Proposal and test of a configurable production system digital model to support energy-based asset management

The increasing trend of the world’s energy consumption has led scientific research to find solutions for increasing production plants efficiency in particular, those belonging to energy-intensive industrial sectors such as manufacturing. In this sector, the complexity of issues is tackled by using technical and managerial analysis, which aims to study how energy modeling techniques are today implemented to model energy in industrial plants and support both Asset and Energy management. In this perspective, the first research question analyzes the actual state of the art of energy modeling, through a systematic literature review. Hence, two main approaches to model energy emerges, which consider asset states or processes executed by the plant as approaches. The second research question regards how to model energy to build a model that supports the Asset Management principle of system-orientation. Based on this research question and gaps found in literature, in this thesis the production system Digital Model is proposed and developed by using asset states to ensure and high configurability of the model in relation to the analysis to be performed. The model development has enabled its capabilities of monitoring, optimization, and prediction corresponding to three functional blocks. In the first functional block, energy asset states keep track of energy used during the production simulation and allow computing energy performances. Energy asset states allow identifying energy saving opportunities, which consists of reducing assets’ consumption levels during specific periods along with production. In addition, strategic matrices are plotted at the simulation end to support the improvements’ strategy of assets from an energy point of view. The second model capability, which is the second functional block, allows assessing the economic convenience of energy saving opportunities identified before. To ensure this operation, the digital model uses an optimization technique by which different cost types under analysis are represented. The economic value of energy added allows computing performances about costs. The third model capability, which is represented by the third functional block, is enabled by the communication during the simulation of a policy to reduce consumptions of machines optimized by the second functional block. In fact, based on the optimization performed, the energy used by machines is lowered through the variation of energy assets state during unproductive periods, following the policy’s indications. In this way, the Digital Model represents the future behavior of the system. This allows to compute new energy consumption and update strategic matrices based on improvements achieved and quantified by a new production simulation. To support an Energy-based Asset Management, savings achieved are evaluated by using the Total Cost of Ownership, an effective tool to pursue the key principle of system orientation by considering the entire assets’ lifecycle. The model application in a case study has allowed testing its supporting capabilities for a company belonging to the cosmetic sector. In the case study, besides energy performances computations for single machines and the entire production system, the Digital Model has supported the company with the approval of its strategy for the improvement of specific machines and highlighting also other possible savings opportunities not only with economic performances but the TCO. In addition, the model’s capability to be configured and represent the entire shop floor of the industry has led identifying further improvements, by pointing out other assets to optimize for reducing consumption. The model development based on both technical and managerial analysis offers different configurations for various analysis and supports Energy-based Asset Management. At the same time, its development and application in a case study allow highlighting and testing its capabilities, by opening the way for future developments.

Il crescente aumento dei consumi mondiali di energia ha spinto la ricerca scientifica a trovare soluzioni per aumentare l’efficienza degli impianti di produzione, in settori industriali ad alto consumo energetico come il manufacturing. In questo settore, la complessità delle problematiche menzionate viene affrontata con un’analisi tecnica e manageriale, che ha come obiettivo lo studio dell’impiego di tecniche di modellazione e analisi dei dati, per modellare l’energia degli impianti e per supportare sia l’Asset Management che l’Energy Management. Seguendo questa prospettiva, la prima domanda di ricerca analizza l’attuale stato dell’arte della modellazione dell’energia, attraverso un’analisi sistematica della letteratura. Da questa emerge che i due principali approcci per modellare l’energia considerano gli stati macchina o i processi eseguiti dall’impianto di produzione come mezzo per rappresentarla. La seconda domanda di ricerca pone il problema di come modellare l’energia per costruire un modello che supporti il principio di system orientation nella gestione degli asset. Rispetto a questa domanda di ricerca e ai gaps trovati in letteratura, nella tesi è proposto il Digital Model di un sistema di produzione, sviluppato utilizzando stati macchina energetici per garantire un’alta capacità di configurazione in relazione all’analisi da svolgere. Lo sviluppo del modello ha abilitato le capacità di monitoraggio, ottimizzazione e predizione corrispondenti a tre suoi blocchi funzionali. Nel primo blocco funzionale, gli stati macchina energetici tengono traccia dei consumi di energia durante la simulazione della produzione e rendono possibile il calcolo delle performance energetiche. Gli stati macchina energetici consentono anche l’identificazione di opportunità di salvataggio energetico, che consistono nella diminuzione dei consumi dei macchinari in periodi specifici durante la produzione. Inoltre, le matrici strategiche vengono generate alla fine della simulazione per supportare la definizione di una strategia finalizzata a migliorare l’efficienza dei macchinari. La seconda capacità del modello, che corrisponde al secondo blocco funzionale, consente di verificare la convenienza delle opportunità di risparmio identificate dalla prima. Per consentire questa operazione, il Digital Model utilizza una tecnica di ottimizzazione attraverso la quale sono modellate diverse tipologie di costo oggetto di analisi. L’aggiunta del valore economico dei consumi consente di eseguire il calcolo delle performance riguardanti i costi. La terza capacità del modello, rappresentata dal terzo blocco funzionale, è abilitata dalla comunicazione all’interno della simulazione di una policy per l’abbassamento dei consumi energetici dei macchinari ottimizzati nel secondo blocco funzionale. Infatti, sulla base dell’ottimizzazione eseguita, l’energia utilizzata dagli asset viene diminuita variando gli stati macchina durante momenti non produttivi secondo le indicazioni contenute nella policy. In tal modo, il Digital Model rappresenta il comportamento futuro del sistema. Ciò consente di calcolare le nuove performance energetiche e aggiornare le matrici strategiche sulla base dei miglioramenti ottenuti, quantificati da una nuova simulazione della produzione. A supporto di un Energy-based Asset Management, i risparmi generati dal minor costo energetico sono valutati mediante il Total Cost of Ownership, strumento efficace per perseguire il principio chiave della system orientation considerando l’intero ciclo di vita dei macchinari. L’applicazione del modello in un caso di studio ha consentito il test delle sue capacità a supporto di un’azienda del settore cosmetico. Nel caso di studio, oltre al calcolo delle performance energetiche per singoli macchinari e l’intero sistema di produzione, il Modello Digitale ha confermato la strategia aziendale per il miglioramento di specifiche macchine ed evidenziato possibili vantaggi di risparmio non solo con performance economiche ma anche mediante il Total Cost of Ownership. In aggiunta, la capacità del modello di essere configurato per rappresentare l’intero parco macchine dell’industria ha portato all’identificazione di ulteriori possibili miglioramenti, con la segnalazione di altre macchine da ottimizzare per ridurre i consumi. Lo sviluppo del modello, basato su un’analisi tecnica e manageriale, offre configurazioni per diverse analisi dei sistemi di produzione e supporta l’Energy-based Asset Management. Allo stesso tempo, parti del suo sviluppo e il caso di studio in cui esso è applicato offrono la possibilità di evidenziare e testare le sue capacità, aprendo a futuri sviluppi.