Balanced Manufacturing

Transkript

1 BALANCED MANUFACTURING Balanced Manufacturing Methodik für nachhaltige und wettbewerbsfähige Betriebssteuerung

2 Ausgangspunkt Energieeffiziente Produktion entwickelte sich in den letzten Jahren zu einem intensiv beforschten Gebiet Publikationen "Energy Efficiency" im Journal of Cleaner Production Relevante Forschungsfragen? Anzahl (Quelle: Jahr Recommendations for researchers [Auszug]: Develop the new field of 'design of sustainable industrial systems Work with local industry on problem-solving projects, preferably with other disciplines and preferably with ambitious targets for improvement, that cover the whole industrial process Build tools to help industry calculate what the best performance of a whole system might be Diskussionspapier des EPSRC Centre for Industrial Sustainability Univ. of Cambridge, Loughborough Univ., Cranfield Univ., Imperial College ( ) Quelle:

3 Projektidee Das Projekt BALANCED MANUFACTURING entwickelt eine ganzheitlichen Methodik zur systematischen Analyse und aufbauend eine Software-Tool-Kette zur Planung und Steuerung des Energiebedarfs der industriellen Produktion unter Berücksichtigung der Erfolgsfaktoren Zeit, Kosten und Qualität. CO 2 -EMISSION BaMa IKT ENERGY COSTS TIME Gebäude Energiesystem Produktionsanlagen Produktionsmanagement & Logistik

4 Beispiel Schweißlinie Fabrik in kleiner Halle mit einer Schweißlinie. Auftrag: 4 Produkte (A, B, C, D) jeweils 1 Stück Kosten: Personal (schichtabhängig), Strom (Tag/Nacht) Simulationstag: 5.8. (Tageshöchsttemp: ca. 35 C) Innentemperatur-Sollwert: 22 C 5,7 % Reduktion Strombedarf Kühlung 4,6% Reduktion Gesamtkosten 600,0 500,0 400,0 300,0 200,0 100,0 0,0 A B C D Maschinenleistung [kw] 00:00 01:00 02:00 03:00 04:00 05:00 06:00 07:00 08:00 09:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00 21:00 22:00 23:00 600,0 500,0 400,0 300,0 200,0 100,0 0,0 C D A Maschinenleistung [kw] 00:00 01:00 02:00 03:00 04:00 05:00 06:00 07:00 08:00 09:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00 21:00 22:00 23:00 B 20,0 Kühlleistungsbedarf (Elektrizität) [kw] 20,0 Kühlleistungsbedarf (Elektrizität) [kw] 15,0 15,0 10,0 10,0 5,0 5,0 0,0 00:00 01:00 02:00 03:00 04:00 05:00 06:00 07:00 08:00 09:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00 21:00 22:00 23:00 0,0 00:00 01:00 02:00 03:00 04:00 05:00 06:00 07:00 08:00 09:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00 17:00 18:00 19:00 20:00 21:00 22:00 23:00

5 Software-Tool-Kette Implementierung und Begleitprozess Management - Zielfunktion BaMa - Optimierung BaMa Monitoring BaMa Prognose BaMa Tool Chain BaMa - Methode Anwendungsfälle 1-n BaMa-Optimierung Zielfunktion in Hinblick auf Energie, Zeit, Kosten, Qualität Basierend auf Simulationsergebnissen BaMa-Prädiktion Vorhersage des Energiebedarfs aus der Simulation basierend auf dem Produktionsplan BaMa-Monitoring Aggregieren und Visualisieren von Ressourcenbedarf Aggregation Produkt-Fußabdruck aus Monitoringdaten unterstützt durch Simulationsergebnisse

6 Cube-Methodik Druckluftkompressor Massenbilanz Energiebilanz Zeitbilanz Kostenbilanz Druckluftkompressor Cube Produktionsmaschine Produktionsmaschine Produktionsmaschine Produktionsmaschine Produktionsprozess Produktionsprozess Abfallentsorgung Abfallentsorgung

7 BaMa Architektur Simulation Monitoringdaten Konform mit ISO Optimierungsalgorithmus BaMa Tool Chain Optimierte Betriebsstrategie User interface Stelleingriffe Messwerte Produktionsbetrieb (reales System) Dynamischer Produkt Fußabdruck Cube Maschine Cube Gebäude Cube Heizung Energie-, Material-, Informationsflüsse Cube Transport -system

8 Fabrik mit 2 Öfen in Halle Maschinen: elektrisch beheizte Öfen, Abwärme an Gebäude Gebäude: Wärmeverluste an Umgebung, Heizung zum Erreichen des Soll-Werts Beispiel Öfen T außen Q_Heizen Q_Verlust Ofen 1 Ofen 2 Gebäude T 1 Q_Ofen1 T 2 T G Q_Ofen2 P el _Ofen 1 P el _Ofen 2 T außen -5 5 C T G Nacht 16 C T G Tag 20 C Temperatur [K] Temperatur [K] Temperatur Öfen nicht optimiert Stunden Temperatur Öfen optimiert Stunden Durch Heizung auszugleichende Temperaturdifferenz t [h] ΔT [ C] ΔTopt [ C]

9 Herausforderungen Modellierung Simulation der Cubes Verbindung diskreter und kontinuierlicher Ansätze in einem Cubemodell Abbildung mittels DEVS/DESS Formalismus* Optimierung Stoffstrom Werkstück, Teig, etc. diskretisiert Verfolgbarkeit Footprint (Zeit, Kosten, CO 2 ) Leistung elektrisch, thermisch, Exergiemaß CO 2 -Anteil Simulation berechnet nur Funktionswert Algorithmus, der keine ableitbare Zielfunktion benötigt Genetischer Algorithmus / Pattern Search Produktionsplan Betriebsart etc. Energiestrom Stelleingriffe Cube Abgebildet durch Modell Gleichungen Parameter Energiestrom Messwerte Energiebedarf Betriebszustände etc. Stoffstrom Werkstück, Backgut, etc. Aktualisierter Footprint Abwärme diffus, Rückgewinnung CO 2 -Anteil Bilanzen an den Cube-Grenzen * B. Zeigler, H. Praehofer, T. G. Kim: Theory of Modeling and Simulation, Integrating Discrete and Continuous Complex Dynamic Systems

10 Anwendungsfelder Optimierung der Produktionsplanung Anpassung an Energieverfügbarkeit (Erneuerbare) Kaskadische Energienutzung Energieeinsparung durch Produktionseffizienzsteigerung Minimierung von Transport und Lageraufwänden Optimierung des Infrastrukturbetriebs Optimierter Einsatz der vorhandenen Versorgung Umstrukturierungen und Umbauten Energiebeschaffungsplanung bzw. Verkauf Anbindung an intelligente Netze

11 Hochrechnung Anwendungsfall Kälteanlage Jährlicher Stromverbrauch Kälteanlagen Projektpartner 1 : kwh Annahme Einsparungspotential 5,7% Endenergie 2 : kwh kwhendenergie pro Jahr sind ca.: Die Arbeitskraft von 7000 MA Der Stromverbrauch von 290 österreichischen Haushalten Der Jahresproduktion von 9500 m² Photovoltaik-Anlage (in Ö) Der Jahresproduktion einer Kleinwasserkraftwerkes mit kw Kleinwasserkraftwerk Berghofer Mühle (Steiermark, 160kW) Oder eine Reduktion von 325 to CO 2 pro Jahr, das entspricht: CO 2 Umsatz von 32 ha Wald pro Jahr Personenflugkilometern Langstrecke 1 Hochrechnung aus Monitoringdaten 2 Annahme aus Bsp Schweißlinie

12 BALANCED MANUFACTURING Danke für Ihre Aufmerksamkeit! Ines Leobner Institut für Fertigungstechnik und Hochleistungslasertechnik Institut für Energietechnik und Thermodynamik Tel.: ines.leobner@tuwien.ac.at