Alto

Guardar para leer la lista Publicado por Emily Thomas, editora adjunta de World Cement, viernes 30 de octubre de 2020 12:23

Dirk Schmidt y Eugen Geibel, KIMA Process Control, analizan cómo los métodos de control de alto nivel (HLC) se han utilizado en la industria del cemento a principios de la década de 2000 y controlan procesos controlados en circuito cerrado cada vez más complejos donde fallan los controladores estándar.

Lograr la 'Industria 4.0' ha sido una tarea esencial de la industria durante años. Recientemente, términos como "grandes datos" e "IA" (Inteligencia artificial) se han utilizado intensamente en muchos campos. Se espera que la IA combinada con big data brinde soluciones a problemas de larga data, no solo en la automatización. Por lo tanto, podría resultar sorprendente saber que desde 2009 se lleva a cabo un funcionamiento totalmente autónomo del molino (incluido el uso de IA). Este artículo resumirá brevemente cómo se han utilizado los métodos de control de alto nivel (HLC) en la industria del cemento en a principios de la década de 2000 y cómo logran controlar procesos controlados en circuito cerrado cada vez más complejos donde fallan los controladores estándar.

Para acelerar la integración de tecnologías avanzadas en la industria del cemento, algunos consultores empresariales propusieron "copiar y pegar" soluciones de la Industria 4.0 de plantas químicas/refinerías y aplicarlas en plantas de cemento. Un ejemplo reciente es un informe sobre la primera conversión exitosa del control regular de la planta al control de IA, que lo calificó como un gran avance. Aquí es necesario tener precaución: las capacidades de la IA aún son limitadas, como lo demuestra su historia.

IA es un término muy amplio y es difícil encontrar una definición del concepto en la que todos estén de acuerdo. En un sentido más amplio, puede definirse como una rama de la informática que se ocupa de la simulación del comportamiento inteligente en los ordenadores, es decir, la capacidad de una máquina de imitar el comportamiento inteligente (humano).

Técnicamente hablando, la mayoría de los sistemas de IA que se utilizan hoy en día en la industria son algoritmos basados ​​en datos. El principio básico de estos algoritmos es relativamente simple, pero obtienen sus capacidades de enormes cantidades de datos, altas tasas de repetición de cálculos y múltiples interconexiones.

El uso de la IA para muchas tareas no es una idea nueva. El desarrollo de ordenadores más rápidos con la posibilidad de almacenar y procesar enormes cantidades de información (Big Data) hace posible y razonable el uso de la IA. El aprendizaje profundo, que en sí mismo forma parte del aprendizaje automático, utiliza una red neuronal artificial (ANN) de múltiples capas para aprender de Big Data y buscar patrones que podrían usarse para la resolución de problemas después de algún entrenamiento de la ANN.

La automatización basada en el conocimiento, incluida la lógica difusa y los métodos analíticos como, por ejemplo, el control predictivo de modelos (MPC), también forman parte de la IA (Figura 1). Dependiendo de la tarea, diferentes métodos de IA son más aplicables que otros. Hoy en día está claro que no existe un módulo de IA único para el proceso de producción de cemento como en las refinerías. La lógica difusa es aplicable para el control de circuito cerrado de procesos técnicos con un número moderado de variables y datos para los cuales se puede expresar una estrategia de control. Es una buena opción para procesos donde es obligatoria una operación segura en situaciones críticas. Las redes neuronales se utilizan para reconocer patrones ocultos en procesos para los que no se puede expresar una estrategia de control y que tienen un gran número de variables de entrada. MPC es una buena opción para procesos bien comprendidos para los que hay disponible un modelo matemático. La optimización es posible si el modelo se puede calcular más rápido que el tiempo real. La adaptabilidad en línea es seriamente imposible en la producción de cemento.

Figura 1. El control de alto nivel se basa en la IA.

Una breve conversación con proveedores de soluciones de IA dejó claro que esta "revolución" en los sistemas de control de plantas de cemento simplemente funciona con MPC y sensores blandos. Powitec Intelligent Technologies (Alemania) utilizó MPC autoadaptable y aprendizaje automático en 2001. Fue el primer controlador integral de caja negra que operó un horno rotatorio de forma totalmente autónoma durante más de 24 horas sin interacción manual. El núcleo del sistema era una cámara de procesamiento de imágenes que analizaba la llama del quemador principal y una predicción en línea de la cal libre. Ya en 2002 se utilizaban varios componentes de IA. Utilizando MPC adaptativo, la entrada de energía fluctuante al horno y al calcinador se ajustaba automáticamente. Los pioneros en el uso de la IA durante estos días fueron los productores de cemento LEUBE (Austria) y Maerker Zement (Alemania). Poco después, empresas como ABB, FLSmidth, Pavillion, KIMA Echtzeitsysteme y Rockwell entraron al mercado con controladores basados ​​en modelos similares. Hoy en día, muchas empresas han vuelto al control de lógica difusa más robusto. Los modelos predictivos se utilizan para sensores blandos. La razón de esto es la gran diferencia en el proceso de fabricación del cemento en comparación con otros procesos de producción comunes.

Figura 2. Lecho de clinker en un horno rotatorio alimentado con coque de petróleo y carbón: un proceso único y complejo con numerosas condiciones variables.

La producción de clinker es una operación compleja. El llamado "modelo de proceso no lineal multidimensional" de un horno o molino no ha logrado modelar adecuadamente los sistemas reales. El horno o molino real está sujeto a desgaste y otras variaciones naturales, que hasta ahora los modelos no han podido representar. En términos generales, el comportamiento de un horno o molino mañana será diferente del comportamiento actual. Hubo intentos de implementar funciones de software, como la autoadaptación y el autoaprendizaje, pero es necesario considerar una serie de cambios: revestimientos, bolas, tolvas, alimentadores, válvulas, refractarios, combustibles y materias primas. Y luego hay aún más cambios a considerar: los componentes y aditivos de la cantera, el poder calorífico del combustible, los cambios de agua y cenizas, el cambio en la distribución del tamaño de las partículas de carbón y coque de petróleo de sus molinos y el cambio relacionado de combustión (punto de ignición, quemado). fuera, misma forma, etc.). Todos estos cambios pueden afectar la calidad del clinker y del cemento, un desafío importante para un controlador. Si un modelo de proceso multidimensional se alimenta con señales que tienen una deriva o no son estables, falla. Es posible enseñar estos modelos con ANN para captar la tendencia y ajustar el modelo en consecuencia. La pregunta es qué tan rápido cambia el proceso. Puede suceder que un modelo basado en ANN deba volver a entrenarse periódicamente, lo que no resulta práctico para muchos procesos de fabricación. En consecuencia, esto significa que para sistemas "a la deriva" MPC no será la mejor solución. En tales casos, se necesita un sistema basado en reglas para controlar el proceso cuando los resultados de MPC y/o ANN no son realistas.

Con la ayuda de modernos módulos de IA, estos sistemas alcanzan un nuevo nivel en automatización. Este artículo detallará algunas plantas que operan sus molinos de forma totalmente autónoma durante varios días. El 'piloto automático' no se limita únicamente a condiciones de funcionamiento suave. MILLMASTER de KIMA permite el arranque y parada totalmente automatizados del molino, la recuperación automática después de emergencias y el cambio entre tipos de cemento. Los siguientes estudios de caso analizarán brevemente algunas plantas que aumentaron su rendimiento utilizando SMARTCONTROL de KIMA. La plataforma de software se suministró globalmente en casi 200 sistemas expertos difusos basados ​​en reglas conocidos como MILLMASTER, que utilizan todos los módulos de IA que se muestran en la Figura 1.

En 2008, KIMA Echtzeitsysteme (el nombre anterior de KIMA Process Control) publicó un artículo sobre un proyecto para suministrar 30 paquetes SMARTCONTROL para molinos de bolas (incluido el sistema de medición del nivel de llenado SMARTFILL) a una selección de plantas del grupo Holcim en Europa central y oriental. . Después de la puesta en marcha, y posteriormente durante el funcionamiento estable de estas plantas, el desarrollo de MILLMASTER continuó por separado en el grupo Holcim, así como en KIMA Process Control. Se desarrollaron nuevos diseños de interfaz hombre-máquina, lógica de programación y nuevos módulos de software para seguir las nuevas tendencias en automatización. Los estudios de caso antes mencionados muestran los resultados y reportan la experiencia de los usuarios actuales de este producto.

SMARTFILL de KIMA es un sistema preciso de medición del nivel de llenado para molinos de bolas. Mide el sonido estructural sin pérdidas directamente en el casco del molino y convierte esta señal en información del nivel de llenado (ver Figura 9). SMARTFILL no solo se puede integrar con MILLMASTER de KIMA sino también con el software de control de LafargeHolcim, HeidelbergCement y BuzziUnicem. SMARTFILL ha convertido a KIMA en el líder del mercado en este campo de instrumentación, ya que proporciona señales de proceso robustas y sin derivas, que pueden usarse para operación automatizada con MILLMASTER en combinación con otras variables de proceso. Sensores como el V-SENS (sensores de vibración) y el recientemente desarrollado T-SENSOR (un sensor de par sin contacto) se basan en el éxito de SMARTFILL y hacen que HLC también esté disponible para VRM y circuitos de molienda combinados con prensas de rodillos, como se detalla en la siguiente sección.

Figura 3. Esquema de un circuito típico de molienda, compuesto por una prensa de rodillos y un molino de bolas.

La figura 3 muestra un circuito combinado de molienda, compuesto por una prensa de rodillos y un molino de bolas. Un circuito de molienda de cemento de este tipo está bastante extendido debido a su ventajosa demanda específica de energía eléctrica y a la calidad del producto. Sin embargo, desde el punto de vista de la teoría de control, se trata de un sistema difícil, que consta de tres subsistemas (prensa de rodillos, cámara de molino de bolas 1, cámara de molino de bolas 2), cada uno de los cuales es crítico, ya que forman parte de un circuito de retroalimentación respectivo (a través de separadores) con tiempos de retardo (o constantes de tiempo) individualmente diferentes. El bucle de retroalimentación permite que cada uno de estos subsistemas oscile en su respectiva frecuencia de resonancia, que está determinada por la constante de tiempo antes mencionada. Peor aún, estas constantes de tiempo son funciones no lineales de la calidad del clinker (molienda), que nunca se garantiza que sea constante. Los controladores PID convencionales no son capaces de manejar sistemas propensos a oscilaciones.

Para comprender mejor la complejidad del circuito de molienda combinado, dicho sistema se puede comparar con tres péndulos, que están acoplados mediante resortes con diferente rigidez, como se muestra en la Figura 4. La constante de tiempo de cada péndulo está determinada por su masa y su longitud. y el acoplamiento está determinado por la rigidez de los resortes de conexión. En el caso ideal, este sistema es excitado (desplazado) por una alimentación bruta constante, y cada péndulo se mueve a un nuevo estado de equilibrio y permanece allí.

Figura 4. Modelo masa-resorte de círculo de molienda combinado con prensa de rodillos y molino de bolas de dos cámaras.

En la práctica, sin embargo, la excitación por alimentación bruta no es constante, la longitud de cada "péndulo" cambia con el tiempo y la rigidez de los resortes también cambia con el tiempo. El resultado es un sistema que oscila permanentemente a frecuencias y amplitudes variables (ver Figura 5).

Figura 5. Sistema resorte-masa excitado.

La tarea de un sistema de control de circuito cerrado es ahora ajustar la excitación (es decir, alimentación bruta), las frecuencias de resonancia (longitud del péndulo, es decir, velocidad de transporte del elevador de cangilones, cintas transportadoras y toboganes de aire) y la rigidez de los resortes de acoplamiento ( es decir, flujo másico desde la prensa de rodillos hacia la cámara 1 y desde la cámara 1 hacia la cámara 2). Controlar estos sistemas es una tarea difícil y no se puede realizar utilizando un único controlador PID. Según la larga experiencia de KIMA, un sistema de este tipo se puede controlar con éxito con MILLMASTER.

El funcionamiento autónomo de una fábrica mediante módulos de IA ya no es ciencia ficción. En 2009, MILLMASTER se implementó en un proyecto de automatización VRM en el norte de Francia. En su planta de Dunkerque, el Loesche tipo LM 46.2+2 S VRM de EQIOM Ciment produce principalmente cemento de escoria y el molino está controlado por un sistema MILLMASTER. Todos los fines de semana (del viernes por la tarde al lunes por la mañana) la planta funciona sin personal alguno y MILLMASTER gestiona el molino de forma totalmente autónoma.

Figura 6. Los molinos verticales de rodillos suelen tener también un gran potencial de automatización y optimización.

“El sistema MILLMASTER se utiliza a diario y nos brinda la oportunidad de concentrarnos en la optimización del rendimiento mientras el molino está en funcionamiento. También es más rápido que un operador a la hora de proteger el equipo en caso de cambios importantes en el comportamiento del molino. Sería difícil funcionar sin este sistema experto durante un largo período”. Pierre Vonstein, director de operaciones de las estaciones de molienda Norte y Normandía, EQIOM.

Figura 7. Pantalla de configuración del tipo de cemento MILLMASTER para CEM II/BM (VL) 42.5 N.

Una ventaja clave del sistema MILLMASTER es que se puede configurar de tal manera que los operadores no vean mucho del sistema. Sólo el interruptor de "encendido/apagado" les permite iniciar o detener el "piloto automático". Encenderlo tiene un solo propósito: aumentar la producción. Un ejemplo representativo es la Fabrika Cementa Lukavac DD en Bosnia y Herzegovina. En 2018, el sistema se instaló en un molino de bolas de diseño de 65 tph, que normalmente alcanzaba una línea base de 67 tph, como informó Emir Cilimkovic (Gerente de Proceso). A continuación se muestran los resultados del antes y el después de los dos tipos de cemento producidos en la planta:

Figura 8. Vista de la planta de Lukavac, Bosnia y Herzegovina.

Figura 9. El dispositivo SMARTFILL en el molino con sensores de sonido de cámara 1 y cámara 2.

Después de la fusión de Lafarge y Holcim, a muchas plantas se les pidió que desconectaran sus antiguos sistemas expertos LUCIE (Lafarge) y MILLMASTER (Holcim), al abandonar el grupo. Ambos sistemas expertos requerían un cierto nivel de apoyo por parte de los centros tecnológicos, y los expertos los visitaban periódicamente para garantizar el éxito del funcionamiento diario. A continuación, se pidió a "un par de proveedores conocidos que equiparan estas plantas con un software alternativo que ofreciera el mismo rendimiento que los sistemas anteriores, pero, si era posible, con un manejo más sencillo desde el lugar de la planta y sin necesidad de un mantenimiento regular". de recursos externos. En 2015, KIMA Echtzeitsysteme obtuvo un contrato para equipar todos los molinos de bolas en las plantas que había adquirido CRH en Alemania. Si bien había algunas preocupaciones sobre el pequeño proveedor, aunque bien establecido, KIMA, También se sabe que esta empresa había equipado anteriormente unas 30 plantas de Holcim en Europa del Este con sistemas SMARTCONTROL, como MILLMASTER y KILNMASTER. La antigua planta de Lafarge en la pequeña ciudad de Karsdorf, en el este de Alemania (a unos 50 km de Leipzig), también fue equipada con el Sistema experto MILLMASTER: en total seis molinos de cemento, cuatro de ellos de descarga central, recibieron un paquete de software individual y una parametrización para alcanzar las exigentes garantías de optimización de entre el 5% y el 8% de aumento de la producción o, alternativamente, del 4% al 6% del reducción de la demanda energética específica. También cabe mencionar que la puesta en marcha in situ de un MILLMASTER para un molino de bolas no suele tardar más de cinco días. El resto del trabajo se ejecuta de forma remota mediante una conexión VPN.

Tabla 1.

En conclusión, se alcanzaron todos los objetivos de rendimiento del proyecto en Karsdorf. Y por último, pero no menos importante, los sistemas expertos encontraron una total aceptación por parte de los operadores, como informó Tim Fröhlich, el ingeniero de rendimiento de la planta.

La mayoría de la gente cree que la IA consiste únicamente en RNA de autoaprendizaje que se alimentan de Big Data para controlar automáticamente procesos complejos. Esto no es exacto. Como ya se mencionó, se deben elegir diferentes métodos de IA según la tarea. Parece que la complejidad del proceso de combustión del clinker lo convierte en un mal candidato para el control puro de ANN, sobre todo por el desgaste del equipo involucrado que cambia el sistema para el que se entrenó inicialmente la red neuronal. Los componentes importantes de la IA que se utilizan hoy en día son similares a los que se utilizaban hace 10 o 20 años. Pero hoy en día, las computadoras se han vuelto mucho más rápidas y tienen acceso a grandes cantidades de datos históricos.

Lea el artículo en línea en: https://www.worldcement.com/special-reports/30102020/high-level-control-in-cement-production/

Kazuki Ao, Kawasaki Heavy Industries, Ltd., detalla el suministro de sistemas de generación de energía con recuperación de calor residual para plantas de cemento en todo el mundo.

Insertar enlace del artículo:(copia el código HTML a continuación):