Upload
hoangtram
View
213
Download
0
Embed Size (px)
Citation preview
1
Prof. Dr.-Ing. Jens Hesselbach
Anwendung und Nutzen von Energiemonitoringsystemen
anhand von Praxisbeispielen
2
Universitäre Lehre
• Life Cycle Engineering
• Fabrikbetriebslehre • Messen von Stoff- und Energieströmen • Energieeffiziente Produktion • Unternehmensgründung • Energiemanagementsysteme • Dezentrale Energieversorgung in der Industrie • Simulation und Steuerung von Produktions- und
Energiesystemen
Fachgebiet umweltgerechte Produkte und Prozesse Lehrstuhlinhaber Prof. Dr.-Ing. Jens Hesselbach
Forschungsschwerpunkte
1. Klima-, energie- und ressourceneffiziente Produktion
2. Modellierung, Simulation und Steuerung von Produktion und Umfeld
3. Dezentrale Energieversorgung und Erneuerbare Energien 4. Industrielles Lastmanagement 5. Life Cycle Engineering
Institut: gegründet im März 2002, 18 Mitarbeiter, ca. 17 HiWis und drei Ausgründungen
3
Labore – Energieeffizienz in der Produktion
4
Ausstattung, Branchen und Partner
•DMK, Milupa, Ferrero
Lebensmittel
•B.Braun, Satorius
Pharma
•EAM, Städtische Werke Kassel, EWE
Energieversorgung
•Volkswagen, Daimler, Brose
Automotive
• Junghans, REHAU, Technoform
Kunststoff
Industriebranchen Industriepartner
Mobile
Messtechnik
• Elektrische Energie • Thermische Energie • Wärmebildkameras • Druckluft- und Leckage • Luftströmungen • uvw.
Computer-aided engineering
• CAD (Pro Engineer)
• Dynamische Simulation (MATLAB)
• Messen, Steuern und Regeln (LabView)
• Ökobilanzierung (GaBi)
5
Die vier Phasen der industriellen Evolution
1750
Vernetzung
1800 1850 1900 1950 2000 2050
Industrie 4.0
Automatisierung
Erste speicherbare-
programmierbare
Steuerung, 1969
Elektrifizierung
Erstes
Fließband,
1870
Mechanisierung
Erster
mechanischer
Webstuhl,
1784
1.0 2.0
3.0 4.0
6
• Verzahnung der Produktion mit modernster Informations- und Kommunikationstechnik
• Grundlage sind intelligente, digital vernetzte Systeme, mit denen selbstorganisierte
Produktion möglich wird
• Auf diese Weise erzeugte intelligente Wertschöpfungskette erhöht Flexibilität des
gesamten Produktionsprozesses
• Vernetzung von Produkten und Maschinen steigert Effizienz, senkt Kosten und spart
gleichzeitig Ressourcen
Industrie 4.0
Menschen
Maschinen
Anlagen
Logistik
Produkte
Sicherheitstechnik
7
Potenziale durch die Implementierung von Energiemonitoringsystemen
Messdatenerfassung
und Visualisierung
KPI
Interpretation und
Bewertung
Benchmarking
Intern / extern
„Blutbild“ der
Fertigung
virtuelle Messstellen
Kopplung mit
Simulation
Smart Consumer
heute Zukunft
Nut
zung
stie
fe
8
Energiemonitoringsysteme
Messdatenerfassung und Visualisierung
9
Potenziale durch die Implementierung von Energiemonitoringsystemen
Messdatenerfassung
und Visualisierung
KPI
Interpretation und
Bewertung
Benchmarking
Intern / extern
„Blutbild“ der
Fertigung
virtuelle Messstellen
Kopplung mit
Simulation
Smart Consumer
heute Zukunft
Nut
zung
stie
fe
10
Key Performance Indicator (KPI) Definieren von KPI`s Beispiel: Räummaschine
Leis
tung
in k
W
20
40
60
Zeit in Sekunden 20 40 60 80 100
Betriebsbereitschaft
18 kW
Durchschnittsleistung 25 kW
Spitzenleistung 61 kW
0
Beispiel: KPIB/S = Betriebsbereitschaft / Spitzenlast = 18 kW / 61 kW = 29,5%
Ziel: Senken des KPIs Energieeinsparung
11
Key Performance Indicator (KPI) Definieren von KPI`s Beispiel: Kompressionskältemaschine
6
8
10
12
1,0
1,5
2,0
2,5
3,0
3,5
4,0
2529
3337
4145
49
1,0-1,5 1,5-2,0 2,0-2,5
2,5-3,0 3,0-3,5 3,5-4,0
12
Potenziale durch die Implementierung von Energiemonitoringsystemen
Messdatenerfassung
und Visualisierung
KPI
Interpretation und
Bewertung
Benchmarking
Intern / extern
„Blutbild“ der
Fertigung
virtuelle Messstellen
Kopplung mit
Simulation
Smart Consumer
heute Zukunft
Nut
zung
stie
fe
13
Benchmarking Definieren von spezifischen Benchmarks Beispiel: Räummaschine I
60
40
20
80
1 2 3 4 6 5 7
Leis
tung
in k
W
Zeit in Tagen
Wochenende
Freischichten
Benchmark des elektrischen Leistungsbedarfs
in Produktionspausen für Räummaschinen
gleichen Typs
14
Benchmarking Definieren von spezifischen Benchmarks Beispiel: Räummaschine II
60
40
20
1 2 3 4 6 5 7
Leis
tung
in k
W
Zeit in Tagen
80
Wochenende
Freischichten
Benchmark des elektrischen Leistungsbedarfs
in Produktionspausen für Räummaschinen
gleichen Typs
15
0
2
4
6
8
10
12
0 5000 10000 15000 20000 25000 30000 35000 40000
Ges
amte
ner
gie
bed
arf
in M
Wh
/t
Guss i.O. in t/a
Quelle: Energie Consulting Bühler, Energiebedarf der Druckgiesserei. Und wo liegt Ihre Giesserei?
Benchmarking Definieren von spezifischen Benchmarks Beispiel: Aluminium Druckgießerei
Benchmarking des
Gesamtenergiebedarfs pro
Tonne Aluminium-Druckguss
16
Potenziale durch die Implementierung von Energiemonitoringsystemen
Messdatenerfassung
und Visualisierung
KPI
Interpretation und
Bewertung
Benchmarking
Intern / extern
„Blutbild“ der
Fertigung
virtuelle Messstellen
Kopplung mit
Simulation
Smart Consumer
heute Zukunft
Nut
zung
stie
fe
17
Gallenstauung (Cholestase)
Herz-
erkrankung
Leber- und Gallenerkrankung
akute Leberentzündung
Quelle: Basierend auf Lohmann, M.: Laborwerte verstehen
Gamma-GT
(Gamma-Glutamyl-Transferase)
u. a. Indikator für
Leber- und Gallenerkrankung
GPT
(Glutamat-Pyruvat-Transaminase)
GOT
(Glutamat-Oxalazetat-Transaminase)
Uni
ts p
ro L
iter
Leber- und Gallenerkrankung
Männer - Normalwerte Frauen - Normalwerte
Das „Blutbild“ der Fertigung
18
Informationsgewinn aus Energiedaten
Energiebrille
• Energetische Analyse der Energieprofile
und Ermittlung von Einsparpotenzialen
Das „Blutbild“ der Fertigung
Energiedaten können anhand verschiedener Kriterien analysiert werden
(Betrachtung der selben Energiedaten mit verschiedenen „Brillen“)
Prozessbrille
• Konkrete Erkenntnisse über Prozessabläufe und Anlagenverhalten des jeweiligen Produktionsprozesses
Qualitätsbrille
• Fehlererkennung an Werkstücken und Produktionsmaschinen anhand von Abweichungen im Energiefluss
19
Energiebrille Beispiel: Schleifmaschine
Das Blutbild der Fertigung
Leis
tung
in k
W
Zeit in Stunden 6 12 18 24 28
10
20
30
40
Spitzenlast Produktion
Durchschnittsleistung Produktion
Grundlast Produktion
Anfahrspitzen
Ruheleistung
20
Das Blutbild der Fertigung
Leis
tung
in k
W
Zeit in Stunden 6 12 18 24 28
10
20
30
40
Prozessbrille Beispiel: Schleifmaschine
21
Das Blutbild der Fertigung
Leis
tung
in k
W
Zeit in Stunden 6 12 18 24 28
10
20
30
40
Rei
nigu
ng
Qualitätsbrille Beispiel: Schleifmaschine
22
Potenziale durch die Implementierung von Energiemonitoringsystemen
Messdatenerfassung
und Visualisierung
KPI
Interpretation und
Bewertung
Benchmarking
Intern / extern
„Blutbild“ der
Fertigung
virtuelle Messstellen
Kopplung mit
Simulation
Smart Consumer
heute Zukunft
Nut
zung
stie
fe
23
Virtuelle Messstellen
m = ρ ⋅ v ⋅ A T = f R
Q = m ⋅ cp ⋅ υaus − υein
• Verrechnung mehrerer physikalischer Messgrößen zu einer virtuellen Messstelle
• Besonders bei thermischen Prozessen interessant
• da Einbau neuer Wärmemengenmesstechnik und deren Integration sehr kostspielig (ab
ca. 1500€ pro Messstelle)
Messstrecke mit
Durchflussmessung und
zwei Temperatursensoren
24
Virtuelle Messstellen
Durchfluss-
messung
Pt100 Rechen-
werk
Wärme
SPS SCADA
oder
Datenbank
Hardware ist bereits vorhanden
oder wird erst garnicht benötigt.
25
Potenziale durch die Implementierung von Energiemonitoringsystemen
Messdatenerfassung
und Visualisierung
KPI
Interpretation und
Bewertung
Benchmarking
Intern / extern
„Blutbild“ der
Fertigung
virtuelle Messstellen
Kopplung mit
Simulation
Smart Consumer
heute Zukunft
Nut
zung
stie
fe
26
Simulation und Evaluation von Effizienzmaßnahmen
Allgemeines
Modell Produkt
Modell Produkt X
Schritt 1
Konstruktion
Physikalische
Grundlagen
Berechnungen/
Simulationen
Modell Produkt X
Schritt 2 Modell Produkt X
Schritt n
Modell Produkt X
End of Life
Modell
Produkt X
Labor- und
Prüfergebnisse Andere, z.B. Service
Diagnose
Reparatur
Qualitätsregelkreise
Modell
Produkt X
Modell
Fertigung
Datenerfassung
Diagnose
Produkt X Produktionsschritt 1 Produktionsschritt 2 Produktionsschritt 3 verkürzter EoL-Test Einzelteile
27
Potenziale durch die Implementierung von Energiemonitoringsystemen
Messdatenerfassung
und Visualisierung
KPI
Interpretation und
Bewertung
Benchmarking
Intern / extern
„Blutbild“ der
Fertigung
virtuelle Messstellen
Kopplung mit
Simulation
Smart Consumer
heute Zukunft
Nut
zung
stie
fe
28
Fertigungsprozess
simulationsgestützte
übergeordnete Steuerung
E-Monitoring (online)
(zukünftiger) Energiemarktpreis
(zukünftiges) Wetter
Produktionsdaten
Kälte-
Speicher
Th.-Öl-
Speicher
BHKW
AKM
KKM
GB
FK
Aufteilung des Gas- und Strombezugs
Strom DEZEV
TGA
Gas
TRAFO
Smart Consumer
EH
Th.-Öl
BHKW
AKM
KKM
GB
FK
DEZEV
TGA
TRAFO
EH
Thermo-Öl
Blockheizkraftwerk
Ab- oder Adsorptionskältemaschine
Kompressionskältemaschine
Gasbrenner
Freikühler
Dezentrale Energieversorgung
Technische Gebäudeausrüstung
Transformator
Elektro Heizer
intelligenter Verbraucher im Smart Grid
Fall: maximaler Gasbezug
Simulation und Evaluation von Effizienzmaßnahmen Smart Consumer
29
Fertigungsprozess
simulationsgestützte
übergeordnete Steuerung
E-Monitoring (online)
(zukünftiger) Energiemarktpreis
(zukünftiges) Wetter
Produktionsdaten
BHKW
DEZEV
TGA
TRAFO
Smart Consumer
Kälte-
Speicher
Th.-Öl-
Speicher
AKM
KKM
GB
FK
EH
Strom
Gas
Th.-Öl
BHKW
AKM
KKM
GB
FK
DEZEV
TGA
TRAFO
EH
Thermo-Öl
Blockheizkraftwerk
Ab- oder Adsorptionskältemaschine
Kompressionskältemaschine
Gasbrenner
Freikühler
Dezentrale Energieversorgung
Technische Gebäudeausrüstung
Transformator
Elektro Heizer
Aufteilung des Gas- und Strombezugs
intelligenter Verbraucher im Smart Grid Fall: Strombezug ≈ Gasbezug
Simulation und Evaluation von Effizienzmaßnahmen Smart Consumer
30
Fertigungsprozess
simulationsgestützte
übergeordnete Steuerung
E-Monitoring (online)
(zukünftiger) Energiemarktpreis
(zukünftiges) Wetter
Produktionsdaten
BHKW
DEZEV
TGA
TRAFO
Smart Consumer
Kälte-
Speicher
Th.-Öl-
Speicher
AKM
KKM
GB
FK
EH
Strom
Gas
Th.-Öl
BHKW
AKM
KKM
GB
FK
DEZEV
TGA
TRAFO
EH
Thermo-Öl
Blockheizkraftwerk
Ab- oder Adsorptionskältemaschine
Kompressionskältemaschine
Gasbrenner
Freikühler
Dezentrale Energieversorgung
Technische Gebäudeausrüstung
Transformator
Elektro Heizer
Aufteilung des Gas- und Strombezugs
intelligenter Verbraucher im Smart Grid
Fall: maximaler Strombezug
Simulation und Evaluation von Effizienzmaßnahmen Smart Consumer
31
Vielen Dank für Ihre Aufmerksamkeit!
Industrie 4.0