MESSEN VON STOFF- UND ENERGIESTRÖMEN ENERGIEMONITORING

Transkript

1 MESSEN VON STOFF- UND ENERGIESTRÖMEN ENERGIEMONITORING Prof. Dr.-Ing. Jens Hesselbach Wintersemester 2017/2018 Prof. Dr.-Ing. Jens Hesselbach 1

2 Messtechnik im Industriebetrieb Energiemonitoring kw Leistung Leistungsmessung Durchflussmessung kw Leistung Druckmessung Temperaturmessung kw Leistung kw Leistung kw Leistung kw Leistung kw Leistung Prof. Dr.-Ing. Jens Hesselbach 2

3 GRUNDLAGEN ENERGIEMONITORING Prof. Dr.-Ing. Jens Hesselbach 3

4 Energiemonitoring Definition Energiemonitor ist der Übersetzung nach ein Energie-Überwacher Gilt für alle Messungen des Energiebedarfes Zumeist Bestandteil eines Energiemanagementsystems Bestehend aus: Sensor, Datenauswertungseinheit und Anzeigeeinheit Prof. Dr.-Ing. Jens Hesselbach 4

5 Die vier Phasen der industriellen Evolution Mechanisierung 1.0 Erster mechanischer Webstuhl, 1784 Erstes Fließband, 1870 Elektrifizierung 2.0 Erste speicherbareprogrammierbare Steuerung, 1969 Automatisierung 3.0 Industrie Vernetzung Prof. Dr.-Ing. Jens Hesselbach 5

6 Nutzungstiefe Potenziale durch die Implementierung von Energiemonitoringsystemen Smart Consumer Benchmarking Intern / extern Blutbild der Fertigung Kopplung mit Simulation virtuelle Messstellen Interpretation und Bewertung KPI Messdatenerfassung und Visualisierung heute Zukunft Prof. Dr.-Ing. Jens Hesselbach 6

7 Was passiert ohne ein Energiemonitoring? Keine Aussagekraft zu der Effizienz der Prozesse Keine Transparenz der Energieströme Keine Identifikation von Einsparpotenzialen Keinen KVP-Prozess (ohne Datenbasis) für Bestandsanlagen und Neuplanung Prof. Dr.-Ing. Jens Hesselbach 7

8 Was muss das Werkzeug Energiemonitoring Software können? Transparenz geben Potenziale aufzeigen ISO unterstützen Kosten einsparen Unkomplizierte Auswertungen ermöglichen Flexibel in Anbindung sowie Auslegung Prof. Dr.-Ing. Jens Hesselbach 8

9 Vom Sensor zur Effizienzbewertung 1) Messdaten erfassen 4) Überwachung, KVP und automatisierter Bericht 3) Einflussfaktoren zuordnen 2) Kennwerte definieren Prof. Dr.-Ing. Jens Hesselbach 9

10 AUFBAU EINES ENERGIEMONITORING- MESSSYSTEMS Prof. Dr.-Ing. Jens Hesselbach 10

11 Woher kommen die Daten? Energiekostenabrechnung Betriebsdatenerfassungssystem (BDE) Gebäudeleittechnik (GLT) ERP (SAP) Bereits vorhandene Zähler Maschinensteuerungen (SPS) Plandaten Aussagen Mitarbeiter Zu installierende Sensorik System Prof. Dr.-Ing. Jens Hesselbach 11

12 Wie können diese Daten vernetzt werden? Daten Handeingabe analog seriell digital Computereingabe, Handscanner, Taster Signalwandler Gateway DB Prof. Dr.-Ing. Jens Hesselbach 12

13 Beispiele Signale Analoge Signale, Beispiele: 0 20 ma 4 20 ma (häufig) 0 10 V Ohm Die Signale müssen für eine Automatisierung der Messwerte und Anbindung an eine Datenbank digitalisiert werden. Häufig werden sog. Messwandler oder Gateways eingesetzt, welche das Signal konvertieren und über einen FeldBus an ein System anbinden. Digitale Signale können störungsfreier übertragen werden Prof. Dr.-Ing. Jens Hesselbach 13

14 Analoges Signal Beispiel Temperaturmessung 200 T[ C] 20 I[mA] t[ms] Quelle: Schleicher, Manfred; 2008; S.7 Prof. Dr.-Ing. Jens Hesselbach 14

15 digital digital Signalwandler/Gateway analog 2 analog 1 analog 3 seriell 1 seriell 2 seriell 3 Signalwandler Gateway Prof. Dr.-Ing. Jens Hesselbach 15

16 Binäres Signal binär von lat. bini je zwei oder bina doppelt, paarweise 1-Bit Signal nur zwei Signalzustände 1 0 ; high low ; EIN AUS typischer Signalgeber: Schalter Prof. Dr.-Ing. Jens Hesselbach 16

17 Digitales Signal bestehen aus Bitketten 8 Bits = 1 Byte 2 Byte = 1 Wort 2 Wörter = 1 Doppelwort wert- und zeitdiskrete Signale Prof. Dr.-Ing. Jens Hesselbach 17

18 Analog-Digital-Wandlung Funktionsprinzip Überführung des analogen, wert- und zeitkontinuierlichen Signals in wert- und zeitdiskrete Repräsentationsgröße Diskretisierung erfolgt in drei Schritten 1. Diskretisierung nach Zeit (Abtasten) 2. Diskretisierung nach Wert (Quantifizierung) 3. Digitalisierung Prof. Dr.-Ing. Jens Hesselbach 18

19 Analog-Digital-Wandlung Schritt 1: Diskretisierung nach der Zeit (Abtasten) 200 T[ C] 20 I[mA] t[ms] Quelle: Woitowitz, Roland; Urbanski, Klaus; Gehrke, Winfried.; 2011; S.289 Prof. Dr.-Ing. Jens Hesselbach 19

20 Analog-Digital-Wandlung Schritt 2: Diskretisierung nach dem Wert (Quantifizierung) Binär 20 I[mA] Quelle: Woitowitz, Roland; Urbanski, Klaus; Gehrke, Winfried.; 2011; S.289 x t[ms] Prof. Dr.-Ing. Jens Hesselbach 20

21 Analog-Digital-Wandlung Schritt 3: Digitalisierung Binär t[ms] x Prof. Dr.-Ing. Jens Hesselbach 21

22 Messwandler Vorteile Wandlung der Werte in geeignetes Format Vereinheitlichung der Signale Nachteile Zusätzliche Investition ca. 250 Erweiterung der Reichweite Abb. 7: Messwandler 1 Abb. 8: Messwandler 2 Prof. Dr.-Ing. Jens Hesselbach 22

23 Strom - Leistungsmessgeräte Vorteile Spannung und Strom jeder Phase wird erfasst Wirk-, Schein- und Blindleistung erfassbar Exakte zeitliche Auflösung Direktes Auslesen der Daten über FeldBus hier Modbus TCP Nachteile Hoher Preis ca. 450 Prof. Dr.-Ing. Jens Hesselbach 23

24 Einfache Anbindung I/O Daten Server Client Client Client Bildquelle: Siemens AG, Arburg GmbH + Co. KG, Advantech, e-senza Technologies Prof. Dr.-Ing. Jens Hesselbach 24

25 Messpunkte und IT-Anbindung (I) Prinzip El. Leistungs- und Energiemessung Stromwandler ModBus TCP analog Verteilung L1 L2 L3 Strom in Reihe (oder über Stromwandler), Spannung parallel, d. h. insgesamt 6 Abgriffe! Prof. Dr.-Ing. Jens Hesselbach 25

26 Messpunkte und IT-Anbindung (II) Prinzip Wärmemengenmessung Fluidleitung analog T Signalwandler ModBus TCP seriell Prof. Dr.-Ing. Jens Hesselbach 26

27 Messpunkte und IT-Anbindung (III) Übersicht Anschaffungskosten (Richtpreise) Temperatur - ab ca. 100 Strom - ab ca. 400 Wärmemenge - ab ca. 500 Druckluft - ab ca Gaszähler - ab ca Signalwandler - ab ca. 250 zzgl. Installationskosten Bildquelle: Papouch, Siemens, CS instruments, Kobold, Advantech, Badger Meter Europa Prof. Dr.-Ing. Jens Hesselbach 27

28 MESSDATENVISUALISIERUNG Prof. Dr.-Ing. Jens Hesselbach 28

29 Datenanbindung (Beispiel é.visor) Kostenstellenzuordnung Grenzwertüberwachung Leichtgängige Anbindung von Feldgeräten und Datenbanken Einstellungen für Energiemedien, Schichtkalender & Favoriten-Funktion Einstellungen für Plausibilisierung sowie Steigung und Offset Prof. Dr.-Ing. Jens Hesselbach 29

30 Darstellung von Lastgängen (Beispiel é.visor) Auswahl verschieden Darstellungsarten Darstellung in Min.-, Max- u. Mittelwerten, Aufzeigen von Trends und Grenzwerten Einblendung von Kommentaren und Ersatzwerten Prof. Dr.-Ing. Jens Hesselbach 30

31 Visualisierung von Kennzahlen Cockpit-Funktion Vielfältige Darstellungsmöglichkeiten mit Tacho, Ampel, Tabellen sowie Diagrammen Prof. Dr.-Ing. Jens Hesselbach 31

32 ENERGIEMONITORING UND INDUSTRIE 4.0 Prof. Dr.-Ing. Jens Hesselbach 32

33 Industrie 4.0 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 Sicherheitstechnik Anlagen Logistik Menschen Maschinen Produkte Prof. Dr.-Ing. Jens Hesselbach 33

34 Nutzungstiefe Potenziale durch die Implementierung von Energiemonitoringsystemen Smart Consumer Benchmarking Intern / extern Blutbild der Fertigung Kopplung mit Simulation virtuelle Messstellen Interpretation und Bewertung KPI Messdatenerfassung und Visualisierung heute Zukunft Prof. Dr.-Ing. Jens Hesselbach 34

35 Energiemonitoringsysteme Messdatenerfassung und Visualisierung Prof. Dr.-Ing. Jens Hesselbach 35

36 Nutzungstiefe Potenziale durch die Implementierung von Energiemonitoringsystemen Smart Consumer Benchmarking Intern / extern Blutbild der Fertigung Kopplung mit Simulation virtuelle Messstellen Interpretation und Bewertung KPI Messdatenerfassung und Visualisierung heute Zukunft Prof. Dr.-Ing. Jens Hesselbach 36

37 Key Performance Indicator (KPI), (I) Schnelle Bewertung von Standorten/Maschinen/Prozessen Bessere Vergleichbarkeit: Physikalische Kennzahl (Volumenstrom Kompressor) Spezifische Kennzahl (kwh pro Tonne) Wirtschaftliche Kennzahl ( pro kwh) Benchmarking von Standorten/Maschinen/Prozessen Prof. Dr.-Ing. Jens Hesselbach 37

38 Leistung in kw Key Performance Indicator (KPI) Definieren von KPI`s Beispiel: Räummaschine 60 Spitzenleistung 61 kw Durchschnittsleistung 25 kw Betriebsbereitschaft 18 kw Zeit in Sekunden Beispiel: KPI B/S = Betriebsbereitschaft / Spitzenlast = 18 kw / 61 kw = 29,5% Ziel: Senken des KPIs Energieeinsparung Prof. Dr.-Ing. Jens Hesselbach 38

39 Key Performance Indicator (KPI) Definieren von KPI`s Beispiel: Kompressionskältemaschine 4,0 3,5 3,0 2,5 2,0 12 1,5 1,0 25 1,0-1,5 1,5-2,0 2,0-2,5 2,5-3,0 3,0-3,5 3,5-4, Prof. Dr.-Ing. Jens Hesselbach 39

40 Nutzungstiefe Potenziale durch die Implementierung von Energiemonitoringsystemen Smart Consumer Benchmarking Intern / extern Blutbild der Fertigung Kopplung mit Simulation virtuelle Messstellen Interpretation und Bewertung KPI Messdatenerfassung und Visualisierung heute Zukunft Prof. Dr.-Ing. Jens Hesselbach 40

41 Leistung in kw Benchmarking (I) Definieren von spezifischen Benchmarks Beispiel: Räummaschine I 80 Freischichten Wochenende Zeit in Tagen Benchmark des elektrischen Leistungsbedarfs in Produktionspausen für Räummaschinen gleichen Typs Prof. Dr.-Ing. Jens Hesselbach 41

42 Leistung in kw Benchmarking (II) Definieren von spezifischen Benchmarks Beispiel: Räummaschine II 80 Freischichten 60 Wochenende Zeit in Tagen Benchmark des elektrischen Leistungsbedarfs in Produktionspausen für Räummaschinen gleichen Typs Prof. Dr.-Ing. Jens Hesselbach 42

43 Gesamtenergiebedarf in MWh/t Benchmarking (III) Definieren von spezifischen Benchmarks Beispiel: Aluminium Druckgießerei Benchmarking des Gesamtenergiebedarfs pro Tonne Aluminium-Druckguss Guss i.o. in t/a Quelle: Energie Consulting Bühler, Energiebedarf der Druckgiesserei Prof. Dr.-Ing. Jens Hesselbach 43

44 Nutzungstiefe Potenziale durch die Implementierung von Energiemonitoringsystemen Smart Consumer Benchmarking Intern / extern Blutbild der Fertigung Kopplung mit Simulation virtuelle Messstellen Interpretation und Bewertung KPI Messdatenerfassung und Visualisierung heute Zukunft Prof. Dr.-Ing. Jens Hesselbach 44

45 Units pro Liter Das Blutbild der Fertigung Männer - Normalwerte Frauen - Normalwerte akute Leberentzündung Leber- und Gallenerkrankung Gallenstauung (Cholestase) u. a. Indikator für Leber- und Gallenerkrankung Leber- und Gallenerkrankung Herzerkrankung GOT (Glutamat-Oxalazetat-Transaminase) Quelle: Basierend auf Lohmann, M.: Laborwerte verstehen GPT (Glutamat-Pyruvat-Transaminase) Gamma-GT (Gamma-Glutamyl-Transferase) Prof. Dr.-Ing. Jens Hesselbach 45

46 Das Blutbild der Fertigung Informationsgewinn Energiedaten können aus anhand verschiedener Kriterien analysiert werden Energiedaten (Betrachtung der selben Energiedaten mit verschiedenen Brillen ) Energiebrille Energetische Analyse der Energieprofile und Ermittlung von Einsparpotenzialen Prozessbrille Konkrete Erkenntnisse über Prozessabläufe und Anlagenverhalten des jeweiligen Produktionsprozesses Qualitätsbrille Fehlererkennung an Werkstücken und Produktionsmaschinen anhand von Abweichungen im Energiefluss Prof. Dr.-Ing. Jens Hesselbach 46

47 Leistung in kw Das Blutbild der Fertigung Energiebrille Beispiel: Schleifmaschine 40 Anfahrspitzen Spitzenlast Produktion Durchschnittsleistung Produktion Grundlast Produktion Zeit in Stunden Ruheleistung Prof. Dr.-Ing. Jens Hesselbach 47

48 Leistung in kw Das Blutbild der Fertigung Prozessbrille Beispiel: Schleifmaschine Zeit in Stunden Prof. Dr.-Ing. Jens Hesselbach 48

49 Leistung in kw Austausch Schleifscheibe Das Blutbild der Fertigung Qualitätsbrille Beispiel: Schleifmaschine Zeit in Stunden Prof. Dr.-Ing. Jens Hesselbach 49

50 8,00 Abweichungsanalysen (Bsp. Wälzfräsmaschine) Korrelation zwischen elektrischem Leistungsbedarf und Druckluftbedarf einer Maschine 100,00 6,40 80,00 4,80 60,00 3,20 40,00 1,60 20,00 0,00 0, : : : : : : :00 Elektrischer Leistungsbedarf in kw Achse 1 Druckluftbedarf in Nm³/h Achse 2 Prof. Dr.-Ing. Jens Hesselbach 50

51 Abweichungsanalysen (Bsp. Wälzfräsmaschine) Grenzwertüberwachung (Grenzwert in blau) Nm³/h 95,9 Häufigkeit , , ,4 19,2 50 0,0 0,50 1,50 2,50 3,50 4,50 5,50 6,50 7,50 14,0 kw 0 Prof. Dr.-Ing. Jens Hesselbach 51

52 Nutzungstiefe Potenziale durch die Implementierung von Energiemonitoringsystemen Smart Consumer Benchmarking Intern / extern Blutbild der Fertigung Kopplung mit Simulation virtuelle Messstellen Interpretation und Bewertung KPI Messdatenerfassung und Visualisierung heute Zukunft Prof. Dr.-Ing. Jens Hesselbach 52

53 Virtuelle Messstellen ሶ m = ρ v A T = f R Messstrecke mit Durchflussmessung und zwei Temperatursensoren ሶ Q = ሶ m cp υ aus υ ein Verrechnung mehrerer physikalischer Messgrößen zu einer virtuellen Messstelle Besonders bei thermischen Prozessen interessant da Einbau neuer Wärmemengenmesstechnik und deren Integration sehr kostspielig (ab ca pro Messstelle) Prof. Dr.-Ing. Jens Hesselbach 53

54 Virtuelle Messstellen Pt100 Durchflussmessung Rechenwerk Wärme SPS SCADA oder Datenbank Hardware ist bereits vorhanden oder wird erst gar nicht benötigt. Prof. Dr.-Ing. Jens Hesselbach 54

55 Nutzungstiefe Potenziale durch die Implementierung von Energiemonitoringsystemen Smart Consumer Benchmarking Intern / extern Blutbild der Fertigung Kopplung mit Simulation virtuelle Messstellen Interpretation und Bewertung KPI Messdatenerfassung und Visualisierung heute Zukunft Prof. Dr.-Ing. Jens Hesselbach 55

56 Simulation und Evaluation von Effizienzmaßnahmen Konstruktion Physikalische Grundlagen Labor- und Prüfergebnisse Berechnungen/ Simulationen Andere, z.b. Service Modell Produkt X Allgemeines Modell Produkt Modell Produkt X Schritt 1 Modell Produkt X Schritt 2 Modell Produkt X Schritt n Modell Produkt X End of Life Modell Produkt X Einzelteile Produktionsschritt 1 Produktionsschritt 2 Produktionsschritt 3 verkürzter EoL-Test Produkt X Diagnose Reparatur Qualitätsregelkreise Modell Fertigung Datenerfassung Diagnose Prof. Dr.-Ing. Jens Hesselbach 56

57 Vom Sensor zur Effizienz Messdaten Visualisierung & Reporting Effizienz Anbinden Transparenz steigern Potentiale identifizieren Erfassen Energieeffizienz bewerten Wirtschaftlichkeit erhöhen Archivieren Automatische Berichte Schnelle Fehlererkennung Verdichten KVP etabilieren Maßnahmen nachhalten Grenzwertüberwachung Prof. Dr.-Ing. Jens Hesselbach 57

58 VIELEN DANK FÜR DIE AUFMERKSAMKEIT Prof. Dr.-Ing. Jens Hesselbach 58