Automatisering in suikerproductie

Leesduur: +/- 4 min.
Je kunt maar een streven hebben. De Suiker Unie in Groningen wil in 2025 de leukste en slimste suikerfabriek in Europa zijn. Hoe ze dat doen? Door te werken aan de Smart Factory. Maar dat heeft nogal wat voeten in aarde, een natuurproduct geautomatiseerd verwerken. Peter van Dam, manager Technische Dienst van de Suiker Unie doet een recent project uit de doeken: het optimaliseren van de snijmolens.
Automatisering in suikerproductie

Wat de Suiker Unie doet? Het bedrijf verwerkt suikerbieten. Dat betekent dat de productie een zogenaamd campagnebedrijf is. Afhankelijk van de oogsttijd van de suikerbiet. Als de biet rijp is, is daar het moment van rooien. Dan worden bieten geoogst, opgeslagen en verwerkt. De verwerking van de bieten gebeurt in bulk, onafhankelijk van de levering, het ras, de grondsoort waaruit de bieten afkomstig zijn, etc. Bovendien worden in een bepaalde periode van het jaar gras- en vriesbieten gemengd verwerkt. Dat betekent een relatief onvoorspelbaar proces. Wat kan intelligentie daar aan toevoegen?

Allereerst is er een migratie doorgevoerd van het DCS-systeem met Schneider Electric. Daarnaast is er met Emerson gewerkt aan assetmonitoring. Men wilde meer dan alleen de fabriek primair bedienen. Van Dam: “We zijn vervolgens begonnen met het zogenaamde laaghangende fruit. Het optimaliseren van de snijmolens. We wilden daarbij diepgaand kijken naar de zogenaamde Suiker OPE, de Overall Process Efficiency. Tot nu toe was het eigenlijk zo dat de kennis en de ervaring van de operator de belangrijkste input waren voor de procesvoering. We wilden die operationele beslissingen verbeteren door het inzetten van intelligentie. Daarmee maak je de beslissing onafhankelijk van de persoon en wordt de kwaliteit van je proces en je product dus constanter. Maar daarbij moet je natuurlijk de operators wel meekrijgen, want je hebt een techneut het snelste op zijn hart getrapt als je hem niet betrekt in een optimalisatieproces.”

Samenhang

“Snijmolens werken in groepen van 5 en die leveren gezamenlijk aan één broeitrog. De onderlinge samenhang tussen de snijmolens luistert heel nauw. Om te kijken hoe we hier het beste mee om konden gaan, hebben we eerste een workshop georganiseerd met de mensen uit de fabriek. In een brainstormsessie hebben we bepaald welke parameters en databronnen relevant zijn voor de analyse van de snijmolens. De paramaters die zijn onderzocht zijn het aantal rotaties per minuut, het koppel, de benodigde stroom en de hoeveelheid handelingen.” 

Vervolgens is ervoor gekozen om één suikermolen onder de loep te nemen. “Deze molen zijn we uitvoerig gaan analyseren en aanpassen om te kijken wat de effecten zijn. Daarbij is op alles gelet, van trillingen tot en met het aantal stenen dat er uit de molen kwam. Pas daarna zijn we gaan opschalen met de andere molen. We wilden weten of we konden voorspellen wat er in welke batch voor problemen op konden treden. Daarna zijn we een aantal factoren gaan analyseren, de afstand tussen de messen, de verschillende shifts - ochtend, middag en nacht, het ploegenrooster, de status en actie-logboeken en het Historian programma van Wonderware. Die gegevens zijn vervolgens verwerkt tot informatie en relationele data en daaruit kwamen voor ons verrassende gegevens.” 

Suikerbieten

Voorspelbaar

Van Dam vervolgt: “Zo konden we de resterende cyclustijd van een snijmolen gaan voorspellen. Maar andere zaken, die we hadden verwacht, bleken ineens veel minder voorspelbaar. Een snijmolen heeft een stenenluik, waardoor stenen uit de molen worden gevoerd. De verwachting zou zijn dat er dan een snelle wissel zou optreden na het uitvoeren van een steen, maar daarmee bleek geen directe relatie. De mix tussen grasbieten en vriesbieten bleek een veel grotere impact op de slijtage van de messen te hebben dan we dachten. En bij dikker snijdsel bleek het koppel veel minder variatie te hebben. Dat had een grotere impact op de consistentie van het snijdsel dan we hadden vermoed.”

“We vonden kortom veel nieuwe inzichten in de invloed van diverse parameters en ook hoe snijmolens elkaar onderling beïnvloeden. Een molen met opnieuw afgestelde messen heeft impact op prestaties van de andere snijmolens in dezelfde groep. En de rol van de operator van de snijmolens bleek ook groter dan we hadden verwacht.”

“De gekozen methodiek voor het analyseren op basis van Proof of Concept heeft de risico’s beperkt en tegelijkertijd het gemeenschappelijk leren versterkt. We hebben nu een oplossing ontwikkeld waardoor we bij de komende campagne snellere en betere beslissingen verwachten, de zogenaamde Operator Snijmolen Assistent. Door de automatisering heeft iedereen op hetzelfde moment beschikking over dezelfde data.” 
 

Door: Janet Kooren

Geef jouw mening

Bij je reactie wordt je achternaam niet getoond