Pharma 4.0: gestione di impianto efficace a partire dai dati
Azienda impegnata ad individuare e sviluppare soluzioni di salute nelle aree della salute mentale (incluso il dolore) e del sistema nervoso centrale, delle malattie rare e dei farmaci da banco, Angelini Pharma ha avviato presso il suo stabilimento di Ancona un percorso di innovazione digitale per ottimizzare il processo di gestione, controllo e manutenzione delle utilities considerate strategiche per la continuità di business, l’impatto energetico e ambientale.
Lo stabilimento di Ancona, uno dei principali del gruppo con circa 750 dipendenti, sta sviluppando una piattaforma di intelligenza artificiale integrata al proprio BMS (Building Management System), in grado di gestire gli asset, i dati, gli algoritmi di machine learning e capace di automatizzare il rilevamento di anomalie di consumo e funzionamento impiantistico.
Idee, creatività, innovazione e fiducia sono elementi fondamentali per realizzare un percorso di digitalizzazione dei propri sistemi. Inizialmente può risultare complesso pensare a un prodotto finito in grado di fornire benefici attraverso strumenti sconosciuti. Occorre avere idee chiare sugli obiettivi e sulla direzione da percorrere.
Controllo e rilevamento delle anomalie
L’approccio al cambiamento è fondamentale, insieme alla metodologia di lavoro. Si procede per iterazioni brevi che sviluppano prodotti finiti e subito utilizzabili, con concetti di lavoro agile e MVP (Minimum Viable Product), affiancati da una Data Science Company, Quick Algorithm, che ricopre un ruolo cruciale. Il prodotto realizzato è creato su misura, modificabile e in continuo sviluppo.
Automazione, controllo e rilevamento delle anomalie sono concetti alla base del progetto, fondamentali per velocizzare la disponibilità e la fruibilità del dato, automatizzarne l’aggregazione e la trasformazione, la creazione dei KPI, il controllo dei consumi, dei rendimenti e delle anomalie; centralizzare tutto in un’unica piattaforma, in modo da non disperdere le informazioni e migliorare la anomaly detection, ovvero il rilevamento e il controllo delle anomalie, dei consumi, dei rendimenti per ottenere un approccio predittivo e anticipare la deriva del dato.
Iniziare un percorso di questo tipo significa inoltre creare un team di lavoro multifunzionale: Engineering, Maintenance, Energy Management e ICT sono figure centrali nello sviluppo del progetto.
L’acquisizione dei dati
Definiti team, idee e obiettivi, viene stabilita l’acquisizione del dato digitale tramite interfaccia con BMS e l’acquisizione del dato analogico tramite dedicati QR-code. Il dato analogico, acquisito dall’operatore, diventa così digitale. Specifici algoritmi determinano la pulizia del dato per evitare errori e valori anomali. I dati vengono aggregati e visualizzati su una A.I. SaaS Platform riducendo tempi, migliorando la sicurezza della modalità di calcolo e la fruibilità del dato.
Gruppi frigoriferi, HVAC, caldaie, compressori, cogeneratore, carrelli elevatori, vapore, energia termica, frigorifera, meter elettrici, acqua e metano sono tra i principali asset gestiti dalla piattaforma. Specifiche funzionalità, come il drill down, permettono di esplodere il dato su più livelli e fare analisi approfondite. La creazione di specifici KPI di rendimenti, di consumi di energia, di fluidi vettori, mettendo in relazioni variabili impiantistiche con driver di riferimento, permettono di svolgere attività di semplice visualizzazione o monitoraggio prestazionale. Il dato è più rapido e fruibile.efficientament
Analitiche basate su intelligenza artificiale
Il progetto ha inoltre portato all’adozione sperimentale di analitiche di tipo avanzato basate su Intelligenza Artificiale che permettono di automatizzare il rilevamento di eventuali anomalie di consumo e funzionamento. Il sistema realizza continue comparazioni dei valori rispetto a periodi precedenti. La A.I. permette di modificare costantemente gli algoritmi, dare peso alle rilevazioni recenti e avere bande di riferimento variabili (Lower & Upper Bound), modificando così le soglie di allarme in funzione della variabilità del dato. Il robo analyst intercetta anomalie e cambiamenti di trend, inviando messaggi e alert agli operatori, permettendo di fare approfondimenti, identificare modelli e relazione fra i dati.
Inoltre sono stati creati profili digitali associati ad asset fisici quali macchinari, veicoli e impianti, con la possibilità di allegare documenti, immagini, misurazioni e commenti. La A.I. Platform connette fra loro gli asset permettendo agli operatori di raccogliere, condividere e analizzare dati attraverso un QR-code. La digitalizzazione degli asset e la creazione della pagina uptime managment permettono di migliorare il controllo delle attività, degli interventi manutentivi e dei guasti. Gli utenti ora possono cambiare lo stato di un asset direttamente dal proprio libretto macchina digitale, segnalando l’apertura di un downtime e aggiungendo dettagli tecnici del guasto e dell’intervento. Gli asset connessi al BMS gestiscono autonomamente il downtime, comunicando il proprio stato di funzionamento e d’allarme. L’automatizzazione del downtime e il dettaglio dei guasti generano i principali KPI di ingegneria di manutenzione, offrendo approfondimenti predittivi.
Tutto il lavoro realizzato e sperimentato ha permesso di ottimizzare la gestione della manutenzione, delle attività e delle utilities, di approfondire il funzionamento degli impianti, di offrire dati parlanti a supporto delle decisioni.
Efficientamento reale a partire dai dati
Il team è partito nel 2015 raccogliendo dati manuali, pensando a come efficientare le utilities, ed è arrivato nel 2020 supportato da una piattaforma di A.I. che lo ha guidato nelle scelte. Lo stabilimento Angelini Pharma di Ancona ha aumentato del 20% circa la produzione rispetto al 2015, ma ha ridotto i consumi del 29% di tep, del 33% d’acqua, con una riduzione dei costi dell’energia (€/pz) di circa il 39% e delle emissioni di circa 4500 tonnellate di CO2 equivalenti, grazie a interventi di efficientamento mirati.
In un’era industriale in cui è richiesta sempre maggiore efficienza e prontezza di risposta verso i processi produttivi, è diventato fondamentale automatizzare e velocizzare le informazioni, i dati, gli indicatori e al contempo avere maggiore controllo sui consumi, sui rendimenti, sulle anomalie e sulla deriva dei dati e dei processi. La manutenzione e l’ingegneria di manutenzione devono correre velocemente verso un futuro digitale guidato dal dato.
L’autore dell’articolo è Francesco Savelli, Technical Systems Maintenance & Operation Coordinator di Angelini Pharma.
www.angelinipharma.it
