Mipu

Predictive Hub

Efficienza Energetica

ENERGIA COME SEGNALE PER LA RIDUZIONE DELL’IMPATTO AMBIENTALE E L’AUMENTO DELLA CUSTOMER EXPERIENCE

by

ENERGIA COME SEGNALE PER LA RIDUZIONE DELL’IMPATTO AMBIENTALE E  L’AUMENTO DELLA CUSTOMER EXPERIENCE in BENETTON GROUP

Sostenibilità, innovazione digitale, incremento di efficienza economica, evoluzione dei touchpoint tra brand e cliente rappresentano le sfide di sviluppo future indifferibili per Benetton Group. In questo articolo spieghiamo come l’energia è stato utilizzata in Benetton come segnale per la riduzione dell’impatto ambientale e l’aumento della customer experience.

Lo store, nella sua essenza di celebrazione del brand, di punto di contatto fisico e digitale, di luogo di comunicazione ma anche di tradizionale unità produttiva, deve essere in grado di trasmettere i concetti di sostenibilità, di innovazione tecnologica, di attenzione al cliente e di efficienza gestionale. In questo articolo presenteremo come un utilizzo creativo, non convenzionale e tecnologicamente avanzato del vettore energetico possa contribuire a raggiungere un così sfidante obiettivo.

E’ grazie alla capacità di produrre e di gestire l’energia che l’umanità si è evoluta. In particolare negli ultimi secoli l’umanità è riuscita in breve tempo ad innalzare la qualità di vita ed i livelli di reddito per gran parte della sua popolazione come mai era successo prima. L’energia, quindi, è stata (ed ancor più lo è oggi) il “motore” del mondo.

Nella seconda metà del ‘700, attraverso la macchina a vapore si è meccanizzata la produzione nel settore tessile e metallurgico: fu la prima rivoluzione industriale. A partire dal 1870, l’introduzione dell’elettricità, dei prodotti chimici, del motore a scoppio con conseguente utilizzo del petrolio come fonte energetica avviarono la seconda rivoluzione. Negli anni ‘70, con la nascita dell’informatica e l’avvento dell’era digitale destinata ad incrementare i livelli di automazione industriale, ebbe inizio la terza rivoluzione industriale.

LA QUARTA RIVOLUZIONE INDUSTRIALE

Oggi siamo nel pieno di una nuova fase di trasformazione radicale ancora più dirompente e vorticosa delle precedenti, comunemente definita come quarta rivoluzione industriale caratterizzata dai progressi di nuove tecnologie quali:

  • – L’intelligenza artificiale (AI), computer in grado di “pensare”, riconoscere modelli complessi, elaborare informazioni, trarre conclusioni e formulare previsioni. Le macchine, alimentate da una gran mole di dati, imparano e agiscono (machine learning).
  • – L’internet delle cose (IoT) ovvero la possibilità che gli oggetti di tutti i giorni siano connessi ad internet, identificabili e comandabili da altri dispositivi.
  • – Le nuove tecnologie computazionali in grado di elaborare velocemente enormi quantità di dati attraverso computer estremamente più potenti, capaci di implementare logiche AI e creare in pochi secondi modelli molto complessi.
  • – Il “cloud” che consente di archiviare ed accedere in modo sicuro alle proprie informazioni da ogni luogo ed in ogni istante.

Infine la robotica, la stampa 3D, la realtà virtuale (VR), materiali innovativi (tra cui plastiche, leghe metalliche e biomateriali), ecc.

Queste nuove tecnologie sono in grado di mutare anche le aspettative dei clienti permettendo alle aziende di offrire una maggiore personalizzazione ed un’esperienza mirata. Mai come adesso l’energia è protagonista sia come abilitatore di questa quarta rivoluzione sia come tema centrale nel dibattito sociale ed ambientale. L’aumento esponenziale delle necessità energetiche provocate dalle evoluzioni sopraddette è la causa principale del cambiamento climatico.

L’energia stessa, grazie alle nuove tecnologie, può essere utilizzata in qualità di indicatore di comportamento. In questo modo si può effettuare costantemente il controllo del consumo energetico ed il confronto con una baseline ottimale. Essere in grado di rendere più efficienti i sistemi energivori è la principale sfida per la lotta al climate change e per garantire uno sviluppo futuro sostenibile.

CONTESTO AZIENDALE

 Benetton Group è una delle aziende italiane di moda più note al mondo per la sua consolidata identità di stile, colore e qualità a prezzi “democratici”. Fondata negli anni ‘60 a Ponzano Veneto, in provincia di Treviso, è presente globalmente con i suoi due marchi principali, United Colors of Benetton e Sisley, attraverso una rete di circa 4.500 punti vendita gestiti direttamente o attraverso partner commerciali indipendenti.

NECESSITÀ

Benetton Group ha intrapreso un percorso di ricerca con l’idea di sviluppare un innovativo concept per un retail store sostenibile, digitale, tecnologicamente avanzato. Il nuovo store, oltre ad utilizzare materiali ed arredi ricavati dagli scarti dell’industria tessile con una visione “circolare”, punta, attraverso l’utilizzo delle tecnologie più innovative, ad una forte riduzione dei consumi energetici e quindi di emissioni di CO2 incrementando, al contempo, il benessere del cliente e la sua “experience”.

“Data analysis and artificial intelligence to increase energy efficiency in retail stores” è il titolo del progetto che qui viene presentato. I suoi risultati, in un’ottica futura, potranno essere estesi a tutto il network globale dei punti vendita con impatti estremamente significativi in termini di sostenibilità ed efficienza.

SOLUZIONE

 Il primo obiettivo che ci si è posti è stato quello di ridurre il consumo energetico di ogni punto vendita del 20% a parità di hardware e di comfort degli utenti. In altre parole la riduzione dei consumi potrà essere conseguita soltanto con modifiche di natura gestionale, compatibilmente con la valorizzazione massima dell’esperienza del cliente.

Per raggiungere tale obiettivo si è progettato un sistema di raccolta, analisi e storicizzazione dei molteplici dati provenienti dal punto vendita. I dati così raccolti vengono valorizzati per alimentare intelligenze artificiali in grado agire in modo autonomo nella regolazione degli impianti di climatizzazione, di illuminazione e di qualsiasi fonte energivora presente all’interno dello store.

Il punto fondamentale per costruire intelligenze di questo tipo è alimentarle con una base dati sufficientemente ampia attraverso cui possano “imparare” ad agire nel modo più completo possibile.

La soluzione si è indirizzata da una parte verso la creazione di un sensore IOT multiparametrico e miniaturizzato sviluppato ad hoc (nell’immagine sotto) in grado di rappresentare le condizioni ambientali e di comfort negli spazi del punto vendita. Dall’altro verso l’implementazione di un sistema con logiche di controllo AI per i principali usi energetici significativi dello store.

LE FASI DELLA RICERCA APPLICATA

Le attività di ricerca applicata si sono sviluppate in cinque fasi:

1. Individuazione dei parametri ambientali e tecnici con cui alimentare le intelligenze 

Sono stati valutati fattori meteorologici quali temperatura e umidità, vento, irraggiamento, pioggia; fattori relativi all’involucro edilizio e location; fattori interni quali temperatura e umidità, consumo di energia, illuminazione, qualità dell’aria, indici di affollamento. Si sono selezionati i seguenti parametri: 

  • – Temperatura: predittore del comfort termico
  • – Umidità
  • – Luminosità
  • – Concentrazione di composti organici volatili: impiegata come indicatore della salubrità dell’ambiente
  • – Rumore: predittore dell’indice di affollamento.
2. Progettazione e realizzazione del sensore

I principali ostacoli superati sono stati il numero di misure da rilevare e la dimensione. Il diametro del sensore infatti doveva essere inferiore a 6 cm in modo da potersi integrare nell’architettura del punto vendita.

Il livello di miniaturizzazione raggiunto dal multi-sensore permette di disporre di un device unico in termini di ingombri in relazione alle grandezze fisiche misurate.

3. Clusterizzazione punti vendita e audit energetici

La rete di punti vendita è stata suddivisa in cluster in base alla consistenza impiantistica, alla dimensione, alla conformazione, alla posizione geografica, agli orari di apertura. Per ogni cluster è stata svolta un’analisi volta a caratterizzare gli utilizzi dell’energia e a creare una baseline come riferimento per la misurazione dei risultati.

 

4. Progettazione del sistema complessivo

L’architettura prevede l’installazione di una serie di sensori, secondo le dimensioni e caratteristiche dello store. Ogni sensore si collega in wireless al gateway installato nel quadro elettrico. I gateway, oltre a comunicare i dati alla piattaforma software Rebecca, agiscono anche come attuatori per minimizzare i consumi energetici di climatizzazione ed illuminazione. Infine essi funzionano anche come energy meter.

5. Predisposizione della piattaforma

La piattaforma prevede una user experience dedicata per ogni tipologia di utilizzatore: store manager, facility ed energy manager, procurement energetico, clienti, comunicazione.

Le funzionalità presenti prevedono:

  • – raccolta, integrazione e storicizzazione dei dati;
  • – controllo delle prestazioni energetiche e raggiungimento obiettivi prefissati;
  • – matrice di criticità dei negozi;
  • – benchmark tra negozi;
  • – creazione e gestione del ciclo di vita di intelligenze artificiali in grado di controllare il sistema di luci e di climatizzazione;
  • – creazione e gestione di intelligenze con funzionalità di manutenzione predittiva sui componenti del negozio selezionati di volta in volta.

 

APPLICAZIONI NEL NEGOZIO

L’intelligenza artificiale apprende quale dovrebbe essere il comportamento atteso del sistema di climatizzazione al variare delle condizioni ambientali e del numero di persone presenti nei vari punti dello store. E’ dunque in grado di agire in autonomia sul sistema di climatizzazione con la duplice finalità di ridurre il consumo energetico e di garantire il comfort dell’utente.

Confrontando il consumo energetico atteso con quello effettivo, l’intelligenza è in grado di segnalare malfunzionamenti ed inefficienze in modalità semplice e visuale.

L’illuminazione invece viene modulata in funzione dell’intensità luminosa, dei VOC, della CO2 e del rumore, in grado di rappresentare l’affollamento. Le luci sono modulabili in base alla presenza di persone in date zone dello store. I controlli e le modulazioni vengono attuate on edge dal gateway, mentre in cloud sono stati implementati modelli di AI in grado di monitorare lo stato di salute degli asset ed impianti principali. Analoghe funzionalità vanno a regolare le rimanenti fonti energivore presenti nello store.

La piattaforma si è prestata ad un ampliamento di utilizzo al fine di permettere anche un automatic bill verification ovvero un sistema automatico di verifica, controllo ed analisi dello storico delle bollette energetiche ottimizzando così i costi di gestione.

IN UN PROSSIMO FUTURO

I parametri rilevati dal sensore multi-parametrico consentono non solo di rilevare le condizioni ambientali mutate dalla presenza umana all’interno dello store, ma possono agire anche al contrario. È possibile rilevare la presenza ed il comportamento dell’utente a partire dalle modifiche dei vettori energetici.

Se questo tipo di inferenza è sicuramente debole rispetto a quanto analizzabile con sistemi specifici (beacon, telecamere), dobbiamo tener presente che la soluzione di cui parliamo è in primis una soluzione di gestione dell’energia. L’idea di monitorare il cliente e le sue interazioni nel “touchpoint store” con un sistema la cui presenza è così discreta e rispettosa potrebbe rappresentare opportunità di esplorazione futura. Del resto, se le intelligenze artificiali possono supportare gli obiettivi di efficienza e sostenibilità, è il cliente, la sua soddisfazione e le sue necessità che qualsiasi azienda deve porre al centro.

CONCLUSIONE

La possibilità di disporre di una soluzione software flessibile che renda l’AI scalabile e facilmente replicabile, collegata all’architettura hardware in campo che garantisce la raccolta dei dati necessari, rende possibile declinare questo sistema di ottimizzazione e controllo delle performance in molti ambiti retail.

Il risparmio energetico che ne consegue, l’ottimizzazione della gestione della manutenzione –  attivando gli interventi solo se i modelli in cloud intercettano un degrado nel corretto funzionamento degli assets – unito all’attenzione verso il comfort di clienti e dipendenti effettivamente presenti nello spazio di vendita permettono di raggiungere gli obiettivi aziendali di sostenibilità, innovazione, comunicazione, attenzione al cliente ed infine di efficienza gestionale.

———

A cura di:

Benetton Group SpA, Divisione Engineering & Facility Management.

Questo è solo uno delle tante storie di successo raccontate dai nostri clienti nel libro Storie di Fabbrica Predittiva. Richiedi una copia oppure contattaci per approfondire l’argomento, insieme possiamo pensare un progetto su misura per rispondere alle tue esigenze.

ENERGIA COME MOTORE DI CONOSCENZA CONDIVISA in MENZ & GASSER

by

ENERGIA COME MOTORE DI CONOSCENZA CONDIVISA in MENZ & GASSER 

Molte aziende spendono milioni o addirittura miliardi di dollari in energia ogni anno. Questo non è solo costoso, ma rappresenta anche un’opportunità spesso trascurata per ridurre il rischio, aumentare la resilienza e aggiungere valore su tutta la linea.

Man mano che le preoccupazioni ambientali diventano più urgenti ed emergono nuove tecnologie, le aziende devono rispondere a questi cambiamenti con una solida strategia energetica. Questo articolo offre una struttura in cinque fasi per rinnovare la politica energetica di un’azienda:

  • – creare un mandato di alto livello;
  • – integrare gli obiettivi energetici nella visione e nelle operazioni;
  • – monitorare i progressi a livello aziendale;
  • – sfruttare le nuove tecnologie e coinvolgere le parti interessate.

In questo modo l’energia può essere utilizzata come motore di conoscenza condivisa.

 

ENERGIA: ELEMENTO STRATEGICO O SEMPLICE COSTO?

Nel settore industriale l’energia è uno degli input fondamentali insieme alle materie prime e l’acqua. Viene utilizzata soprattutto per il riscaldamento e il raffreddamento degli ambienti, per i forni industriali, essiccatoi, evaporatori e concentratori.

Le grandi aziende spendono milioni in energia ogni anno, e più indirettamente in costi di supply chain, outsourcing e logistica. Tuttavia, al di fuori delle industrie ad alta intensità energetica, la maggior parte delle aziende considera l’energia semplicemente come un costo da gestire. Questo è un errore strategico che trascura enormi opportunità per ridurre il rischio, migliorare la resilienza e creare nuovo valore.

Oggi l’energia sta scalando l’agenda aziendale, a causa delle radicali tendenze ambientali, sociali e di business, inclusi i cambiamenti climatici e la regolamentazione globale del carbonio, l’aumento delle pressioni sulle risorse naturali, le crescenti aspettative sulle prestazioni ambientali aziendali, le innovazioni nelle tecnologie energetiche e nei modelli di business e crollo dei prezzi delle energie rinnovabili. Questi megatrend cambiano il contesto in cui operano le imprese e le aprono a nuovi rischi e nuove strade per la creazione di valore.

Nella visione classica della strategia di Michael Porter, le aziende creano vantaggio mantenendo bassi i costi o differenziando. Le scelte che un’azienda fa in merito all’approvvigionamento e al consumo di energia possono influenzare profondamente la sua struttura dei costi. E il modo in cui gestisce gli impatti ambientali e climatici del suo utilizzo di energia, principalmente le emissioni di carbonio, è un elemento di differenziazione sempre più importante per consumatori, investitori e clienti aziendali.

ENERGY MANAGEMENT

Si può definire l’Energy Management come “Giudizioso ed efficiente utilizzo dell’energia al fine di massimizzare i profitti e migliorare la posizione competitiva” (Cape Hart, Turner e Kennedy, nell’articolo “Guide to Energy Management”). La massimizzazione dei profitti è un aspetto legato alla riduzione dei costi e ciò pone l’accento sul ruolo determinante che coprono i costi dell’energia all’interno del quadro dei costi sostenuti da un’azienda durante la propria fase produttiva.

Il miglioramento della posizione competitiva va ben oltre i vantaggi connessi con una struttura dei costi meno pressante e si inserisce in un contesto ancora più ampio che vede l’azienda in grado di gestire i consumi energetici in maniera più flessibile. Questo permette ad esempio di reagire in maniera rapida ed indolore ai cambiamenti imposti dalle normative in ambito ambientale.

La gestione dell’energia ha implicazioni generali che coinvolgono tutti i segmenti della vita di una nazione anche se in molte aziende è tuttora una questione a bassa priorità. Spesso si riscontrano tentativi isolati di riduzione dei consumi (con beneficio limitato in entità e durata) piuttosto che un approccio sistemico al problema che verrebbe riconosciuto positivamente dalle forze sociali esterne all’azienda (cittadini, amministrazioni locali..).

I PRINCIPI PER UNA CORRETTA GESTIONE DELL’ENERGIA

Possiamo individuare tre principi fondamentali alla base di una corretta gestione dell’energia riassumibili in:

  • – Dotarsi di energia al costo più basso possibile;
  • – Minimizzare le perdite e gli sprechi di energia all’interno del sistema;
  • – Utilizzare sempre la tecnologia più appropriata dal punto di vista energetico.

Questi principi sottintendono la presenza di un complesso insieme di conoscenze e capacità, tra le quali:

  • – Conoscenza del mercato dell’energia/auto-produzione energetica;
  • – Capacità di gestire adeguatamente i rapporti con i contractors ed i fornitori di energia;
  • – Conoscenza della struttura dei consumi energetici;
  • – Conoscenza di tecniche analitiche per la valutazione dei consumi energetici;
  • – Capacità di gestire i progetti per l’implementazione delle misure di efficientamento;
  • – Conoscenza tecnica dei sistemi energetici moderni;
  • – Conoscenza di metodi di analisi finanziaria degli investimenti per l’efficientamento energetico.

 

I quattro elementi fondamentali dell’Energy Management sono rappresentati nella figura sotto:

LE STRATEGIE OPERATIVE PER L’ENERGY MANAGEMENT

Generalmente l’introduzione dell’Energy Management in azienda avviene per gradi, accompagnato dall’aumento di conoscenza del sistema energetico e di consapevolezza dell’azienda e degli attori coinvolti nel processo. Ognuna di queste fasi è associata ad una differente strategia operativa:

  • – Quick Fixes ;
  • – Energy Projects ;
  • – Comprehensive Energy Management

STRATEGIA OPERATIVA QUICK FIXES

Con Quick Fixes si intende la riduzione occasionale dei consumi energetici. Viene attuata una serie non coordinata di misure di risparmio energetico poco o per nulla costose che non necessitano di una fase di analisi e pianificazione degli interventi. Alcuni degli interventi classificabili in questa strategia sono l’isolamento termico delle finestre, timer per luci e sistemi di condizionamento, utilizzo di componenti ad alta efficienza energetica, ecc. Portano vantaggi economici significativi (soprattutto nel caso di edifici o impianti di vecchia concezione) ma limitati rispetto a quelli massimi raggiungibili.

STRATEGIA OPERATIVA ENERGY PROJECTS

Il secondo approccio è l’Energy Project ovvero la riduzione sistematica dei consumi energetici. Raggiunti i massimi livelli di risparmio conseguibili nella fase precedente si comprende come ulteriori risparmi siano conseguibili solo attraverso progetti energetici con una significativa fase di analisi per l’individuazione delle opportunità di riduzione dei consumi e delle misure necessarie per coglierle, oltre a investimenti significativi per la loro implementazione (entra in ballo anche la valutazione economica degli investimenti). Solitamente questa fase si basa su analisi più o meno approfondite del sistema energetico denominate “Energy Audit”.

STRATEGIA OPERATIVA COMPREHENSIVE ENERGY MANAGEMENT

L’ultima strategia Comprehensive Energy Management è quella che dà dei risultati certi e stabili nel tempo. Aumentando la consapevolezza e la conoscenza relativamente agli aspetti energetici all’interno dell’azienda, l’approccio “per progetti” tende ad essere sistematizzato all’interno di un vero e proprio sistema di gestione arrivando così allo sviluppo di un Energy Management System. Ciò richiede come passo fondamentale l’introduzione di un sistema di gestione, inteso come monitoraggio, controllo e riduzione continua dei consumi energetici. La tendenza è quella di definire modelli di Sistemi di Energy Management che costituiscano una guida per le organizzazioni e consentano anche il conseguimento della certificazione per sfruttare i vantaggi derivanti per l’immagine dell’organizzazione.

IL CASO DI STUDIO: CONTESTO AZIENDALE

Menz & Gasser nasce a Lana (BZ) nel 1935 e presto si specializza nella produzione di confetture e semilavorati di frutta di alta qualità. Negli oltre 80 anni della sua storia Menz & Gasser subisce numerose trasformazioni, ma fin dalle origini, il fondatore Mathias Gasser imprime all’azienda la visione che le garantirà il successo attraverso i decenni: osservare e comprendere i desideri delle persone e individuare servizi e prodotti innovativi e di qualità che possano soddisfarli, anzi, anticiparli.

Oggi l’azienda è presente in più di 50 Paesi in 4 continenti e nel 2016 ha dato avvio alla costruzione di uno stabilimento in Malesia con l’obiettivo di espandere la propria presenza nei mercati dell’estremo oriente.

NECESSITÀ

Menz & Gasser coniuga due esigenze in campo energetico: da una parte gestire in modo efficiente la complessità nell’uso di una vasta gamma di vettori energetici necessari per la fase di produzione e dall’altra la necessità di soddisfare una spiccata sensibilità da parte della proprietà per un uso più razionale dell’energia.

L’azienda aveva già provveduto ad installare numerosi misuratori di consumo sia elettrico che termico. La sola storicizzazione e visualizzazione dei dati non era sufficiente. Con gli ingegneri di MIPU abbiamo sviluppato una soluzione che ci consentisse di valorizzare i dati raccolti per una riduzione sistemica dei consumi e un miglioramento della sostenibilità della nostra produzione.

Abbiamo deciso di partire da un progetto pilota per sviluppare la piattaforma di raccolta dati. La scelta è ricaduta su un impianto a biomassa legnosa presente in stabilimento e che presentava diverse difficoltà nel calcolo dell’efficienza: diversi contributi di energia e di perdite, quali perdite legate ai fumi, all’irraggiamento, al potere energetico delle ceneri non erano direttamente misurabili.

Volevamo creare un sistema che ci permettesse di avere un riscontro immediato dell’andamento dell’impianto e un supporto predittivo alle decisioni manutentive e di efficienza energetica.

 

SOLUZIONE

La soluzione implementata prevede la centralizzazione dei dati già raccolti ed il loro utilizzo per la creazione di modelli di comportamento energetico. Questi non sono altro che simulazioni della prestazione che ogni componente principale del sistema dovrebbe avere al variare delle condizioni operative.

A seconda della complessità da simulare, i modelli possono essere espressi su base matematica o con il machine learning. La complessità è tuttavia gestita dalla piattaforma software: il team di Menz & Gasser, pur essendo autonomo nella creazione di nuovi modelli, non deve affrontare le difficoltà connesse alla scrittura di codice informatico.

LA CREAZIONE DEI MODELLI

Inizialmente abbiamo creato circa 10 modelli. Questi motori sono estremamente duttili e consentono di raggiungere molteplici scopi:

  1. 1. prevedere il consumo energetico futuro al variare delle condizioni tecniche, ambientali e di produzione
  2. 2. prevedere i costi energetici, ed in particolare analizzare vari scenari di tipo what-if in funzione ad esempio dell’orario, del meteo o del fatto o meno che io operi determinate manutenzioni nel futuro
  3. 3. intercettare malfunzionamenti sul nascere usando come segnale base l’energia consumata da ogni componente, ciò che gli ingegneri di MIPU chiamano Energy-Based Reliability Management.

 

Operativamente, ogni modello viene messo sotto monitoraggio tramite delle carte di controllo, le quali intercettano gli scostamenti del comportamento reale rispetto al comportamento atteso. Se il comportamento reale sale verso l’alto si parla di deriva positiva. Se scende, di deriva negativa.

 

I VANTAGGI DELLA SOLUZIONE

L’aspetto assolutamente innovativo qui è la possibilità di quantificare esattamente l’impatto di qualsiasi attività sulla prestazione energetica del sistema, il tutto in modo semplice e visuale. Comunicare in tempo reale a tutto il team, e potenzialmente a tutti gli stakeholders dell’area dove l’azienda opera, come quantitativamente le nostre azioni impattano sul consumo energetico e dunque sull’ambiente è dirompente. Non solo: tale immediatezza, pur scientificamente rigorosa, risponde all’esigenza sia di fare efficientamento che di creare cultura ed ingaggio.

Abbiamo conseguentemente scelto di estendere l’esperienza fatta con la centrale a biomassa agli stabilimenti.

BUDGET ENERGETICO E IMPATTO AMBIENTALE

Avere delle intelligenze che simulano con precisione il comportamento degli impianti ci consente di sviluppare un budget energetico effettivamente calato sulle reali condizioni operative che andremo via via affrontando. Più importantemente, possiamo valutare ex-ante l’impatto economico ed energetico delle nostre scelte e discutere con immediatezza ma estremo rigore con tutti gli stakeholders coinvolti.

CONCLUSIONE

Da questa esperienza mi sento di esprimere tre concetti che ritengo importanti.

COMPETENZE

Il primo è legato al tema delle competenze. Per sviluppare un progetto di questa natura è necessaria la creazione di un team composto da tecnici aziendali e da tecnici del partner tecnologico. I tecnici aziendali devono riuscire a modellizzare i loro processi in modo tale da renderli fruibili ad un processo di intelligenza artificiale ed il partner tecnologico fornisce un valore aggiunto solo nella misura in cui detiene una competenza di dominio specifica.

Nell’esperienza che abbiamo avuto con MIPU, il tema della competenza di settore è stato determinante: noi abbiamo scelto MIPU in quanto conoscevamo la sua competenza nell’ambito dell’energia. Ed alla luce del lavoro fatto questa scelta si è dimostrata corretta. La competenza di MIPU nel settore dell’energia ci ha aiutato a perfezionare i modelli che descrivono il nostro processo.

TECNOLOGIA

Il secondo concetto che scaturisce da questa esperienza è la funzione della tecnologia in generale e dell’intelligenza artificiale nello specifico. Per approcciarsi ad un progetto di questo tipo l’azienda deve avere uno scopo molto chiaro e specifico. L’intelligenza artificiale non può essere lo scopo, ma è lo strumento per raggiungere un determinato obiettivo. Un’azienda è molto competente sui propri processi: per aprirsi a nuove tecnologie il metodo più veloce è raccogliere sul mercato le competenze necessarie.

Il particolare momento economico che stiamo vivendo, caratterizzato da un’alta complessità ed incertezza, richiede alle aziende di muoversi rapidamente, di portare a terra velocemente i propri progetti per riuscire ad essere sempre competitive. Diventa quindi un asset di valore per l’azienda la relazione con i partner tecnologici per sviluppare in co-development nuove soluzioni. Le aziende devono imparare ad aprirsi all’interno di un network di fornitori selezionati che le permettano di portare al loro interno nuove competenze e nuove tecnologie, ma che lascino libera l’azienda di concentrare le proprie risorse sul proprio core business.

INTELLIGENZA ARTIFICIALE

La terza considerazione riguarda specificatamente l’intelligenza artificiale. Grazie alla capacità di trattare una grande quantità di dati e di correlazioni, l’AI permette una visione olistica del processo di produzione. Aprire le opportunità derivanti dall’utilizzo di intelligenze artificiali a tutta l’azienda è sulle prime sembrato avveniristico; solo pochi mesi dopo lo ritenevamo fattibile. Oggi riconosciamo che i modelli sono per noi un “motore di conoscenza condivisa”. Ci aiutano a conoscere meglio i nostri impianti, ad operare scelte strategiche e a valutare costantemente l’impatto delle stesse in termini tecnici, economici ed ambientali.

———

A cura di:

Claudio Cumer, Technical Department, Menz & Gasser

Questa è solo una delle  storie di successo raccontate dai nostri clienti, richiedi qui il nostro libro Storie di Fabbrica Predittiva e scopri le altre! Oppure contattaci per iniziare un progetto personalizzato con noi. 

 

 

 

OTTIMIZZAZIONE DI GESTIONE DI IMPIANTI DI COGENERAZIONE E TRIGENERAZIONE

by

OTTIMIZZAZIONE DI GESTIONE DI IMPIANTI DI COGENERAZIONE E TRIGENERAZIONE

Nel seguente caso di studio è illustrata la modalità di ottimizzazione di gestione di impianti di cogenerazione e trigenerazione.

La cogenerazione

La cogenerazione è la produzione combinata di energia elettrica e termica a partire da un’unica fonte primaria, tipicamente di origine fossile. Grandi infrastrutture industriali e civili ricorrono all’utilizzo di macchine frigorifere ad assorbimento alimentate dalla medesima energia termica messa a disposizione dalla cogenerazione. Tali infrastrutture richiedono aria o acqua refrigerata non solo nei mesi estivi ma anche in quelli invernali, per controbilanciare carichi endogeni o di processo. Si parla così di trigenerazione, perché da una medesima fonte di energia primaria è possibile ottenere elettricità, calore e aria/acqua refrigerata.

In un sistema in assetto cogenerativo la produzione di energia elettrica e calore deve essere bilanciata. Bilanciata in modo da garantire allo stesso tempo il rendimento più alto e soddisfare contemporaneamente le necessità dell’utenza elettrica e termica. Quest’ultimo fattore rappresenta un limite dei sistemi di cogenerazione in quanto se nei mesi invernali l’utenza termica richiede quantità maggiori di calore, nei mesi estivi questa diminuisce e ciò porterebbe a spegnere del tutto il cogeneratore, massimizzando la produzione di energia elettrica a scapito del rendimento globale che diminuirebbe vista la dissipazione in atmosfera di gran parte del calore prodotto dal processo.

La trigenerazione

La trigenerazione è la tecnica che permette di abbinare il cogeneratore alle macchine frigorifere ad assorbimento. Queste producono potenza fredda a partire da una fonte di calore, quella messa a disposizione dal cogeneratore appunto. In questo modo è possibile ottenere alti rendimenti dai sistemi di cogenerazione anche nei periodi dell’anno in cui la richiesta termica è esigua. Questo perché l’utilizzo del calore prodotto permette di produrre acqua o aria refrigerata.

La sfida più grande che le infrastrutture cogenerative devono affrontare è l’ottimizzazione del processo di produzione combinata di energia elettrica e termica; cioè massimizzare la produzione di energia elettrica quando l’utenza termica diminuisce o viceversa, in modo da poter vendere elettricità e calore (caldo o freddo) al prezzo più vantaggioso, mantenendo alto il rendimento dell’impianto.

Vediamo di seguito come è possibile implementare un sistema di monitoraggio intelligente di un impianto cogenerativo al servizio di una infrastruttura aeroportuale, al fine di supportare l’attività di decision making energetico ed economico dei gestori. Il fine ultimo di tale caso di studio è quello di illustrare come gestire al meglio impianti di cogenerazione e trigenerazione.

 

IL CLIENTE

Il cliente è una società italiana che gestisce gli impianti di cogenerazione che forniscono energia elettrica, termica e frigorifera a due dei più grandi aeroporti del nostro Paese, cedendo al mercato le eccedenze rispetto ai fabbisogni degli scali.

Il cliente è fortemente attivo nel campo dell’ottimizzazione delle risorse, del risparmio energetico e della salvaguardia ambientale. Inoltre, è impegnato a investire nella ricerca e nell’esplorazione di nuove soluzioni di monitoraggio e diagnostica dello stato delle proprie centrali di produzione. L’obiettivo di tale investimento è quello di creare un’infrastruttura affidabile per intercettare inefficienze e ridurre gli sprechi.

Il committente ha richiesto di implementare un dettagliato sistema di monitoraggio real-time per tenere sotto controllo l’efficienza globale di impianto ed ogni suo singolo componente, nonostante fosse già presente un sistema DCS in grado di acquisire una vasta gamma di misurazioni dal campo.

Infatti, con un normale DCS è possibile verificare se i parametri di sistema rientrano in un intervallo di lavoro corretto, ma è quasi impossibile capire se l’impianto sta producendo energia con la migliore efficienza. Questo diventa un problema quando il costo dell’energia venduta alla rete diminuisce. Per aumentare i ricavi è importante identificare le inefficienze del sistema non appena si verificano per far funzionare l’impianto con il massimo rendimento possibile.

 

LA SOLUZIONE MIPU

La soluzione MIPU consiste in un sistema di monitoraggio semplice e intuitivo che utilizza i dati raccolti dal sistema DCS e li rielabora per definire quanto l’impianto dovrebbe produrre in ogni momento in base alle condizioni operative e ai set-point del sistema.

Ciò consente di:

  • – controllare istantaneamente parametri quali l’energia elettrica e termica prodotta da una parte, quella consumata e venduta all’aeroporto o alla rete dall’altra
  • – controllare costantemente il rendimento del sistema e degli asset

 

I modelli energetici

Il sistema di monitoraggio intelligente semplifica e supporta le decisioni dei tecnici nella definizione dell’assetto ottimale tramite diversi modelli energetici, uno per ogni componente. Tramite i modelli energetici è possibile verificare in ogni momento le prestazioni dell’impianto. Ciò è possibile confrontando i valori reali provenienti dal campo con quelli teorici prodotti dai modelli in base alle condizioni operative e ai set-point del sistema.

 

 

L’Asset Optimizer utilizza i modelli energetici e le condizioni operative dell’impianto per selezionare l’assetto di sistema più conveniente dal punto di vista economico. Cioè scegliendo se massimizzare ad esempio la produzione di energia elettrica piuttosto che quella termica, a seconda del prezzo variabile dell’elettricità sul mercato e della richiesta di calore dell’utenza.

La simulazione considera ogni parametro in grado di influenzare il sistema. I risultati vengono confrontati in termini di costi, ricavi e profitti per selezionare l’assetto di produzione più conveniente. Durante la simulazione vengono anche considerati vincoli fisici e operativi, come il numero massimo di avvii e arresti per l’apparecchiatura o il minimo set-up consentito. Altri costi aggiuntivi come la manutenzione e i certificati di carbonio possono essere aggiunti per rendere la simulazione il più precisa possibile.

La funzionalità di gestione remota consente di controllare la piattaforma anche a distanza, dopo un accesso di convalida sicuro. Questo è stato utilizzato in modo particolare subito dopo l’installazione del software per controllare quotidianamente il sistema. E’ stato utilizzato anche per offrire un supporto sulla gestione dell’efficienza dell’impianto e aiutare gli operatori durante il processo di ottimizzazione della piattaforma.

 

RISULTATI

La soluzione implementata da MIPU consente di monitorare e controllare l’efficienza di un impianto di cogenerazione in tempo reale. La visualizzazione dei risultati dei modelli è fruibile dai monitor SCADA preesistenti, in modo che l’operatore entri subito in confidenza con il nuovo strumento.

 

 

Il beneficio economico è stato stimato in 1.200.000 € dopo il primo mese di utilizzo, come differenza tra la gestione dell’impianto prima e dopo l’installazione del sistema. Questo risultato è dovuto principalmente all’ottimizzazione giornaliera del piano di produzione, in quanto il sistema può combinare le competenze degli operatori con un sistema di simulazione che calcola i profitti di ogni possibile scenario. Pertanto, il software ha anche contribuito ad aumentare la conoscenza dell’impianto, rendendo facile comprendere l’effetto di ogni modifica dei parametri di gestione sulle performances.

Il monitoraggio e la diagnostica in tempo reale hanno contribuito a intercettare perdite di prestazioni dell’impianto. Hanno contribuito anche a definirne possibili ottimizzazioni in seguito a sostituzioni di componenti. Ad esempio, MIPU ha intercettato lo sporcamento del compressore della turbina a gas e stimarne i vantaggi economici dovuti alla sua pulizia. Grazie alla piattaforma è stato anche possibile intercettare una perdita iniziale di prestazioni di uno dei generatori di vapore, anticipandone l’intervento di manutenzione alla prima fermata utile ed evitando uno spreco di risorse stimato in 10.000 € / mese.

Come si può notare, la soluzione adottata da MIPU ha permesso di ottimizzare la gestione degli impianti di cogenerazione e trigenerazione.

 

CONCLUSIONE

Se vuoi approfondire come ottimizzare la gestione degli impianti di cogenerazione e trigenerazione o saperne di più sulle nostre soluzioni software, mettiti in contatto con noi: possiamo organizzare un assessment di maturità digitale o farti vedere una demo.

MONITORAGGIO DEL RENDIMENTO DI UNA CENTRALE TERMOELETTRICA TRAMITE L’INTELLIGENZA ARTIFICIALE

by

MONITORAGGIO DEL RENDIMENTO DI UNA CENTRALE TERMOELETTRICA TRAMITE L’INTELLIGENZA ARTIFICIALE

Le centrali termoelettriche sono luoghi in cui avviene la produzione di energia elettrica e termica a partire tipicamente da un combustibile fossile. Gli impianti di produzione di energia possono avere diverse configurazioni. Sicuramente quelle più efficienti dal punto di vista energetico sono le centrali che implementano cicli combinati gas – vapore e per questo sono conosciute come centrali termoelettriche a ciclo combinato. In questo assetto una centrale termoelettrica può raggiungere un rendimento globale di impianto del 60%.

In un impianto a ciclo combinato gas – vapore la combustione avviene nella camera di combustione di una turbina a gas: un generatore di vapore a recupero si occupa di recuperare gas di scarico. Questi sono utilizzati per produrre il vapore surriscaldato che si espande in cascata in una turbina a vapore. In tal modo, è prodotta un’ulteriore aliquota di potenza che si somma a quella precedentemente erogata dalla turbina a gas.

Al fine di ottimizzare l’utilizzo delle risorse, ridurre gli sprechi e aumentare l’efficienza degli impianti, le aziende leader del settore energetico recentemente hanno implementato l’uso di tecniche all’avanguardia per il monitoraggio e la manutenzione dei propri asset.

In questo caso studio saranno mostrate le potenzialità degli algoritmi di machine learning che l’intelligenza artificiale mette a disposizione del mondo industriale. In particolare sarà implementato uno strumento di controllo per il monitoraggio del rendimento di una centrale termoelettrica a ciclo combinato.

 

IL CLIENTE

Il cliente è un’azienda italiana leader nel mercato energetico e tra le più importanti a livello europeo. Si tratta di uno dei principali player di energia elettrica in Italia con un parco produttivo che comprende centrali a ciclo combinato, idroelettriche, eoliche, solari e a biomasse.

Al fine di garantire standard di efficienza elevati, guasti e cali di prestazioni devono essere prontamente rilevati in una centrale di produzione di energia. Un approccio predittivo è al giorno d’oggi quello maggiormente consigliato nella manutenzione degli asset.

Monitorare costantemente il rendimento di una centrale termoelettrica è di fondamentale importanza in condizioni di regime. Questo perché permette di intercettare possibili inefficienze e porvi rapidamente rimedio, qualora le performance si discostassero da quelle di progetto.

Il committente ha richiesto di costruire un sistema di monitoraggio del rendimento globale di impianto, basato su algoritmi di intelligenza artificiale, per una delle proprie centrali termoelettriche a ciclo combinato, per controllare in maniera capillare le performance dell’impianto ed agire tempestivamente in caso di guasto.

 

LA SOLUZIONE MIPU

La soluzione MIPU consiste in due diversi algoritmi di intelligenza artificiale: il primo per la predizione della potenza attiva della turbina a vapore e il secondo per il calcolo della potenza richiesta dagli ausiliari di impianto. Gli algoritmi sono stati creati ed implementati sulla nostra piattaforma software Rebecca Artificial Intelligence.

Utilizzando i risultati di questi due algoritmi è possibile calcolare la potenza netta di centrale tramite la seguente formula:

P. Netta Centrale [MW] = (P. TV(Predetta)[MW] + P. (TG) [MW]) – (P. ausiliari (Predetta)[MW])

Il rendimento globale di impianto è infine ottenuto implementando la seguente formula:

Rendimento=3600 *(P. Netta Centrale [MW]) / (PCI [MJ/Smc] * (TG GAS)) [Smc/h])

Gli algoritmi sono integrati ad una piattaforma connessa ai sensori di campo. Questi ultimi monitorano costantemente le performance della centrale in termini di rendimento globale, tramite dati in real time.

MIPU ha costruito I modelli di intelligenza artificiale identificando prima di tutto i parametri elettrici, meccanici e termodinamici. Questi intervengono nella fisica dei processi che avvengono in una centrale termoelettrica a ciclo combinato. Poi, l’analisi e la visualizzazione dei dati a disposizione nel periodo monitorato, provenienti da un sistema di acquisizione IoT, il riconoscimento dei periodi in cui la centrale è stata in fermo per manutenzione. MIPU ha poi analizzato le variabili di processo in base all’andamento temporale e alla correlazione qualitativa e quantitativa reciproca.

Una volta individuato il periodo che nello storico a disposizione presentava il comportamento ottimale dell’impianto, abbiamo allenato su di esso i modelli di machine learning.

Gli algoritmi di machine learning testati sono caratterizzati da strutture differenti per identificare il migliore in termini di metriche statistiche e carte di controllo. La qualità di ogni modello viene valutata tramite la capacità del singolo di intercettare cambi di comportamento causati da un intervento manutentivo o da un cambio nella gestione energetica della centrale.

Una parte fondamentale: la data experience

Un sistema di data experience rende possibile il confronto tra le variabili reali e la predizione fatta da ciascun modello. In questo modo è realizzato il controllo continuo della turbina a vapore dal punto di vista delle performance e dello stato di salute.

Nel grafico seguente è possibile osservare il confronto tra l’andamento predetto e l’andamento reale del rendimento di centrale. Gli scostamenti più significativi generano degli alert automatici, che gli operatori in campo possono visualizzare e analizzare grazie a schermate intuitive.


RISULTATI

In questo caso studio l’intelligenza artificiale ha permesso di implementare due diversi modelli di machine learning. Tramite questi è stato costruito uno strumento di controllo per il monitoraggio del rendimento globale di impianto, in grado di simularne un comportamento ottimale in condizioni di regime. Lo strumento è stato integrato in una piattaforma che rende possibile il monitoraggio costante del rendimento globale dell’impianto e produce messaggi di warning nel caso in cui la variabile monitorata si discosti pericolosamente dalla predizione, in base ad un sistema di carte di controllo.

Nel caso specifico, il modello implementato è in grado di prevedere il rendimento teorico dell’impianto con errore medio percentuale dello 0,3% circa.

 

CONCLUSIONE

Monitorare costantemente il rendimento di una centrale termoelettrica è molto importante per tenere sotto controllo le performance complessive dell’impianto. Lo è anche per intervenire prontamente qualora si verifichino guasti o malfunzionamenti in grado di compromettere l’attività di produzione di potenza.

Per farlo, ci si può far supportare da software sviluppati a questo scopo, come Rebecca AI:  la piattaforma che permette di creare e gestire facilmente modelli di Intelligenza Artificiale. Rebecca è stata sviluppata focalizzandosi sui processi industriali ed ha configurazioni verticali per la digitalizzazione delle centrali termoelettriche. Se vuoi vedere una demo senza impegno o capire meglio come funziona, contattaci!

GDO E SISTEMA DI EFFICIENTAMENTO ENERGETICO INTEGRATO

by

“Più importante di tutto, dobbiamo ricordare che la gestione dell’energia è un processo, e non un progetto, e deve pertanto essere alimentato e sostenuto nel tempo.” – Energy Manager

Quando si parla di efficientamento energetico si fa riferimento all’utilizzo di tecnologie nella produzione che portano all’utilizzo di minor energia, ottimizzando quindi il sistema dei consumi e dei costi.

Considerando l’elevato numero di siti e le necessità di illuminazione e refrigerazione, i supermercati e l’industria al dettaglio sono tra i più importanti consumatori d’energia.
Per la GDO – Grande Distribuzione Organizzata – è dunque fondamentale implementare un sistema di efficientamento energetico integrato al fine di diminuire sprechi e costi. Tuttavia, secondo alcuni studi settoriali, solo il 42% delle catene di vendita al dettaglio adotta soluzioni per una migliore allocazione dell’energia.

Inoltre, nella maggior parte dei casi in cui sono state intraprese azioni volte all’efficientamento energetico, queste non facevano parte di un sistema integrato di gestione dell’energia, né vengono stabiliti un monitoraggio ed un controllo coerenti. La maggior parte dei siti studiati ha investito in sistemi di misurazione, ma non è andata oltre. C’è invece bisogno di un approccio olistico per la gestione efficiente dei consumi dei supermercati e negozi al dettaglio.

 

CUSTOMER PROFILE

Sul fronte opposto, uno dei nostri clienti ha sviluppato un sistema di gestione energetica completo per tutti i suoi siti, costituiti da negozi generali, supermercati e ipermercati, per un totale di 1000 siti in 49 paesi.

Nel 2010, quando l’azienda era vicina ad avere 850 negozi al dettaglio, trovandosi di fronte ad un’elevata variazione dei costi energetici ha iniziato a considerazione possibili interventi di efficientamento energetico.

 

LE NECESSITA’ DEL CLIENTE

 

“Il nostro obiettivo iniziale era il controllo dello stato di funzionamento dei sistemi HVAC e dell’illuminazione“, spiega l’Energy Manager dell’azienda.

 

Un team tecnico ha iniziato a valutare come controllare le apparecchiature ad alta intensità energetica. Per prima cosa è stata eseguita un’analisi di benchmark utilizzando il nostro software di benchmarking con il quale sono stati dentificati tre centri di distribuzione per il progetto iniziale. Dopo il successo, l’azienda ha deciso di adottare una soluzione di controllo per tutti gli altri centri di distribuzione.

 

“Il sistema di controllo è web-based e consente una gestione centralizzata. In questo modo possiamo gestire tutti i siti di vendita con un piccolo team“, afferma l’Energy Manager.

 

Questo caso studio mostra le successive fasi del progetto.

 

LA NOSTRA SOLUZIONE

Dopo l’installazione della soluzione Monitoring, l’azienda ha presentato un progetto di implementazione suddiviso in quattro fasi che ha aiutato nello sviluppo di un Modello di Maturità dell’Energy Management.

Nella prima fase, Standard Control, il team di lavoro ha sviluppato in sei mesi un sistema di monitoraggio e controllo dell’illuminazione e dell’HVAC per tutti i siti di vendita al dettaglio. Il tempo per il progetto è stato davvero breve considerando il gran numero di negozi e le differenze nelle installazioni.

La seconda fase del Modello di Maturità dell’Energy Management era correlata all’Asset Management. In questa fase, l’Energy Manager e il suo team hanno tenuto incontri periodici per analizzare i dati provenienti dal Monitoring e per valutare possibili miglioramenti nei modelli di gestione dell’energia.

 

“In alcuni casi abbiamo definito il piano di lavoro, in altri abbiamo verificato le deviazioni dal modello di consumo in alcuni supermercati perché, ad esempio, si era verificato un guasto nei sistemi HVAC“, racconta l’Energy Manager.

 

Carta di controllo CUSUM: alert per consumo anormale. Possibile causa: guasto meccanico.

Uno dei compiti in questa seconda fase era studiare come utilizzare al meglio il sistema Monitoring per ridurre i costi di manutenzione. Il sistema consente di identificare le deviazioni nel consumo delle apparecchiature grazie ad un modello energetico di riferimento. Ciò consente di verificare il comportamento anomalo dell’energia in tempo reale che potrebbe essere attribuito al malfunzionamento delle apparecchiature.

Inoltre, poiché il sistema può essere collegato praticamente a qualsiasi componente dell’apparecchiatura, consente anche la diagnostica remota dei malfunzionamenti che si verificano. Come risultato di questa fase, che è stata un’integrazione tra la Manutenzione Predittiva e l’Energy Management, l’azienda è stata in grado di ottenere un risparmio energetico annuale del 27%.

 

RISULTATI

Ecco i risultati dell’azienda al termine delle fasi 1 e 2:
– Dopo l’installazione iniziale nella fase 1, l’azienda ha verificato una riduzione dei consumi energetici pari al 17% del consumo totale;
– Dopo l’integrazione tra Manutenzione Predittiva ed Energy Management nella fase 2, la società ha risparmiato il 27%;

Ora l’azienda sta lavorando alla terza e quarta fase: gestione del carico e miglioramento continuo. Nella fase di gestione del carico, l’Energy Manager sta valutando la possibilità di ridurre o dividere l’uso delle apparecchiature in periodi tariffari diversi. L’Energy Manager sta anche impostando un sistema automatico per regolare i parametri di funzionamento dell’HVAC e dell’illuminazione nelle diverse stagioni.

 

CONCLUSIONE

Molte delle nuove strategie implementate da questa azienda superano l’applicazione base dell’Energy Management. L’azienda ora utilizza un EMS integrato con il proprio sistema di gestione della manutenzione, verificando le prestazioni HVAC e l’efficacia delle azioni di manutenzione da un punto di vista energetico. Il controllo avanzato ottenuto con EMS consente di aumentare anche il livello di salute e sicurezza aziendale:

“Ora che abbiamo implementato un sistema diagnostico di manutenzione automatica, possiamo garantire condizioni di lavoro migliori per i nostri dipendenti”, ha riferito il responsabile del controllo qualità.

Il gruppo MIPU sta offrendo in forma virtuale e gratuita dei colloqui individuali con le aziende interessate ad un sistema di efficientamento energetico. PRENOTA QUI IL TUO.

Altrimenti, se vuoi capire come installare un sistema di efficientamento energetico, contattaci direttamente.

 

 

 

PERCHÈ FARE UN BENCHMARKING DELLE PRESTAZIONI ENERGETICHE?

by

Questo caso studio presenta il progetto di Efficientamento Energetico, implementato da MIPU, per un’azienda di Telecomunicazioni, attraverso attività di benchmarking delle prestazioni energetiche.

“Finalmente mi sono chiare le azioni da intraprendere per realizzare il mio progetto.
È molto utile poter scoprire quali dei miei asset produrranno i massimi benefici nel più breve tempo possibile. ” – Financial Planner and Investment Officer

Quando si cerca di migliorare, la prima domanda che bisogna porsi in azienda è: “Come stiamo andando?”. E quella successiva è: “Come facciamo a capirlo?”

Il benchmarking aiuta a dare una risposta a queste importanti domande. In parole semplici, il benchmarking è un processo di confronto delle prestazioni energetiche di un asset con qualcosa di simile. Per “qualcosa di simile” si intende sia lo stesso asset, confrontando le sue attuali prestazioni con quelle dello stesso periodo dell’anno passato. Oppure un altro asset, facendo quindi un confronto tra le prestazioni di asset simili.

Perché fare un benchmark delle prestazioni energetiche?

Comprendere il consumo di energia della propria azienda è il primo punto da cui partire quando si considera qualsiasi piano di efficientamento energetico. Implementando una collaudata strategia di gestione dell’energia, come il benchmarking delle prestazioni energetiche, si possono ottenere risultati positivi sui profitti piuttosto velocemente, garantendo una buona ascesa dell’azienda. Questo vale soprattutto per il monitoraggio energetico nel campo delle telecomunicazioni, in quanto queste dispongono di numerosi asset distribuiti spazialmente.

CUSTOMER PROFILE

Protagonista di questo caso studio è la società sussidiaria di una multinazionale di servizi di telecomunicazione. La società fornisce servizi di telefonia mobile basata sul sistema mobile universale di telecomunicazioni (UMTS), servizi Internet a banda larga e Digital Mobile TV. Come rete telefonica la compagnia fornisce servizi di 3G e 4G.

LE NECESSITÀ DEL CLIENTE

La Telco possiede 13.000 RBS (Stazioni Radio Base) e ne monitora solo 300. I dati monitorati sono dati di consumo e temperatura. Queste informazioni sono risultate sufficienti per noi poiché uno dei principali asset energivori nelle RBS sono i sistemi di condizionamento. Ogni anno l’azienda spende circa 36.000.000 di euro in energia.

Per molto tempo la Telco ha voluto eseguire azioni di efficientamento sui propri asset. Tuttavia, a causa dell’elevato numero di siti su cui operare, è stato impossibile realizzare un piano d’azione comune per tutti. Per questo motivo la Telco ha capito di dover prima individuare gli asset più critici e solo successivamente decidere quali azioni intraprendere, dove e a quale costo.

Sulla base di questo, abbiamo capito che un buon punto di partenza per il miglioramento del sistema fosse quello di ottenere un quadro chiaro dell’utilizzo dell’energia degli asset, evidenziando gli RBS più critici.

BENCHMARKING DELLE PRESTAZIONI ENERGETICHE: LA NOSTRA SOLUZIONE

Tramite il nostro strumento software, abbiamo ideato una soluzione che ha consentito alla Telco di identificare i siti con basse prestazioni energetiche, investire strategicamente in interventi di efficientamento e monitorare l’efficacia di questi ultimi.

Il software identifica diverse possibilità di miglioramento delle performance energetiche di un sito. Confrontando l’efficienza energetica degli asset della Telco, lo strumento ha permesso di stabilire la priorità degli interventi e scoprire le diverse modalità con cui ottenere dei risparmi.

La soluzione sopra descritta è, nella sua totalità, una parte di una complessa analisi in cui all’inizio tutti le utenze di energia sono state suddivise in cluster di consumo energetico. Per ogni cluster viene identificato un modello di consumo che consente di definire il consumo teorico (baseline) di ogni utenza. Questo modello si basa sulle caratteristiche e sulle condizioni operative del sito (ad es. i gradi giorno in un dato anno). Infine, viene definito un indicatore di efficienza energetica confrontando il consumo effettivo con quello teorico per ciascun sito.

Il confronto tra le efficienze relative delle diverse utenze permette di:

  • – Identificare il numero critico di utenze attraverso una Matrice di Distribuzione;
  • – Verificare gli asset più critici attraverso una Matrice di Valutazione.

Per l’esecuzione dei processi sopra citati abbiamo avuto bisogno di alcuni dati storici. Il cliente disponeva dei dati di fatturazione, dei dati ambientali e geografici di ogni RBS e dei dati del contatore di tutti i 300 siti monitorati.

BENCHMARKING DELLE PRESTAZIONI ENERGETICHE: I RISULTATI

Attraverso l’analisi di benchmarking per l’efficienza energetica è stato possibile:

  • – Identificare 40 asset inefficienti dal punto di vista energetico. Il cliente ha confermato che alcuni di questi erano già stati selezionati per un controllo più approfondito in seguito all’individuazione di malfunzionamenti;
  • – Individuare gli asset più efficienti all’interno dei cluster. Grazie a questa informazione abbiamo potuto determinare le migliori azioni da intraprendere tramite il confronto diretto tra asset efficienti e asset non efficienti;
  • – Stimare che, agendo sui 40 siti peggiori e portare i loro livelli di efficienza al livello della media del rispettivo cluster, porterebbe a una riduzione del 7% del consumo complessivo di energia.

Il cliente sta ora lavorando per verificare l’efficacia del proprio sistema di acquisizione dati. Inoltre, ha iniziato ad analizzare gli asset classificati come critici.

MIPU è in procinto di fare dei corsi di formazione al personale della Telco sull’utilizzo del software in modo da poter effettuare periodicamente analisi di benchmarking energetico in maniera autonoma.

Per saperne di più su questo caso studio o su altri interventi di efficientamento energetico, contattaci!
Scopri anche i nostri corsi di Comprehensive Energy Management!