Nickelproduzent implementiert Rockwells Steuerungslösung zur Verbesserung der Produktqualität der Erzkalzinierung durch Öfen

Nickel zeichnet sich durch die Fähigkeit aus, Korrosion bei hohen Temperaturen zu widerstehen, und durch seine Nützlichkeit als Legierungselement. Es spielt eine entscheidende Rolle in einer Vielzahl von Industriezweigen, die von der Luft- und Raumfahrt und der chemischen Industrie bis hin zur Elektro- und Automobilindustrie reichen.

Société Le Nickel (SLN), Teil der Eramet-Gruppe, ist der weltweit größte Produzent von Ferronickel. Das 140 Jahre alte Unternehmen produziert außerdem Mangan, Lithium und Titan, die für die Herstellung von Batterien, Farbpigmenten und Windturbinen sowie anderen Produkten von entscheidender Bedeutung sind.

Die Verarbeitung von Erzen ist eine komplexe Aktivität, die eine stabile Kontrolle des Temperaturprofils der Drehöfen und die Automatisierung des Betriebs über verschiedene Betriebsbereiche hinweg erfordert. Das in den Drehofen eingebrachte Erz wird beim Durchlaufen des Ofens kalziniert. Wenn das kalzinierte Produkt nicht eine ausreichend hohe Temperatur erreicht, wird die Produktqualität beeinträchtigt.

Die Wärme wird im Ofen verteilt, wobei Luft für die Verbrennung zugeführt wird. Wird zu viel Luft zugeführt, muss mehr Brennstoff verbrannt werden, um die gleiche Produkttemperatur aufrechtzuerhalten, was die Energieeffizienz verringert. Überschüssiger Sauerstoff muss auf ein sicheres Niveau minimiert werden, um die Betriebskosten und Treibhausgase zu reduzieren.

Legacy-Systeme bremsen den Betrieb aus
SLN verwendete ein Expertensystem, eine vorhandene Fuzzy-Logik-Steuerung, die zur Automatisierung des Ofenbetriebs entwickelt wurde. Das Unternehmen sah sich jedoch mit mehreren Herausforderungen beim Legacy-System konfrontiert, insbesondere mit schwankendem Erzgehalt und variablen Heizwerten, die zu Temperaturspitzen und häufigen elektrischen Auslösungen führten. Die Auslösungen wurden durch hohe Produkttemperaturen verursacht, was sowohl die Produktqualität als auch die Integrität der Ausrüstung beeinträchtigte.

„Die Fuzzy-Logik war nicht in der Lage, den Brennstoff schnell genug zu reduzieren, um Auslösungen zu verhindern, und im manuellen Betrieb konnten die Bediener nicht schnell genug reagieren“, erklärte Leslie Hii, einer der Prozesssteuerungsingenieure für Advanced Process Control bei Rockwell Automation, der für die Umsetzung des SLN-Projekts verantwortlich war.

„Die Aufrechterhaltung der erforderlichen Ofentemperatur kann angesichts der Vielzahl von variablen, die verwaltet werden müssen, komplex und herausfordernd sein. Der Brennstofftyp kann Öl, Kohle oder eine Mischung aus beiden sein – jeder mit seinen eigenen thermischen Eigenschaften. Darüber hinaus wirkt sich die Fütterungsrate des Materials auf die Ofentemperatur aus und muss sorgfältig verwaltet werden“, so Hii.

Hinzufügen einer intelligenten Ebene
Das Expertensystem kann nur eingeschaltet werden, wenn der Ofen normal betrieben wird. Bei jeglicher Instabilität schalten die Bediener es aus und übernehmen die Kontrolle. Das Expertensystem schnitt auch hinsichtlich Benutzerfreundlichkeit und Wartungsaufwand schlecht ab, beide Faktoren trugen zu einer niedrigen Betriebszeit des Systems bei.

Um die Situation zu beheben, rüstete SLN auf FactoryTalk® Analytics™ PavilionX™ von Rockwell Automation um. Diese modellprädiktive Regelung (MPC) bietet eine intelligente Ebene, die über Automatisierungssystemen liegt und kontinuierlich aktuelle und prognostizierte Betriebsdaten bewertet. Anschließend vergleicht sie diese Daten mit den gewünschten Ergebnissen und setzt neue Steuerungsziele, um die Prozessvariabilität zu verringern, die Leistung zu verbessern und die Effizienz zu steigern – alles autonom und in Echtzeit.

„Der Einsatz einer modellprädiktiven Regelung ist ein ideales Beispiel dafür, wie Rockwell Automation Künstliche Intelligenz nutzt, um bessere Betriebsergebnisse durch die Nutzung verfügbarer Daten zu erzielen. In diesem Projekt haben wir außerdem maschinelles Lernen, Prozesswissen und Daten eingesetzt, um Ofenmodelle zu entwickeln, die auf die Betriebsabläufe von SLN zugeschnitten sind“, sagte Hii.

Die Anfangsphase der verbesserten Lösung wurde in nur 13 Monaten erfolgreich abgeschlossen, im Gegensatz zu den Jahren, die für die Implementierung des Expertensystems benötigt wurden. Sie wurde bereits in fünf Drehöfen bei SLN implementiert. Bediener haben jetzt die Möglichkeit, den Einsatz von hochwertigem Heizöl zu minimieren und gleichzeitig den Einsatz von minderwertigerem, pulverisiertem Kohle während des Mischmodus zu maximieren. 

Investition zahlt sich aus
„Die modellprädiktive Regelung-Anwendung kann erhebliche Schwankungen bei der Erzzufuhr und den Heizwerten bewältigen und verhindert Fehler, sodass der Ofen mit einer höheren Rate im Betrieb bleiben kann“, sagte Mickael Montarello, Prozesssteuerungsmanager, SLN. „Der Temperaturfehler des gebrannten Produkts wurde um 6 % und die Variabilität des Ofentemperaturprofils um 16.1 % reduziert.“

SLN profitiert von dieser Investition. „Die durchschnittliche Betriebszeit der modellprädiktiven Regelung von Rockwell Automation liegt bei 83 % im Vergleich zu 70 % mit dem früheren Expertensystem“, sagte Montarello. „Die neue Lösung ermöglicht es dem Ofen, länger im Betrieb zu bleiben.

„Die Anwender schätzen die Benutzerfreundlichkeit und Flexibilität des Tools. Im Falle eines Fehlers mit einem Element des Prozesses können die Bediener problemlos in das betreffende Element eingreifen, während die modellprädiktive Regelung die anderen manipulierten Variablen weiterhin steuert.

„Dank dieses Tools eröffnen sich neue Möglichkeiten zur Optimierung der Steuerung und Verwaltung, die mit der alten Fuzzy-Logik-Steuerung nicht möglich waren. Unser Ziel für 2024 ist es, eine Auslastungsrate von 90 % zu erreichen“, schloss Montarello.