ARC, MPC, modellazione e monitoraggio: definizioni, casi operativi, competenze tecniche e organizzative per il successo di un progetto APC industriale nel lungo periodo

Il termine “controllo avanzato”, o APC può essere utilizzato in moltissimi contesti diversi, e riferito ad un orizzonte estremamente ampio di approcci e tecnologie. Nel tentativo di circoscrivere i tanti diversi significati proponiamo queste definizioni:

• il controllo di base garantisce l’operabilità del processo (con target raggiungibili). Ad esempio, permette di alzare o abbassare una temperatura e raggiungere il valore impostato dall’operatore.
• il controllo avanzato migliora aspetti specifici: quantità, qualità, stabilità (con target ideali a cui ci si avvicina rispettando vincoli operativi e di sicurezza). Ad esempio, trova automaticamente la temperatura ottimale per massimizzare la resa di una separazione con il minimo dispendio di energia ed agisce per raggiungerla, o almeno ci si avvicina il più possibile.

I contesti operativi vanno dagli impianti produttivi continui, a quelli manifatturieri, solitamente discreti, dai sistemi di guida assistita o autonoma di veicoli, alla guida dei missili. Nel contesto degli impianti industriali è possibile anche osservare che normalmente:

• Il controllo avanzato non sostituisce il controllo di base, ma si aggiunge a questo, e lo utilizza per manovrare l’impianto produttivo
• Il controllo avanzato si realizza successivamente al controllo di base, per permettere di raccogliere le informazioni necessarie per la sua definizione e progettazione. Possono presentarsi eccezioni apparenti a questo principio quando è possibile attingere a dati da impianti equivalenti sviluppati in passato, oppure quando è possibile utilizzare modelli matematici, se realistici ed affidabili. 

Tra le possibili sfide o difficoltà che rendono l’APC una soluzione interessante possiamo elencare:

• Forti interazioni multivariabili
• Forti ritardi nelle risposte dinamiche
• Aumento della resa avvicinandosi ai limiti operativi massimi
• Necessità di maggiore disponibilità di strumentazione con bassa disponibilità o bassa frequenza di misura (es. analizzatori, campionamenti per laboratorio)
• Dinamiche di processo o disturbi non lineari non gestibili con le normali regolazioni PID

Le tecnologie APC

Come detto un algoritmo di APC può essere sviluppato con tecnologie diversissime, che hanno in comune tra loro solo un forte legame con la conoscenza del processo. Nei casi più semplici è possibile impiegare il sistema di controllo di base servendoci di quanto disponibile nelle librerie in dotazione. Combinando gruppi di blocchi funzionali di regolazione, logici e di calcolo, ed eventualmente qualche script si possono creare algoritmi che possono risolvere numerosi problemi di non-linearità, interazioni multivariabili, ed anche realizzare strategie di ottimizzazione. Questa tipologia prende il nome di Advanced Regulatory Control (ARC). I costi di progettazione ed implementazione di un algoritmo possono essere dell’ordine di migliaia di euro, ipotizzando di utilizzare hardware già disponibile. Possono rientrare in questa tipologia:

• Caratterizzazioni non lineari, ad esempio per il controllo di pH
• Regolazioni in cascata, per migliorare la risposta dinamica
• Controllo Feedforward, per anticipare la reazione ai disturbi
• Ratio Control, per mantenere proporzioni stabili tra diversi flussi di produzione
• Override Control, per massimizzare/minimizzare alcune condizioni operative nel rispetto di vincoli.

Per i casi più difficili, che coinvolgono molte relazioni multivariabili e algoritmi numericamente complessi, una tecnica molto utilizzata è quella del Model Predictive Control (MPC). Le applicazioni basate su sofisticati software commerciali possono costare da decine di migliaia di euro a diverse centinaia di migliaia, considerando i costi delle licenze e le elevate tariffe del personale specializzato.  

Si definiscono variabili controllate (CV) quelle che vogliamo spingere verso i valori ottimali. Le variabili manipolate (MV) sono quelle che possono essere mosse dal sistema APC (setpoint di regolazioni di base, posizioni di valvole, velocità di motori, etc.) per influenzare l’andamento delle CV. E si possono avere anche delle variabili disturbo (DV) che influenzano le CV ma non sono sotto il controllo dell’operatore. Ad esempio, si può avere come CV una temperatura di un fluido raffreddato da acqua di rete. Posso usare la portata di acqua di rete come MV e la temperatura dell’acqua di rete in ingresso come DV.

La regolazione MPC si basa normalmente su modelli multivariabili che possono arrivare a coprire intere unità produttive, assemblando grandi matrici che tracciano le curve di risposta dinamica significative di ogni coppia MV CV, come illustrato in figura 1

Figura 1 – Un esempio di modello MPC multivariabile

Nel controllo MPC il modello predice l’andamento della produzione su un orizzonte temporale lungo rispetto alla dinamica del processo, ed un algoritmo di ottimizzazione definisce le manovre delle MV per spingere le CV verso il punto di lavoro migliore possibile. Il tutto viene ricalcolato ciclicamente con maggiore frequenza (ad esempio ogni minuto, con un orizzonte di 20 minuti) e permette di adattarsi continuamente alla situazione che si evolve a causa di disturbi. La strategia può anche includere l’adattamento continuo a modifiche dell’obiettivo, ed entro certi limiti anche imperfezioni del modello stesso. Può essere molto remunerativo l’aggiornamento in tempo reale dell’assetto ottimale per rispondere alle variazioni del valore del prodotto o dei costi delle utilities.

Figura 2 – Il ciclo di un’applicazione MPC

Le fasi di un progetto APC

Oltre ad ARC ed MPC possono esistere anche ulteriori tecniche, che possono anche combinarsi tra loro con grandi sinergie. Il punto comune a tutte è che richiedono la definizione di obiettivi specifici già dalle fasi iniziali di un progetto. E la realizzazione richiede un’accurata conoscenza dell’impianto, che talvolta si ottiene da una rappresentazione matematica teorica “first-principles” ma più spesso da identificazione di modelli basati su dati storici. Per la modellazione è fondamentale il supporto di processisti e operatori per collaborare con gli specialisti di identificazione nell’individuare le manovre e i disturbi più frequenti. È importante tenere conto che la modellazione potrebbe richiedere di effettuare delle campagne di manovre dedicate alla raccolta di dati, con riduzioni o interruzioni della produzione durante i test.

Nella figura 3 forniamo una traccia semplificata delle differenze principali tra un progetto di controllo tradizionale e uno APC.

Figura 3 – Differenze tra progetti di automazione tradizionali ed APC

Per lo sviluppo di applicazioni APC è indispensabile il coinvolgimento di diverse competenze, oltre agli specialisti di automazione. Processo e produzione sono essenziali per la definizione di obiettivi e strategie. Nella Figura 4 mostriamo i ruoli da coinvolgere in ogni fase, e una stima approssimativa del peso delle varie attività di progettazione e sviluppo. Anche se si acquista un sistema completo di APC da un fornitore specializzato, è importante avere del personale interno in grado di comprendere i meccanismi fondamentali dell’applicazione e monitorare la performance nel lungo periodo, per poter attivare eventuali interventi di manutenzione. I software commerciali sono dotati di strumenti per il monitoraggio di KPI e la generazione di report che facilitano questi compiti. Ma senza il monitoraggio nel tempo è frequente che la resa tenda a diminuire nel tempo, fino al possibile abbandono dell’applicazione.

Figura 4 – Team di un progetto APC

Conclusioni

Passare dal controllo tradizionale all’APC offre opportunità di miglioramento del processo produttivo, aumentando la stabilità e la risposta a disturbi complessi. L’APC può inoltre essere associato ad algoritmi di ottimizzazione che aumentano la redditività. E può essere integrato con sistemi di gestione della produzione per rispondere autonomamente a variazioni delle condizioni al contorno di qualunque tipo: condizioni atmosferiche, costi delle utilities, composizione dei materiali in ingresso, etc.

Per il pieno successo di un progetto è però essenziale definirne in dettaglio gli obiettivi,  coinvolgere il personale delle diverse discipline che possono definire le migliori strategie di regolazione, ed individuare le eventuali problematiche operative che occorre mitigare. L’utente finale non può delegare totalmente lo sviluppo a società specializzate, ma deve partecipare attivamente con l’esperienza del proprio personale e con il supporto alla modellazione attraverso le campagne di prove che possono comportare brevi fasi di perdita di produzione. Deve anche garantire l’addestramento adeguato del proprio personale operativo e di manutenzione, e il monitoraggio continuo, per garantire che l’applicazione rimanga profittevole nel lungo periodo.