Annonsørinnhold

Oppdrettsanlegget har dataene. Utnytter dere dem?

Ved å analysere eksisterende driftsdata kan oppdrettere få bedre innsikt i hvordan anlegget fungerer, og hvor det finnes muligheter for mer effektiv drift.

Et oppdrettsanlegg registrerer store mengder informasjon om produksjonen og de tekniske systemene. Mye brukes i den daglige styringen og overvåkingen. Samtidig bygges det opp en historikk som kan gi grunnlag for å vurdere tidligere driftsvalg og ressursbruk. Den kan også avdekke gradvise endringer som ikke nødvendigvisutløser alarmer.

– Min oppfatning er at mange av røkterne ønsker å få en bedre oversikt på egne prosessdata. Mange jobber i dag reaktivt, men med de riktige verktøyene kan oppdretterne komme langt med å optimalisere driften på anlegget, sier Aleksander Mork-Knudsen, divisjonsleder for akvakultur i Guard Automation.

Over 300 signaler fra Egget

I det lukkede oppdrettskonseptet Egget har Guard Automation levert automasjon og driftsovervåking i samarbeid med Ovum. Her logges og overvåkes over 300 signaler, blant annet målinger av oksygen, CO₂, pH, temperatur og gasstrykk. Guard har også levert automatisk regulering av oksygennivåer, styring av pumper og overvåking av kritiske systemer.

Driftsdata, kamerabilder og værinformasjon samles i Guard Cloud, slik at operatørene kan følge anlegget gjennom ett felles grensesnitt. Løsningen gir også mulighet til å overvåke og optimalisere energiforbruket.

Pålitelige målinger er avgjørende

Skal informasjonen brukes til å forbedre driften, må man forstå både prosessene og hvordan målingene blir gjort.

– Forståelse av både industriell automasjon og prosess er svært viktig i dette domenet fordi man må ha kompetanse på hva som måles og hvordan det måles. Hvis det blir feil, kan du ende opp med et verdiløst datagrunnlag, sier Mork-Knudsen.

Begroing på sensorer, feilkalibrering og endrede måleforhold kan påvirke datakvaliteten. Uten kontroll på slike forhold risikerer man å trekke feil konklusjoner.

Fra driftsdata til prediktiv styring

Statistiske modeller og maskinlæring kan brukes til å identifisere mønstre på tvers av mange variabler, også sammenhenger som er vanskelige å oppdage gjennom vanlig driftsovervåking.

Guard har praktisk erfaring med denne typen teknologi fra kommunal avløpsrensing. Ved Elvika renseanlegg i Modum ble historiske prosessdata kombinert med blant annet værforhold og tilrenningsmønstre for å optimalisere doseringen av fellingskjemikalier.

I pilotprosjektet fra 2023 ble det rapportert om rundt 20 prosent lavere kjemikalieforbruk.

Modellen analyserer forholdene som påvirker renseprosessen og beregner doseringsbehovet ut fra forventet belastning. Slik kan kjemikaliebruken tilpasses variasjoner som er krevende å håndtere med tradisjonell styring.

Prinsippene er også interessante for akvakultur. Tilsvarende analysemetoder kan brukes til å undersøke hvordan vannkvalitet, biomasse og teknisk ytelse utvikler seg i forhold til hverandre. De må imidlertid utvikles og valideres for de biologiske og tekniske forholdene i det enkelte anlegget.

Hva kan én produksjonssyklus lære oss om den neste?

Ved å sammenligne perioder med tilsvarende biomasse og temperatur kan operatørene evaluere tidligere justeringer, undersøke endringer i ressursforbruket og bruke erfaringene i planleggingen av neste produksjonssyklus.

– For å drive forbedringsarbeid er det riktige datagrunnlaget essensielt. Når vi jobber systematisk med disse tingene er det mulig å få enda bedre innsikt i fiskehelse og ta bedre beslutninger for egen drift, sier Mork-Knudsen.

Ta kontakt med Guard Automation for en faglig gjennomgang av hvordan dere kan få mer verdi ut av eksisterende driftsdata.

Guard.no