Le logiciel d’analyse d’Emerson aide Celanese à maintenir une disponibilité maximale

Le problème rencontré
Au cours des 100 dernières années, Celanese a évolué, passant d’une expérience d’arrière-cour en Suisse à un géant mondial des matériaux spéciaux, produisant des produits chimiques intermédiaires, des dérivés de cellulose, des polymères en émulsion, des ingrédients alimentaires et des matériaux façonnés. Au début de sa transformation numérique, le fabricant de produits chimiques Celanese cherchait un moyen de libérer des données isolées et prendre de meilleures décisions commerciales.

« Le problème est le cloisonnement des informations », a déclaré Greg Aguilar, ingénieur instrumentation principal en chef à Celanese. « Nous devons libérer ces données et les combiner aux analyses de rentabilisation pour l’optimisation du procédé de maintenance prédictive et la gestion de l’énergie. »

L’approche adoptée
Celanese a identifié plus de 50 utilisations potentielles et les a classées par ordre décroissant de faisabilité avant de retenir deux projets pilotes. Les cas d’utilisation avaient été développés avec la participation du personnel de terrain pour identifier quotidiennement les points problématiques et obtenir son ralliement. « Nous avions invité le personnel de terrain à participer à chaque étape, du brainstorming à l’identification du fournisseur de solutions. Les changements culturels sont difficiles. Les succès que nous avons enregistrés ont beaucoup aidé, mais il existe encore une résistance, car il est difficile pour certains d’accepter le changement », a ajouté M. Aguilar.

« Nous devions identifier un partenaire », a expliqué M. Aguilar. « Nous avions effectué un examen approfondi de 43 fournisseurs dans le domaine de l’IoT industriel (IIoT) », a-t-il ajouté. « Nous voulions une plateforme analytique pouvant être déployée sur site. Nous en avons retenu 12. » Une analyse encore plus affinée avait permis de réduire le nombre de candidats à six, puis à deux. Enfin, Celanese, qui employait déjà le système numérique de contrôle-commande DeltaV d’Emerson, a choisi le logiciel Plantweb Optics™ Analytics.

Résultats obtenus
Se servant de son cas d’utilisation de maintenance prédictive comme d’un exemple, Celanese a entrepris de tester le système avec un projet pilote en analysant la température d’huile de lubrification sur un équipement rotatif. « Les données semblaient relativement linéaires, mais le système a identifié cet équipement comme problématique », a expliqué M. Aguilar. « En examinant la tendance sur deux mois, nous étions toujours en deçà des niveaux d’alarme. Mais, en faisant un zoom arrière sur une période de deux ans, le système avait identifié un changement du niveau de température. Comme l’élévation de température s’était produite sur un laps de temps, personne ne l’avait remarquée sur une base quotidienne. Ce changement était passé inaperçu pendant des mois avant que le système ne le détecte. »

L’installation s’était dotée d’un déshydrateur à vide pour éliminer l’humidité. « La défaillance que nous avions identifiée existait depuis neuf mois », a déclaré M. Aguilar. « Elle n’avait alors pas été identifiée comme un système détérioré. »
Si la température avait continué à augmenter sans être détectée, un arrêt de l’équipement aurait pu être nécessaire. « Nous étions capables de prendre une décision pour l’inclure dans le champ de notre arrêt technique suivant », a expliqué M. Aguilar. « Il y a environ un mois, la vanne s’est débloquée et la température a chuté de 20 °. La technologie a démontré sa capacité à identifier des défaillances cachées. »

Le succès du projet pilote avait inspiré la confiance dont la nouvelle technologie avait besoin. « Le siège social ne pousse plus les sites à adopter les nouvelles technologies », a ajouté M. Aguilar. « À présent, les sites en sont demandeurs. Nous établissons un savoir institutionnel. Cela nous donne un point de départ. La valeur technologique augmente rapidement. Nous créons une culture axée sur les données pour la prise de décisions. »

L’analyse des modes de défaillance et de leurs effets (FMEA) fondée sur des principes et la régression linéaire du système avaient identifié les dommages potentiels aux roulements. « Cette vanne particulière n’avait pas été considérée comme problématique jusqu’à ce que le système l’identifie », a expliqué M. Aguilar. « Notre exploitation repose sur une disponibilité totale de l’équipement. Nous ne voulons pas sacrifier du temps en arrêt de maintenance, à moins que ce ne soit nécessaire. Parce que nous avions connaissance de l’état de l’équipement, nous avions instauré des mesures correctives que nous avions supprimées lors de l’arrêt technique suivant, six mois plus tard. Le compresseur en avait été un peu affecté, mais nous disposions des informations nécessaires à cette prise de décision.

Plantweb Optics Analytics est conçu pour augmenter les capacités des techniciens et des opérateurs Celanese. « L’enjeu consiste à libérer du temps pour accomplir des tâches d’une plus grande valeur ajoutée », a expliqué M. Aguilar. Par exemple, dans le scénario du cas d’utilisation, nous considérions 80 variables différentes. Un ingénieur ne peut pas le faire. Nous tentons de nous concentrer sur l’équipement qui présente des défaillances répétées. Grâce à la puissance du système Plantweb Optics Analytics et à l’approche FMEA, vous pouvez en dégager une grande valeur. »

La collaboration avec le service informatique a aussi été très importante dans la mise en œuvre du système. « La convergence entre les technologies de l’information et les technologies d’exploitation se produit », a déclaré M. Aguilar. « Il y a deux ans, je n’avais pas les relations les plus amicales avec notre service informatique. Aujourd’hui, certains pensent que j’y travaille. L’évolution initiale a pris environ un an et demi. Sur une période de cinq ans, nous espérons disposer d’une solution évolutive. »

 

À propos du logiciel Plantweb Optics Analytics d’Emerson
Le logiciel Plantweb Optics Analytics est un logiciel d’analyse de données de procédé prêt à l’emploi qui permet de recueillir et d’interpréter des données opérationnelles et des informations disséminées dans diverses usines, éliminant la nécessité de rassembler, d’analyser et d’interpréter des données et informations provenant des systèmes de contrôle-commande, des bases de données, des applications d’usine et des procédures d’exploitation.