Flexibility-based maintenance scheduling : a heat exchanger fouling case study

Fouling is a relevant economic, energy and safety issue in all process industry, even more relevant in heat-transfer units (s.a. heat exchangers). Such phenomenon can be mitigated but can’t be avoided, so a proper optimization of the maintenance and cleaning routine is needed. In order to do that major fouling models in literature have been analysed and has been chosen a discrete model that describes layer deposition process as consisting in one hard deposit called “Coke” and a softer one called “Gel”. Cleaning procedures have been then divided into two categories: chemical cleaning, able to remove only gel and mechanical cleaning, which restore initial condition (no deposit left on the surface). Since the optimum in costs depends not only on which cleaning cycle is performed, but also when it is carried out, the cycle time is not known a priori. For this reason, T.A.L. index, which stands for Total Averaged Losses, has been used. The mathematical model has been written in MATLAB® in the most general way in order to guarantee the possibility to change parameters, fouling rate model and specifications very easily. A sensitivity analysis has been performed for a design problem and for a process one. Information and models described above allowed to perform the so-called flexibility analysis: a mean value, a variance and a distribution function have been assigned to do that. Again, this has been done in the most versatile way, ensuring possibility to change only parameters or distribution shape to fit any experimental data or predicted statistic behaviour. Results obtained show a wide range of flexibility with an almost constant flexibility index. A decisional algorithm has been also developed and implemented in order to assess the optimum number of chemical cleaning cycles. The algorithm developed is not only able to find the optimum in terms of costs but also to perform a preliminary multi-criteria decision making. Further developments could be performed by assessing a flexibility analysis which account also for different typologies of cleaning cycles and then pass through a more robust multi-criteria decision making problem.

Il fouling costituisce un rilevante problema economico, energetico e di sicurezza in tutta l'industria di processo, che risulta ancora più importante nelle unità di trasferimento di calore (i.e. scambiatori di calore). Tale fenomeno può essere mitigato ma non può essere evitato, è quindi necessaria una corretta ottimizzazione della routine di manutenzione e pulizia. Per fare ciò, sono stati analizzati i principali modelli di fouling presenti in letteratura ed è stato scelto un modello discreto che descrive il processo di deposizione degli strati come costituito da un deposito più duro chiamato "Coke" ed uno più morbido chiamato "Gel". Le procedure di pulizia sono state quindi suddivise in due categorie: pulizia chimica, in grado di rimuovere il solo gel e pulizia meccanica, che invece ripristina le condizioni iniziali (nessun deposito residuo sulla superficie). Poiché l’ottimo dei costi dipende non solo da quale ciclo di pulizia viene eseguito, ma anche da quando viene eseguito, il tempo di ciclo non è noto a priori. Per questo motivo è stato utilizzato l'indice T.A.L., che sta per Total Averaged Losses. Il modello matematico è stato scritto in MATLAB® nel modo più generico possibile al fine di garantire la possibilità di modificare i parametri, il modello di velocità di fouling e le specifiche molto facilmente. È stata eseguita un'analisi di sensibilità per un problema di progettazione e per uno processo. Le informazioni ottenute e i modelli sopra descritti hanno permesso di eseguire la cosiddetta analisi di flessibilità: sono stati assegnati a tale scopo un valore medio, una varianza e una funzione di distribuzione. Anche in questo caso il codice è stato implementato nel modo più versatile possibile, garantendo la possibilità di modificare solo i parametri o la forma della distribuzione per adattarsi a qualsiasi dato sperimentale o comportamento statistico previsto. I risultati ottenuti mostrano un ampio range di flessibilità dato da un indice di flessibilità quasi costante nell’intervallo. È stato inoltre sviluppato e implementato un algoritmo decisionale al fine di valutare il numero ottimale di cicli di pulizia chimica. L'algoritmo sviluppato non è solo in grado di trovare l’ottimo dei costi, ma anche di effettuare un problema di multi-criteria decision making. Uno sviluppo ulteriore potrebbe essere realizzato effettuando un'analisi di flessibilità che tenga conto anche delle diverse tipologie di cicli di pulizia per poi passare attraverso un più solido problema di multi-criteria decision making.