattabile ed analogamente una temperatura massima e minima accettabile che quindi indichino il corretto funzionamento della macchina. Questo se ben adattato caso per caso può ragionevolmente essere un utile metodo empirico per analizzare il funzionamento della macchina in linea, comprendendone per tempo eventuali derive e quindi consentendo al servizio di manutenzione di intervenire in maniera efficace al fine di evitare che il guasto si verifichi, o comunque controllarlo al fine di evitare impatti sul business.
Evidentemente quindi in questo caso non è necessario procedere preventivamente all’acquisto di costosi motori da tenere a magazzino magari per anni senza essere mai usati.
Come sviluppi futuri, sarebbe interessante applicare l’approccio ad una macchina appena installata, per avere davvero il riferimento a macchina nuova.
Un ulteriore sviluppo particolarmente interessante per questo modello ma in generale per i modelli predittivi è la possibilità di affiancare al modello un processo di machine learning che in caso di guasto sia in grado di riconoscere il trend che ha portato a quel guasto specifico imparando a prevederlo e quindi ad avvisare per tempo tramite l’ interfaccia SCADA ( Supervisory Control And Data Acquisition ) aziendale che sia in grado di fornire i vari trend in tempo reale come pure Alert ed eventuali Allarmi.
Per completezza stiamo proprio sviluppando questi ultimi aspetti con il supporto dell’azienda che ha sviluppato il nostro scada al fine di rendere operativo il modello per tutto il nostro parco macchine.
Stiamo poi facendo le opportune valutazioni per estendere il modello a tutto il parco motori.
Alessio Epifanio, Facility Manager, Johnson & Johnson
