Il gruppo cooperativo Tereos è uno dei principali produttori mondiali di zucchero, amido e alcol. Féréol Mazard, Responsabile sviluppo e partenariato di Tereos, ci racconta come è stata realizzata l’implementazione della soluzione Dalkia Analytics by METRON nel sito agroindustriale di Lillebonne, nella regione della Senna Marittima.
Féréol Mazard, lei è Responsabile sviluppo e partenariato di Tereos. Il vostro gruppo cooperativo è uno dei leader mondiali nei mercati dello zucchero, dell'amido e dell'alcol. Per voi la digitalizzazione è essenziale, non è vero?
Sì, assolutamente, con 48 siti industriali nel mondo che trasformano milioni di tonnellate di materie prime agricole e tutte le attività logistiche connesse, la sfida della digitalizzazione, e quindi della raccolta e della condivisione delle informazioni e del lavoro sulle informazioni disponibili (tutto ciò che va sotto la voce data science), è fondamentale. La data science esiste da anni in Tereos. Di recente è stata rafforzata con progetti pilota e sperimentazioni, ma anche grazie a nuovi settori come quello dell'energia, in cui utilizzeremo queste tecnologie e l'intelligenza artificiale... L'energia è al centro delle nostre attività industriali. È anche una risorsa fondamentale per ridurre le emissioni di carbonio fossile delle attività industriali. Dobbiamo muoverci più velocemente in un mondo molto competitivo: per questo motivo stiamo utilizzando le nuove tecnologie.
È comunque molto importante per voi iniziare…
Sì, infatti, ciò che conta è iniziare. I settori sono diversificati, ma il mercato è ricco di competenze, di persone specializzate. Si può ottenere supporto, quindi realizzare introiti e continuare a trovare nuove risorse performanti. Dobbiamo sempre puntare a un approccio di eccellenza operativa utilizzando tecnologie avanzate.
Avete implementato la soluzione Dalkia Analytics by METRON. Va detto che gli impianti del Gruppo Tereos consumano molta energia.
Proprio così. Passiamo alla Senna Marittima per lo stabilimento di Lillebonne. Si tratta di un grande sito agroindustriale, con circa 200 persone. Il sito è dedicato alla trasformazione del grano. Trasformiamo il grano in bioetanolo, un carburante che viene mescolato alla benzina per rendere più ecologici i trasporti, in proteine vegetali, sciroppo di glucosio e mangimi per il bestiame. Il sito è ISO 50001 da 6 anni. La gestione dell'energia e l'attenzione al consumo energetico del sito non sono una novità, ma abbiamo effettivamente accelerato grazie alla soluzione Dalkia Analytics by METRON con un approccio molto semplice. Si tratta di un sito che consuma circa 850 GW di energia all'anno. È moltissimo. Parliamo di un budget annuale di 25 milioni di euro, con una grande complessità. Abbiamo diverse reti vapore con diversi livelli di pressione. Abbiamo 5 strumenti di produzione, 4 caldaie sul sito, oltre all'apporto di energia da un sito industriale vicino, sotto forma di energia riciclata. Per riciclare l'energia tra i processi viene utilizzato anche un circuito di acqua calda. I processi sono decisamente complessi e sono correlati tra loro: distillazione, evaporazione sotto vuoto, disidratazione, essiccazione... In breve, si consuma molta energia e il sito è complesso, interrelato e ci è sembrato perfetto per questa soluzione.
Lei ha lavorato a due progetti con Dalkia e METRON. Il primo progetto è stato concepito per eliminare le perdite di energia attraverso il vapore. Il secondo progetto riguarda l'umidità. Quali erano i vostri obiettivi per questi due progetti?
Sì, esattamente. Abbiamo lavorato sull’energia e sui consumi idrici, che sono strettamente collegati e hanno un forte impatto sulla collocazione del sito nel suo ambiente. Il primo obiettivo era quello di comprendere meglio i consumi e di poterli modellare. Come ho detto prima, il sito è complesso. Non è facile riuscire a fare una valutazione per identificare i consumi o le perdite. Ma grazie allo strumento, che riporta costantemente un enorme volume di dati, siamo stati in grado di recuperare lo storico. Potete immaginare su un sito come questo: ci sono circa 50.000 punti registrati al secondo nei sistemi degli storici. Abbiamo moltissimi dati. Siamo stati in grado di creare una modellazione dei dati, per comprendere meglio la distribuzione e il consumo energetico di ciascun processo. Tracciare dei bilanci ci ha permesso di migliorare il monitoraggio e quindi individuare le misure il prima possibile. Passeremo quindi da schemi mensili o giornalieri per alcuni punti, a schemi quasi istantanei o che ci permetteranno di identificare immediatamente un consumo eccessivo e quindi di spiegarlo per correggere e ridurre le perdite associate a tali consumi.
L'intelligenza artificiale è un catalizzatore di miglioramento continuo. Lo strumento, con tutta la sua complessità, ma che alla fine è quasi trasparente in tempo reale, ci permetterà di identificare i consumi eccessivi e di dare le informazioni giuste al momento, agendo sulla risorsa giusta. Anche per misurare i guadagni perché questo è sempre rilevante. Miglioriamo soltanto ciò che misuriamo. È anche interessante e gratificante perché ancora una volta, come dicevo prima: l'intelligenza artificiale non è fine a se stessa: non azionerà le valvole, ma per le persone che utilizzano lo strumento, è gratificante sapere che hanno effettivamente agito correttamente, nei tempi giusti e tutti possono vedere i risultati conseguiti.
« Lo strumento consente inoltre di concentrarsi sui problemi più importanti, per evitare di disperdersi. »
Féréol Mazard, lei è Responsabile sviluppo e partenariato di Tereos.
La modellazione ci permette di identificare e classificare i depositi. Possiamo quindi concentrarci sull'essenziale, per focalizzarci laddove è importante risparmiare energia.
Abbiamo elaborato una sorta di formula matematica per il consumo dell’impianto, con tutti i fattori che la influenzano. Possiamo passare dalla temperatura dell'aria esterna alle materie prime, come il grano. Il grano è un organismo vivente, abbiamo quindi delle variazioni in funzione della qualità che portano a variazioni nel consumo di energia durante il processo. Questa formula ci permette di spiegare e comprendere il meccanismo, per poi migliorarlo.
Può fare qualche esempio concreto di come si arriva a questo?
- Sì, ho un esempio abbastanza chiaro di un processo di essiccazione su cui abbiamo lavorato. In questo processo, ci sono diverse possibili fonti di energia e noi recuperiamo l'energia da diversi processi nel nostro stabilimento. Inoltre, portiamo il vapore "nobile" proveniente dagli strumenti di produzione a questo processo. In base alle 4 funzionalità dello stabilimento, avevamo impostazioni diverse. Lo strumento ha permesso di verificare che fossero quelli giusti e di modificarne alcuni. Oggi abbiamo una nuova mappa delle impostazioni. Si tratta di circa 2 tonnellate di vapore all'ora e, su base annua.
« 15.000 tonnellate all'anno risparmiate, grazie a questo nuovo approccio scientifico e decisamente matematico ai consumi, convalidato da una serie di test. »
Féréol Mazard, lei è Responsabile sviluppo e partenariato di Tereos.
Esistono risorse molto valide. Oggi tutti gli strumenti informatici consentono di farlo, ma soprattutto abbiamo cercato di fare cose utili. Abbiamo fatto evolvere lo strumento man mano che procedevamo e abbiamo voluto che fosse dedicato ai diversi utenti. E la cosa principale, quando si vuole agire in tempo reale, è che gli operatori dispongono ora di qualcosa di sintetico e conciso, che permette loro di concentrarsi sui punti chiave. All'apparenza sembra molto semplice. In realtà, dietro ci sono algoritmi, sistemi di calcolo e un'integrazione dei dati pregressi. Si tratta di modelli complessi, ma che forniscono informazioni semplici che ci permettono di reagire e ridurre i consumi eccessivi.
E quindi, avete risultati sia quantitativi che qualitativi?
Proprio così. Dal punto di vista qualitativo, questo approccio implica la messa in discussione di molte cose. Abbiamo scambiato idee, abbiamo tenuto molti workshop. Perché avevamo esperienza e competenza del processo. Dalkia analytics, cioè i team di Dalkia, e METRON avevano la competenza della data science. Dovevamo lavorare insieme affinché i due mondi potessero interagire. L'intelligenza artificiale ha bisogno di persone per essere configurata ed esistere. Il primo risultato immediato è stato quello di porre un certo numero di domande e migliorare la comprensione per poterla spiegare ai team di Dalkia Analytics. Questo ci ha fatto progredire e abbiamo ottenuto subito un buon risultato. Così alcune persone si sono rese conto del valore di questo tipo di soluzione e del risparmio energetico. Tutti ne erano più o meno consapevoli, ma si tratta di qualcosa in più.
« E poi abbiamo avuto i primi risultati quantitativi, poiché questa attenzione al consumo energetico ha effettivamente ridotto i consumi. »
Féréol Mazard, lei è Responsabile sviluppo e partenariato di Tereos.
Stiamo parlando di una riduzione di diversi punti percentuali su un sito di queste dimensioni, il che è molto significativo.
Siamo partiti dai problemi da risolvere e loro ci hanno aiutato a trovare il modo di realizzare questo progetto, con un vero e proprio affiancamento dinamico, che si è sviluppato in seguito. Oggi la soluzione funziona da poco più di un anno e continua a essere strettamente monitorata. Riceviamo sempre risposte alle nostre domande. Hanno un reale desiderio di capire, affiancarci e aiutarci, per far sì che sia un successo.
Quale consiglio darebbe ai produttori che stanno leggendo questo articolo per realizzare un progetto del genere?
Come per ogni progetto, sono necessari un team e un responsabile che lo guidi. Come tutti i progetti, c'è una prima fase che consiste nell’affrontare e superare i timori iniziali. Forse temiamo che l'intelligenza artificiale ci sostituisca, ma non è così. Potremo potenziare ogni persona, l'operatore o l'ingegnere della fabbrica, ma non lo sostituiremo. È importante avere un team abbastanza trasversale. Abbiamo coinvolto le persone a tutti i livelli dell'organizzazione per assicurarci che siano pronte e comprendano ciò che stiamo facendo. Inoltre, ci sottopongono tutti i loro dubbi, in modo da poter costruire qualcosa che si adatti immediatamente alle loro esigenze.. In modo che ognuno possa trovare la soluzione migliore alle proprie esigenze. Abbiamo parlato in precedenza della normaISO 50001. Quando oggi presentiamo questo strumento a un auditor, è molto facile ottenere la certificazione, dimostrare che tutti i punti dello standard sono stati rispettati e presi in considerazione in modo efficace. L'Energy Manager ne trae vantaggio, così come l'operatore, perché potrà trovare più rapidamente l'origine del problema e, ovviamente, migliorare le prestazioni tecniche ed economiche del sito. E poi, questa soluzione ha anche un lato un po’ “accattivante”, poiché abbiamo a che fare con l'industria 4.0. È concreto, si adatta al quotidiano, è relativamente semplice, probabilmente è un po' meno folle di quanto immaginassimo all'inizio, ma è efficace, funziona. Abbiamo anche lavorato per fasi: è molto importante, come ho detto prima, come ha spiegato anche Bonduelle. Prima di tutto, abbiamo cercato di definire l’insieme dei consumi, prima di cercare immediatamente un modo per migliorare. La modellazione si realizza una volta che si conoscono tutti i dati rilevanti del sistema. Ci vuole tempo, non bisogna aspettare i risultati. I risultati sono progressivi e vanno di bene in meglio. I risultati si vedono man mano che si procede. La soluzione richiede energia, ma siamo stati davvero aiutati, affiancati e sostenuti per portarla a termine.
Volete saperne di più sull'implementazione di un sistema di gestione e ottimizzazione dell'energia (EMOS)?
