AES_1 2022

tecnica 89 CONTROLLO Automazione e Strumentazione n Gennaio - Febbraio 2022 Temperatura Terziaria [°C] Valor Medio Deviazione Standard Pre 891.88 °C 25.61 °C Post 935.18 °C +4.7 % 30.54 °C +19.3 % Pressione Sottocamera 2 [mbar] Valor Medio Deviazione Standard ≥73 mbar Pre 65.44 3.25 3.44 % Post 62.87 -3.9% 2.76 -15.2% 0.38 % -89% temperatura terziaria in ingresso al forno, contri- buendo in maniera positiva al processo di com- bustione. Inoltre, rileviamo una diminuzione del 15.2% della deviazione standard della pressione di sottocamera 2, con conseguente riduzione del numero di occorrenze a valori superiori ai 73 mbar (-89%). Conclusioni Il progetto ha riguardato l’installazione di un sistema di controllo avanzato, proprietario di Alperia Bartucci S.r.l., e la sua applicazione ha apportato miglioramenti rispetto alla precedente gestione manuale della griglia di raffreddamento. Gli operatori di sala controllo sono stati formati sulle caratteristiche e sul funzionamento del sistema di controllo avanzato. Ciò ha consentito di elevare il loro profilo tecnico e la loro exper- tise . A valle della messa in servizio del sistema di controllo avanzato, sono stati valutati alcuni indi- catori di performance (KPI), confrontando i dati storici ex-ante con quelli ex-post installazione. I risultati possono considerarsi molto soddisfa- centi dal momento che il sistema ha consentito di incrementare la temperatura media dell’a- ria terziaria e ha contribuito in modo sinergico ad un efficientamento della combustione nel forno , fungendo da ausilio importante al sistema di controllo dello stesso. Questo miglioramento è stato possibile tramite una conduzione ottimizzata della griglia di raffreddamento, basata sull’auto- matizzazione della regolazione dei ventilatori di sottocamera in base alla farina inserita nel pro- cesso e alla velocità della griglia. Così facendo il processo è stato stabilizzato, ottenendo una ridu- zione del 15.2% della deviazione standard della pressione di sottocamera 2. La bontà del sistema di controllo si rileva inoltre dal suo ‘service factor’, ovvero dalla percentuale di utilizzo da parte degli operatori, che si attesta al 94.59% . n [1] P. A. Alsop, Cement Plant Operations Handbook, Inter- national Cement Review, 3rd Ed., 2001. [2] M. Bauer, I. K. Craig, “Economic assessment of advan- ced process control – A survey and framework”, Journal of Process Control, vol. 18, no. 1, pp. 2-18, 2008. [3] E. Boe, S. J. McGarel, T. Spaits and T. Guiliani, “Predic- tive Control and Optimization Applications in a Modern Cement Plant”, Cement Industry Technical Conference, pp. 1-10, 2005. [4] G. Martin, T. Lange and N. Frewin, “Next generation controllers for kiln/cooler and mill applications based on model predictive control and neural networks”, IEEE/PCA 42nd Cement Industry Technical Conference, 2000. [5] G. Astolfi, L. Barboni, D. Barchiesi, F. Cocchioni, L. Orlietti, C. Pepe, M. Rocchi, S. M. Zanoli, “Optimised clinker production”, International Cement Review (ICR), pp. 71-73, April 2017. [6] J. Maciejowski, Predictive Control with Constraints. Harlow: Prentice Hall; 2002. [7] C. Pepe, “Model Predictive Control aimed at energy efficiency improvement in process industries”, Ph.D. Thesis, Università Politecnica delle Marche, 2017. Tabella2-ValutazioneKPI Pressionedi sottocamera2 Tabella 1 - Valutazione KPI Temperatura terziaria Riferimenti