El software de análisis de Emerson ayuda a Celanese a mantener el 100 % de tiempo productivo

El problema que se enfrenta
En el transcurso de 100 años, Celanese ha pasado de ser un experimento que empezó en una casa en Suiza a convertirse en un gigante mundial de materiales especializados, fabricando productos químicos intermedios, derivados de la celulosa, polímeros de emulsión, ingredientes alimentarios y materiales de ingeniería. Cuando el fabricante de productos químicos Celanese comenzó su viaje de transformación digital, quería encontrar una manera de liberar los datos aislados y tomar mejores decisiones de negocio.

"El problema es tener información en silos", dijo Greg Aguilar, ingeniero principal senior de instrumentación en Celanese. “Necesitamos desbloquear esos datos y asociarlos con los casos comerciales para el mantenimiento predictivo (PdM), la optimización de procesos y la gestión de la energía”.

Enfoque adoptado
Celanese identificó más de 50 casos de uso potencial y les dio prioridad sobre la base de la viabilidad antes de reducirlos a dos para los proyectos piloto. Los casos de uso se desarrollaron con aportes de personas en las unidades para identificar puntos de problemas en el día a día, por lo que tuvieron aceptación. "Los incluimos en cada paso, desde la lluvia de ideas hasta identificar quién sería el proveedor de la solución. Los cambios de cultura son difíciles. "Los éxitos que hemos visto han ayudado mucho, pero aún es una batalla continua porque la gente encuentra el cambio un poco difícil", dijo Aguilar.

"Necesitábamos identificar un socio", explicó. "Hicimos un análisis profundo de 43 proveedores en el espacio de IoT Industrial (IIoT)", dijo. “Queríamos una plataforma de análisis que se pudiera implementar en las instalaciones. La redujimos a 12”. Un mayor análisis llevó a los candidatos a seis y luego a dos. Por último, Celanese, que ya utilizaba el sistema de control distribuido (DCS) DeltaV de Emerson, eligió el software Plantweb Optics™ Analytics.

Resultados obtenidos
Con el caso de uso de PdM como ejemplo, Celanese se propuso revisar el sistema con un proyecto piloto que analiza la temperatura del aceite lubricante en una pieza giratoria del equipo. "Se veía relativamente plano, pero el sistema identificó este equipo como un problema", explicó Aguilar. "Al observar la tendencia de dos meses, todavía estábamos por debajo de los niveles de alarma. Pero, al ampliar el periodo durante dos años, el sistema identificó un cambio en el nivel de temperatura. Debido a que el aumento de temperatura ocurrió en un período de tiempo determinado, nadie lo notó en el día a día. Había pasado desapercibido durante meses antes de que el sistema lo notara”.

La planta había instalado un deshidratador al vacío para eliminar la humedad. "La falla particular que identificamos había estado presente durante nueve meses", dijo Aguilar. "No se percibió como un sistema degradado en ese momento." Si la temperatura hubiera seguido subiendo desapercibida, podría haber apagado la unidad. “Pudimos tomar la decisión de agregarlo a nuestro próximo alcance de ejecución”, explicó Aguilar. “Hace un mes, la válvula se desatascó y la temperatura disminuyó 20 grados. La tecnología demostró que podía identificar fallas ocultas”.

El éxito del proyecto piloto infundió la confianza que la nueva tecnología necesitaba. "Ya no estamos impulsando la tecnología desde la empresa hacia los sitios", dijo Aguilar. "Ahora la están pidiendo. Estamos construyendo conocimiento institucional. Nos da un punto de partida. El valor tecnológico se acelera. Estamos creando una cultura basada en datos para la toma de decisiones".

El análisis de modos de falla y efectos (FMEA) basado en principios y la regresión lineal del sistema identificaron el daño potencial a los rodamientos. "Esa válvula en particular no se consideró un problema hasta que el sistema la identificó", explicó Aguilar. "Operamos al 100 % en tiempo de actividad. No queremos tomar tiempo de interrupción si no es necesario. Debido a que comprendimos la condición del activo, implementamos una mitigación y lo retiramos en la siguiente parada de planta en seis meses. Afectó un poco al compresor, pero teníamos la información disponible para tomar esas decisiones de datos.

Plantweb Optics Analytics está diseñado para aumentar la capacidad de los técnicos y operadores de Celanese. “Se trata de darles tiempo libre para hacer más tareas de valor agregado”, explicó Aguilar. Por ejemplo, en el escenario del caso de uso estábamos considerando 80 variables diferentes. Un ingeniero no puede hacer eso. Tratamos de enfocarnos en equipos que tienen problemas de falla recurrentes. Con la potencia del sistema Plantweb Optics Analytics y el enfoque de FMEA, puede obtener mucho valor de esto”.

La colaboración con IT también ha sido muy importante en la implementación del sistema. "La convergencia entre IT-OT está sucediendo", dijo Aguilar. "Hace dos años, tal vez no era muy amigo de nuestro departamento de IT, y ahora la gente piensa que trabajo en el departamento de IT El proceso inicial ha durado un año y medio. En un período de cinco años, esperamos tener una solución escalable”.

 

Sobre el Software de Análisis Plantweb Optics de Emerson
Plantweb Optics Analytics es un software de análisis de datos de proceso listo para usar que recopila e interpreta datos operacionales e información dispersos a través de las plantas, eliminando la necesidad de recopilar, analizar y razonar sobre datos e información provenientes de sistemas de control, bases de datos, aplicaciones de planta y procedimientos de operación.