immagine

Vuoi ricevere anche

una copia cartacea?

CLICCA QUI

 

PresAGHO, il progetto di manutenzione predittiva per gli impianti idroelettrici di Enel Green Power

Enel

 

Enel Green Power è stata la prima azienda al mondo ad avviare con i maggiori manufacturer di macchinari idroelettrici un progetto estensivo di manutenzione predittiva - PresAGHO (Predictive System and Analytics for Global Hydro Operation), volto all’elaborazione di un modello di manutenzione predittiva per gli impianti idroelettrici. Un progetto innovativo, di grande respiro tecnologico, che vede Enel Green Power protagonista assoluta. Le unità di generazione interessate saranno ben 260, le più importanti e di maggiore potenza, pari a 18 GW complessivi di potenza installata.

 

DALLA MANUTENZIONE PREVENTIVA A QUELLA PREDITTIVA

PresAGHO rappresenta una review fondamentale della strategia di manutenzione: si passa da un approccio preventivo ad uno, appunto, predittivo. Attualmente, la metodologia Enel Green Power è basata su un approccio denominato “Plant Maintenance Optimization” (PMO) e deriva principalmente dall’approccio “Reliability Centered Maintenance” (RCM) che si fonda sulla criticità dei componenti e della relativa importanza rispetto all’operatività del macchinario. Per ogni impianto è definito un Piano di manutenzione (Hydro Maintenance Plan, HMP), che include un set documentato di azioni con attività elementari e risorse, coniugato in una calendarizzazione per soddisfare i requisiti di manutenzione degli asset idroelettrici. Con PresAGHO, Enel Green Power ha introdotto un sistema per l’individuazione delle anomalie basato sulla sensoristica. La manutenzione predittiva consiste in un insieme di dati controllati – provenienti dai sensori in campo - che identificano l’anomalia di funzionamento e un processo di gestione dell’anomalia stessa, al fine di capitalizzare i benefici di agire la manutenzione con anticipo. Questo approccio fornisce una previsione sulla condizione del macchinario derivante dalle ripetute analisi di caratteristiche note e dalla valutazione dei parametri significativi di degrado (ad esempio, l’eccessiva vibrazione o un trend di temperatura, il degrado dell’olio o l’osservazione di altri trend che possono accedere nel tempo). Quando la condizione del macchinario rivela un vettore di anomalia, fino a un livello prestabilito non più accettabile, il macchinario è preparato per la manutenzione preventiva in una fermata ottimizzata per la riparazione o sostituzione dei componenti danneggiati, con l’evidente beneficio di prevenire una indisponibilità o danno maggiormente costoso. In altre parole: “Non riparare se non è già rotto, ma preparati a ripararlo prima che il guasto accada”.
L’intero programma di predittiva è quindi adattato alla tipologia, importanza o criticità dell’impianto, attraverso l’adattamento delle componenti principali:
• sensoristica e miglioramento della qualità del dato, con un approccio completo sugli impianti rilevanti a dighe;
• calcolo on edge ovvero mantenendo il dato e l’analisi in loco per gli impianti di minor rilevanza;
• soluzioni basate sull’analisi geospaziale per le opere civili – elemento indipendente dalla dimensione dell’impianto.

 

MANUTENZIONE, UN MIGLIORAMENTO IN CONTINUA EVOLUZIONE

I prossimi passi di sviluppo nella roadmap per il miglioramento della manutenzione:
• miglioramento del fattore umano attraverso nuovi esperti di manutenzione, che siano anche “data scientist”, per collegare i dati dal campo al comportamento tecnico delle macchine;
• sorveglianza completa e prioritizzata basata sul rischio: l'obiettivo finale è supportare l'affidabilità mediante modelli statistici avanzati e intelligenza artificiale;
• digitalizzazione completa delle attività sul campo con tecnologia rfid/nfc, blockchain e qualità dei processi.

 

 

TORNA INDIETRO
Abbonati per accedere

L'accesso alle versione online è gratuito,

selezionando la voce a sinistra

 

Labostore