Les filtres fins dans les circuits de refroidissement d’ifm prover gmbh assurent le bon fonctionnement des installations avec échangeurs thermiques. Ils filtrent les impuretés de l’eau de refroidissement et protègent ainsi l’échangeur thermique des machines connectées. La maintenance et le remplacement de ces éléments filtrants importants doivent être effectués régulièrement. La surveillance permanente optimise ce processus et garantit le fonctionnement continu des installations.
Cas d’application pour la surveillance des filtres dans le process de production :
Les filtres à eau étaient remplacés à intervalles fixes (toutes les huit semaines), indépendamment de leur état. A cette occasion, une inspection visuelle de leur état était effectuée. Il n’y avait pas de contrôle permanent et central des filtres. Il en résultait des coûts supplémentaires dus à un remplacement précoce ou tardif, des temps d’arrêt des machines en raison de filtres défectueux ou colmatés et des arrêts de production non planifiés en raison des travaux de maintenance. Ceux-ci n’étaient pas suffisamment documentés, de sorte qu’une analyse ultérieure concernant les sources d’erreur n’a pas été possible en raison du manque de données.
La maintenance devait passer d’une stratégie préventive et réactive à une stratégie basée sur l’état réel des filtres. Cela devait optimiser le déploiement du personnel, améliorer la planification des changements de filtres et permettre de documenter de manière cohérente les mesures effectuées. Un groupe défini de destinataires dans la maintenance devait être notifié sur un changement de filtre nécessaire. Les filtres ne doivent être remplacés que si leur état le rend nécessaire. Afin de pouvoir identifier du potentiel d’optimisation supplémentaire, il devait être possible d’analyser les données.
moneo a été installé sur un serveur central de la structure informatique existante ainsi que le module moneo RTM activé avec la clé de licence (LAC). Deux capteurs de pression sont installés pour surveiller le filtre fin, un capteur enregistre la pression en amont du filtre et le second la pression en aval du filtre. Ces deux valeurs permettent de déterminer une différence de pression à partir de laquelle on peut déduire l’état du filtre. Pour cela, la mesure doit être aussi exacte que possible. Les capteurs de pression utilisés disposent d’une interface IO-Link, qui transfère les données à un maître IO-Link IoT. Le module moneo RTM installé sur le serveur récupère les données de pression du maître toutes les secondes.
moneo RTM traite ensuite les données et les utilise pour :
Des valeurs limites pour les seuils d’avertissement et d’alarme ont été définies pour la surveillance des filtres. Les données ont été extraites de la fiche technique du fabricant du filtre. Elle indique l’importance de la différence de pression à un débit défini à l’état neuf (dans notre application à environ 1 m³/h = environ 0,05 bar). En outre, il y est recommandé d’effectuer un remplacement de filtre à une différence de pression de >0,5 bar. Les 0,5 bar s’additionnent à la différence de pression à l’état neuf, donc dans cet exemple le filtre doit être changé à 0,55 bar. Comme les capteurs utilisés entraînent une erreur de mesure maximale d’environ 0,05 bar, le seuil d’alarme est fixé à 0,5 bar. Le seuil d’avertissement doit entrer en vigueur plus tôt et a été configuré à 0,45 bar afin que le personnel reçoive l’avertissement à temps.
Dès les premières semaines, les premiers succès ont pu être observés. D’après l’inspection visuelle et le temps écoulé, un changement de filtre aurait déjà été nécessaire. Cependant, la base de données résultant de la surveillance permanente du filtre a montré que le filtre n’était colmaté qu’à environ 20 % selon les résultats des mesures. Pour cette raison, il a été décidé de suspendre le remplacement des filtres en fonction du temps. Cela a permis de prolonger considérablement la durée de vie des filtres.
Avec moneo RTM, tous les objectifs ont pu être atteints :
Les informations pertinentes des capteurs peuvent être visualisées rapidement et individuellement grâce à la fonction tableau de bord.
Plus de détails peuvent être consultés via l’analyse. La capture d’écran montre les valeurs de pression collectées en un mois. Il est visible que la pression différentielle augmente avec le temps. Comme le filtre se colmate avec le temps, cela était à prévoir. Du côté positif, cette valeur augmente plus lentement que prévu et la durée de vie du filtre peut donc être prolongée.
gérer les valeurs limites
En utilisant cette fonction dans moneo RTM, une valeur limite individuelle peut être définie pour chaque valeur process. Dans cette application, elle a été configurée pour informer le personnel de maintenance à temps lorsqu’un changement de filtre doit être effectué.
En particulier lors du démarrage d’une machine, des fluctuations de pression importantes peuvent se produire pendant une courte durée ; celles-ci peuvent être facilement compensées grâce à des temporisations. Ainsi, les dépassements de valeur limite à court terme sont filtrées et le système ne réagit que si la différence de pression a été dépassée de manière stable pendant un temps X.
L’assistant de règles de traitement des tickets permet de définir facilement des stratégies en cas d’avertissements et d’alarmes. Dans cet exemple, lorsque les seuils d’avertissement et d’alarme sont atteints, un groupe de destinataires du service technique gérant les bâtiments est informé par e-mail qu’un remplacement de filtre est imminent ou recommandé d’urgence.
Calcul de la différence de pression
Différence de pression ∆P= pression en amont du filtre - pression en aval du filtre
Calcul de l’état du filtre en pourcentage [%]
Etat du filtre en % = différence de pression * 100% / différence de pression maximale