Holistische Betrachtung von Stoff- und Energieflüssen mittels Petri-Netzen

Transkript

1 Holistische Betrachtung von Stoff- und Energieflüssen mittels Petri-Netzen Dr. Martin Nagel Universität Erlangen-Nürnberg, Department Chemie- und Bioingenieurwesen, Lehrstuhl für Strömungsmechanik

2 Motivation

3 Herausforderungen, Ziele Erweiterung aktueller Modellierungsansätze in eine hybride Betrachtungsweise Integration zeitdiskreter, kontinuierlicher und wissensbasierter Ansätze aus der aktuellen Forschung Modulares Design zur Anpassung an unterschiedlichste Szenarien Holistische Betrachtung von Stoff- und Energieflüssen Basierend auf einem virtuellen Betrieb erweist sich - ausgehend von spezifischem technologischen Wissen - eine holistische Betrachtung von Stoff- und Energieflüssen als möglich.

4 Lösungsansatz: Referenz-Petri-Netze Jeder realisierte Zustand bzw. jede Bedingung in einem Netz wird mit (mindestens) einer Marke belegt bzw. gekennzeichnet. Ein Ereignis (Transition) kann dann in Petrinetz-Syntax stattfinden (schalten), wenn seine Eingangszustände (Stellen) ausnahmslos entsprechend dem Kantengewicht markiert sind und seine Ausgangszustände (Stellen) ausreichend freie Kapazitäten besitzen, um mit der entsprechenden Anzahl an Marken belegt werden zu können. (a) kann schalten

5 Lösungsansatz: Referenz-Petri-Netze Parametermarke zur Darstellung des Betrachtungsfokuses Beispiel: Brauerei Eindeutige ID, Sorte, Art, Menge, Stammwürze, Temperatur {int(5), int(2), Sud, double(283.56), double(12.0), int(7)} Grundlage für die holistische Betrachtung

6 Lösungsansatz: Referenz-Petri-Netze Marken können für ein ganzes Petri-Netz stehen (Referenz eines Netzes) Objektbasierte Darstellung Mehrere Instanzen eines Netzes leicht erstellbar Beinahe beliebig erweiterbar Komplexe Modelle durch die Trennung von Abläufen in mehrere Netze Opensource: Softwareumgebung Reference Net Workshop (Renew) 6

7 Lösungsansatz: Referenz-Petri-Netze Integration von spezifischem technologischen Wissen Modellintegration Transformation kontinuierlicher und wissensbasierter Modelle und Prozesse in ein zeitdiskretes Modell bzw. einen zeitdiskreten Prozessabschnitt.

8 Modellierungs-/Darstellungskonzept Virtuelle Versuchsbrauerei mittelständische Brauerei mit einem klassischen Vier-Geräte-Sudhaus 3-Ebenen Modellierungsansatz Unterste Ebene: Feinmodellierung, Integration externer Modelle hier Läuterbottich 8

9 Modellierungs-/Darstellungskonzept Virtuelle Versuchsbrauerei mittelständische Brauerei mit einem klassischen Vier-Geräte-Sudhaus 3-Ebenen Modellierungsansatz Mittlere Ebene: Darstellung von Prozessabläufen hier Sudhaus 9

10 Modellierungs-/Darstellungskonzept Virtuelle Versuchsbrauerei mittelständische Brauerei mit einem klassischen Vier-Geräte-Sudhaus 3-Ebenen Modellierungsansatz Oberste Ebene: Verbindung der Teilbereiche, Schnittstelle Simulationssteuerung hier Brauerei 10

11 Interaktivität Puffertank Normale Wärmedämmung Defekte Wärmedämmung Verteilungen stimmen nicht überein (98% Wahrscheinlichkeit) Hohe Interaktivität Gesamter Ergebnisraum der Simulation aller möglichen Scheduling- Kombinationen von 9 Suden Klassifizierung nach Produktionszeit (1 kürzeste, 0 längste)

12 Beispiele: Energieoptimierung einer Brauerei Überblick: Kleine bis mittelständische Brauerei, spezialisiert auf Weißbier 2 ölgefeuerte Kessel zur Dampferzeugung laufen mit hohem Betriebsdruck und niedrigem Kesselwirkungsgrad Geringe Kosten, akzeptable Rechenzeiten, Integration in den bestehenden Betriebsablauf Ziel: Erhöhung des Kesselwirkungsgrades durch Senkung des Betriebsdrucks Herausforderung: Möglicher Dampfmangel im Sudhaus durch geringen Durchmesser der Versorgungsleitung

13 Energieoptimierung - Modellierung Hauptnetz 13

14 Energieoptimierung - Modellierung Teilnetz: Maischen Schätzung der Länge der Zeitschritte mit Hilfe eines künstlichen neuronalen Netzes Zuweisung des Dampfverbrauchs pro Schritt im Postprocessing 14

15 Energieoptimierung - Simulation Anwendung eines Suchalgorithmus zur Reduzierung des Suchraums (1, Möglichkeiten für 2 Produktionswochen) Suche nach zeitlich längstem Spitzenbedarf im Dampfverbrauch Worst-Case Szenario Rechenzeit 24 Stunden, Auswertung der Ergebnisse ca. 200 Worst-Cases mit mehreren extremen Lastspitzen (Dampfverbrauch von 2,88 t/h über jeweils 20 Minuten) Ausgewähltes Beispiel

16 Energieoptimierung - Ergebnis Kombination der Simulationsergebnisse mit den Gegebenheiten vor Ort z.b. Durchmesser der Versorgungsleitung Betrieb seit 2009 mit niedrigerem Kesseldruck ohne Versorgungsengpässe im Sudhaus Aktuell geplante Abschaltung eines Dampfkessels und Ersatz durch Heißwasserkessel mit Hackschnitzelfeuerung Signifikante Einsparungen bei Brennstoffverbrauch und C02 Ausstoß

17 Beispiele: Zerlegung von Schweinefleisch Energetische Betrachtung: Realisierung mittels zeitbehafteter Kanten und Energieerweiterung Produkt aus Leistung (Watt) und Zeit (Minuten): Energetischer Footprint 100 Watt 0.02 Minuten DFG/AiF-Clustervorhaben: Minimal Processing in der automatisierten Feinzerlegung von Schweinefleisch 17

18 Beispiele: Zerlegung von Schweinefleisch Simulation des Footprints : Energiebedarf pro Schweinekeule ID Energiebedarf [Wattminuten] Zeit [Minuten] 18

19 Beispiele: Zerlegung von Schweinefleisch Alternative Prozessplanungen Standardkonfiguration, nur ein Schinken im Prozess (PP1) Zwei bis vier parallele Prozesslinien, jeweils ein Schinken im Prozess (PP2-4) Mehrere Schinken in einem Gesamtprozess (PP5) Kombinationen aus mehreren Robotereinheiten, Sensor- und Zerlegeboxen (PP6-8) Ausnutzung der objektbasierten Darstellung Mehrere Instanzen eines Netzes leicht erstellbar 19

20 Relative Zeit ta/ts [-] Alternative Prozessplanungen PP1 PP8: Kombination verschiedener parallelisierter Produktionslinien 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0, Anzahl IDs [-] PP1 PP5 PP6 PP2 PP7 PP3 PP4 PP8 20

21 Zusammenfassung Modulares System: Virtueller Betrieb Horizontale/Vertikale Vernetzung, Interaktivität: Holistische Betrachtung Ziel Ganzheitliche Optimierung

22 Vielen Dank für Ihre Aufmerksamkeit! Teile der präsentierten Ergebnisse gefördert von: Das Forschungsvorhaben wurde im Programm zur Förderung der Industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Technologie (via AiF) über den Forschungskreis der Ernährungsindustrie e.v. (FEI) gefördert. 22