Interdisziplinäre Optimierungsstrategien zu Energieeffizienz in Produktionsbetrieben

Transkript

1 Interdisziplinäre Optimierungsstrategien zu Energieeffizienz in Produktionsbetrieben Ines LEOBNER 1(1), Wolfgang KASTNER (2), Iva KOVACIC (3), Bernhard HEINZL (2), Matthias RÖSSLER (2), Fabian DÜR (4), Thomas FLATZ (4), Karl PONWEISER (1), Friedrich BLEICHER (4) (1) Technische Universität Wien, Institut für Energietechnik und Thermodynamik, (2) Technische Universität Wien, Institut für Rechnergestützte Automation, (3) Technische Universität Wien, Institut für interdisziplinäres Bauprozessmanagement, (4) Technische Universität Wien, Institut für Fertigungstechnik und Hochleistungslasertechnik Kurzfassung: Die vorliegende Publikation beschäftigt sich mit der interdisziplinären Optimierung der Energieeffizienz von Produktionsbetrieben. Einleitend werden Disziplinen-spezifische Handlungsfelder und deren Integration in eine dynamische Simulation diskutiert, mit deren Hilfe die energetischen Auswirkungen und der finanzielle Nutzen aus energieeffizienzsteigernden Maßnahmen prognostiziert und dadurch Anreize für Investitionsentscheidungen generiert werden sollen. In weiterer Folge werden der methodische Ansatz, die technische Implementierung sowie beispielhafte Resultate von Simulationsläufen erläutert. Keywords: Energieeffizienz in der Produktion, dynamische Simulation, interdisziplinäre Optimierung 1 Motivation und zentrale Fragestellung Die produzierende Industrie in Österreich ist für beinahe 33% des nationalen Endenergieverbrauchs verantwortlich und stellt somit neben Haushalten und Transport einen der größten Verbraucher dar [1]. Während in den beiden letztgenannten Sektoren Energieeffizienzmaßnahmen seit Jahren vorangetrieben werden, lag der Schwerpunkt der Anforderungen für die Planung von Produktionsstätten in der Vergangenheit vorwiegend auf Flexibilität und Erweiterbarkeit [2]. [3] schätzt das vorhandene Einsparungspotential, abhängig vom Industriesektor auf 35 60% des Energiebedarfes, womit in energieintensiveren Industriezweigen signifikante finanzielle Einsparungen erzielt werden könnten. Trotzdem forcierte in der Vergangenheit laut [2] nur ein Bruchteil der produzierenden Unternehmen aktiv die Implementierung von energieeffizienz-steigernden Maßnahmen. Aufgrund wirtschaftlicher und gesellschaftli- 1 Getreidemarkt 9/302, 1060 Wien, , ines.leobner@tuwien.ac.at, Seite 1 von 11

2 cher Rahmenbedingungen rückt der Faktor CO2-Ausstoß aber zusehends in den Fokus vieler Firmen und erweitert somit das Spannungsfeld betreffend Zeit, Qualität und Kosten. Wie in [4] und [5] analysiert, stellten die Aufbringung der notwendigen Investitionsvolumina und der Mangel an verlässlichen Vorhersageinstrumenten für die damit erreichbaren Einsparungspotentiale wesentliche Hürden für Unternehmen dar, Energieeffizienzmaßnahmen im eigenen Wirkungsbereich zu setzen. Ziel der vorgestellten Forschungstätigkeiten ist es daher, Unternehmen ein simulationsbasiertes Instrument zur Verfügung zu stellen, das die energetischen Auswirkungen und den finanzielle Nutzen aus energieeffizienzsteigernden Maßnahmen vor Augen führt und dadurch Anreize für Investitionsentscheidungen generiert. 2 Methodische Vorgehensweise Einen möglichen Ansatz zur Reduktion des Energiebedarfs von Produktionsbetrieben stellt die Steigerung der Energieeffizienz des Produktionsprozesses selbst dar. Zahlreiche Studien über unterschiedliche Arten von Produktionsbetrieben, wie z.b. [6], [7] oder [8] beschäftigen sich mit diesem Zugang. Eine andere Herangehensweise bietet, wie von [9] vorgeschlagen, die energetische Optimierung der Infrastruktur. Um eine ganzheitliche Optimierung aller relevanten Aspekte des Systems Fertigungsbetrieb und deren Implikationen aufeinander durchführen zu können, wurde ein interdisziplinärer Ansatz gewählt. Hierzu wurden die hauptsächlichen Handlungsfelder innerhalb des Produktionsbetriebs identifiziert. Die so ermittelten Optimierungsfelder Prozess, Maschine, Produktionssystem, Energiesystem und Gebäude wurden zunächst gesondert auf Einsparungspotentiale analysiert. In einem nächsten Schritt wurden die Zusammenhänge und Implikationen zwischen diesen Teilbereichen detailliert festgehalten, um die gegenseitigen Beziehungen und Abhängigkeiten zu verstehen. Dadurch war es möglich, die Implikationen von kleinen Änderungen in Teilbereichen auf andere Produktionsteile und den gesamten Fertigungsbetrieb zu erkennen. Um quantitative Aufschlüsse über die Energieaufwände im Fertigungsbetrieb zu bekommen, wurden sodann mehrere Simulationsmodelle erstellt, die verschiedene energetische Aspekte des produzierenden Betriebs abdecken. Diese Modelle sind als eigenständig lauffähige Simulationen in unterschiedlichen Modellierungsumgebungen konzipiert und verwenden verschiedene, für den jeweiligen Teilaspekt zugeschnittene Modellbeschreibungen. Um auch die energetischen Wechselwirkungen zwischen den einzelnen Teilsystemen im Fertigungsbetrieb studieren zu können und zu einem energieoptimierten Gesamtsystem zu gelangen, wurde das Verfahren der Co-Simulation herangezogen. Basierend auf einer theoretischen Modellbildung wurden dabei die entwickelten Teilmodelle mit Hilfe eines Software- Frameworks aneinander gekoppelt, was einen Datenaustausch und zeitlich synchronisierten Ablauf der Simulation in jeder der Simulationsumgebungen sicher stellt. Die resultierende Gesamtsimulation ermöglicht eine ganzheitliche energetische Betrachtung der Produktion. Seite 2 von 11

3 Abbildung 1: Optimierungsfelder in einem Produktionsbetrieb 2.1 Analyse der Optimierungsfelder Bereits durch diese intensive theoretische Auseinandersetzung mit den lokalisierten Handlungsfeldern konnten erste Optimierungsansätze entwickelt werden, die einfache Zusammenhänge abbilden. Hierbei waren besonders das thermische Verhalten dieser Anlagen und deren Interaktion mit dem Gebäude, sowie ein darauf abgestimmtes Energiesystem von Relevanz. Der Grund hierfür ist eine nicht zu vernachlässigende thermische Energie der Werkzeugmaschinen in Produktionsstätten, wodurch sich ein großes Optimierungspotential in der Gebäudeplanung und Nutzung ergibt Optimierungsfelder Prozess, Maschine, Produktionssystem Wie einleitend angesprochen, haben die Abwärmeströme von Werkzeugmaschinen großen Einfluss auf die energetische Effizienz der Infrastruktur zerspanender Betriebe. Das Verständnis der Energieflüsse, sowie der maschineninternen Energiewandlung, dient als Basis für die energetische Modellierung eines spezifischen Maschinenparks. Die zugeführte elektrische Energie wird in die für den Materialabtrag (Materialtrennung und Kristallgitterverformung) benötigte Energie gewandelt, der Rest der zugeführten elektrischen Energie wird, gemäß dem 1. und 2. Hauptsatz der Thermodynamik, als Abwärme in den Raum abgegeben. In jeder Komponente einer Maschine, wie z.b. Motoren, Lager, Getriebe, Führungen und Steuerungen, wird Energie eingebracht und in Wärme umgewandelt. Diese wird in weiterer Folge durch Wärmeübergang, -strahlung und Konvektion an die Umgebung abgegeben. Die Aufteilung der eingebrachten elektrischen Energie auf die relevanten Energieanteile wird in Abbildung 2 veranschaulicht. Der dargestellte Energiefluss entspricht der eingebrachten Energie während des Schneideneingriffs. Seite 3 von 11

4 Abbildung 3: Energieströme während der Bearbeitung im System WZM Der am Ende der Antriebskette der WZM an der Spindel zur Verfügung stehende Energiebetrag ist die Prozessenergie, welche verwendet wird, um den Span abzutragen. Der Anteil der Energie für die Materialtrennung und Verformungsenergie im Kristallgitter variiert, je nach zerspantem Material, verwendetem Werkzeug und Schnittparameter, zwischen 2% und 26% der Prozessenergie. Referenzmessungen haben ergeben, dass der Anteil der Prozessenergie zwischen 5% und 25% der eingehenden Energie variieren kann und somit der Energieanteil für die Materialtrennung und Verformungsenergie im Kristallgitter zwischen 0,1% und 6,5% liegt. Weitere Analysen haben ergeben, dass der Anteil der Energie für die Materialtrennung und Verformungsenergie im Kristallgitter über einen gesamten Fertigungszyklus (nicht nur Schneideneingriffszeit) zwischen 0,0039% und 1,59% beträgt. Dies bedeutet, dass von der zugeführten elektrischen Energie einer Werkzeugmaschine schlussendlich zwischen 98,41% und 99,9% als Abwärme emittiert wird. Für die Implementierung eines Modells, welches die Abbildung eines spezifischen Maschinenparks in der Gesamtsimulation widerspiegelt, wurden im Weiteren die wesentlichen Verbraucher einer Werkzeugmaschine und deren Einflussgrößen quantifiziert. Hierbei sind das energetische Verhalten im Stand-by Modus sowie die dynamischen Verbraucher während der Bearbeitung von großer Bedeutung. Aus der Erkenntnis über das energetische Verhalten von den Werkzeugmaschinen in Kombination mit Inputdaten aus einem Produktionsplan lässt sich der Lastgang eines Maschinenparks bestimmen und in die Co-Simulation integrieren. Weiters wurden Analysen zum energetischen Verhalten von Härte- und Anlassöfen, Laserschneidanlagen und Kompressoren durchgeführt und daraus Modelle abgeleitet Optimierungsfeld Gebäude Bei der Planung und Optimierung der industriellen Gebäude spielen vordergründig Faktoren wie Erweiterbarkeit und Flexibilität die Schlüsselrolle, da die Gebäude-Struktur eine wesentlich längere Lebensdauer als die darin stattfindenden Produktionszyklen aufweist. Die Gewährleistung eines Ressourcen- und zeiteffizienten Umbaus oder Erweiterung einer Produktionshalle als Folge der Produktionsflussänderung sind die prioritären Planungsziele. Mit der Einführung der Europäischen Richtlinien über die Gesamtenergie-Effizienz bei Gebäuden [10] steigen auch die Anforderungen an das energetische Verhalten der Gebäude wesentlich zukünftige Entwicklungen weisen sogar in die Richtung der Plus-Energie-Gebäude. Indust- Seite 4 von 11

5 rie-gebäude eignen sich durch die großen Dach- und Fassadenflächen für die solare Stromproduktion, jedoch ist in Hinblick auf eine gesamtenergetische Optimierung in Richtung Plus-Energie eine ganzheitliche Optimierung des Zusammenwirkens der Systeme TGA (Technische Gebäudeausstattung) Gebäudehülle Produktionssystem ausschlaggebend, insbesondere bei Produktionsarten die durch große Mengen von Abwärme gekennzeichnet sind. Um die Szenarien für Energieoptimierung im Bereich Gebäude simulieren zu können, wurde anhand der Bedarfsanalyse für einen Projektpartner ein virtuelles Gebäudemodell konzipiert. Für diese virtuelle Produktionsstätte wurden mehrere Fassaden- (variierender Grad der Transparenz, unterschiedliche Dämmwerte, Fenstervarianten öffenbar-fix) sowie TGA-Varianten (Szenario 1 und 2) konzipiert und in deren Abhängigkeit untersucht Optimierungsfeld Energiesystem Bei der Optimierung des Energiesystems ist besonders auf die Angepasstheit an lokale oder produktionsbedingte Randbedingungen Bedacht zu nehmen, um eine optimale Systemkonzeption vornehmen zu können. Da, ebenso wie bei dem Gebäude, der Lebenszyklus gebäudetechnischer Systeme meist wesentlich über jenem der Produktionsprozesse liegt, stellt auch hier die Gewährleistung der notwendigen Flexibilität in Bezug auf die möglichst optimierte Abdeckung einer größeren Anzahl möglicher Betriebsszenarien eine der wichtigsten planerischen Herausforderungen dar. Besondere Bedeutung kommt hier der Betriebsführungs- bzw. Regelungsstrategie der Anlagen zu. Anhand von Untersuchungen von Referenzobjekten konnte festgestellt werden, dass überhöhte Energiebedarfe oft durch schlecht an die Gebäudenutzung angepasste Betriebsführungsstrategien, oft bedingt durch Umnutzungen, zustande kommen. Hier können durch kostengünstige Maßnahmen große Hebelwirkungen erzielt werden, oft bei gleichzeitiger Erhöhung des Komforts im Gebäude. Bei einem untersuchten Gebäude konnte durch eine Anpassung der Heizungsregelung eine Einsparung von 16.7% des gesamten bezogenen Endenergiebedarfes mittels Simulation prognostiziert werden. [11] 2.2 Modellbildung Das Ziel der theoretischen Modellbildung war ein möglichst universell einsetzbares Modell einer Produktionsanlage mit Fokus auf die Energieströme, das als Basis für Simulationen aller Arten von Produktionsbetrieben dienen kann und die Integration mehrerer Simulationsumgebungen erlaubt, dabei aber unabhängig von spezifischen Werkzeugen ist. Des Weiteren war die Zielsetzung nicht ausgerichtet auf automatisierte Strukturoptimierung, sondern auf den Vergleich mehrerer vordefinierter Szenarien anhand von aussagekräftigen Indikatoren. Um diese Anforderungen zu erfüllen, wurde ein generischer Ansatz auf Basis von Komponenten, Variablen und Parametern gewählt. [12] Um zu den Modellkomponenten und Variablen zu gelangen, wurden die energetischen Wechselwirkungen zwischen den einzelnen Entitäten im Fertigungsbetrieb analysiert und in unterschiedliche Komponenten aufgeteilt, die wiederrum eine feiner granulare Auflösung der Optimierungsfelder darstellen. Bei der Abgrenzung der Komponenten war die vollständige Abbildbarkeit der einzelnen Komponenten innerhalb jeweils einer einzigen Simulationsumgebung ein wichtiges Kriterium. Aus den energetischen Wechselwirkungen und Informationsflüssen ergaben sich die Variablenverbindungen zwischen den einzelnen Komponenten. Im Seite 5 von 11

6 nächsten Schritt wurden Überlegungen zur Modellierung der einzelnen Teilbereiche angestellt und daraus die Parameter extrahiert. Das Gesamtmodell wurde iterativ verfeinert und bildet die Grundlage, um das energetische Verhalten des Gesamtsystems zu simulieren (integrierte Simulation). 3 Modellimplementierung Bei der Integration der einzelnen Teilmodelle zu einer lauffähigen Gesamtsimulation trat die Problemstellung auf, dass am Markt kein allumfassendes Simulationstool existierte, mit dem das gesamte Modell mit all seinen Teilkomponenten und unter Einbeziehung der dynamischen Abhängigkeiten simuliert werden konnte. Es wurde daher die Entscheidung getroffen, die Systemteile in unterschiedlichen Simulationsumgebungen abzubilden und miteinander zu verknüpfen, um den Einfluss der dynamischen Rückkoppelungen während der Laufzeit darstellen zu können. Durch diese Herangehensweise kann jede an der Simulation beteiligte Expertendomäne mit dem präferierten Werkzeug arbeiten und die Wiederverwendbarkeit existierender Modelle und existierenden Wissens ist gegeben. Die einzelnen Teilmodelle der integrierten Gesamtsimulation wurden mit MATLAB, EnergyPlus, sowie Dymola ausgeführt und mit Hilfe des Software Frameworks Building Controls Virtual Test Bed (BCVTB) [13] aneinander gekoppelt. Diese Co-Simulation stellt den Datenaustausch und zeitlich synchronisierten Ablauf der einzelnen Simulationen sicher. Die resultierende Gesamtsimulation ermöglicht eine ganzheitliche energetische Betrachtung der Produktion. Abbildung 2: Simulations-Framework 4 Vorläufige Resultate Für den ersten Simulationslauf wurde ein vereinfachtes System aus Produktion, Gebäude und technischer Gebäudeausrüstung hinsichtlich Heiz- und Kühlenergiebedarf abhängig von Standort und Produktionsauslastung untersucht. Ziel der generisch gehaltenen Simulation war es, die technische Tauglichkeit unterschiedlicher gebäudetechnischer Systeme für verschiedene Klimazonen und Produktionsszenarien sichtbar zu machen. Aus Messdaten wurden drei verschiedene Auslastungsszenarien (niedrig, mittel, hoch) für die Produktion generiert und über MATLAB in die Simulation eingekoppelt. Die von der Produktion benötigte Energie wurde als Abwärme in das Gebäude eingebracht, das in EnergyPlus abgebildet wurde. Das Gebäudemodell berechnete mittels Klimadaten von drei verschiedenen Standorten und der eingebrachten Abwärme der Produktion den benötigten Seite 6 von 11

7 Heiz- bzw. Kühlenergiebedarf, um Komfortbedingungen innerhalb des Gebäudes herzustellen. Die Deckung des berechneten Bedarfes wurde von zwei unterschiedlichen gebäudetechnischen Systemen übernommen, die in Dymola modelliert wurden. Im konservativen Szenario 1, wurden der Heizenergiebedarf durch eine Ölheizung und Kühlenergiebedarf durch eine Kompressionskältemaschine gedeckt. Daraus ergibt sich der benötigte Strombedarf für die Aufrechterhaltung der Kühlung und der benötigte Wärmebedarf für die Heizung, berechnet als Masse des Heizöls multipliziert mit dem unteren Heizwert. In Szenario 2 wurde der Heizwärmebedarf durch eine Wärmepumpe gedeckt, der eine Wärmequelle mit 10 C (Grundwasser) zur Verfügung steht. Die Kühlung wurde über eine Absorptionskältemaschine realisiert, die mittels einer Wärmerückgewinnung Abwärme aus der Produktion nutzte. Der Rest der Wärme wurde durch Zukauf modelliert, beispielsweise aus einem Fernwärmenetz. Somit berechnete Szenario 2 den Strombedarf, der zur Heizung verwendet wird und den Wärmebedarf der von externen Anbietern bezogen werden muss, um die Kühlung zu gewährleisten. Es wurden drei ausgewählte Tage im Jahr (Winter, Frühling, Sommer) simuliert mit Klimadatensätzen von jeweils drei verschiedenen Standorten (Kairo, Wien, Moskau). Abbildung 3 verdeutlicht schematisch den Aufbau der Simulation. Die wichtigsten Eingabeparameter der Simulation können Tabelle 1 entnommen werden. Die Kennlinienfelder der Kältemaschinen wurden von handelsüblichen Modellen übernommen. Abbildung 3: Schema des Simulationsaufbaus Produktion Auslastung niedrig kwh Einbringungszeit 8:00-18:00 Auslastung mittel kwh Auslastung hoch kwh Gebäude Länge (Nord-Süd) 74 m Außenwände U-Wert 0.35 W/(m²K) Breite (Ost-West) 50 m Dach U-Wert 0.16 W/(m²K) Höhe 12 m Boden U-Wert 0.3 W/(m²K) Heizung-Sollwert 20 C Verglasung % Kühlung-Sollwert 26 C Thermische Zonen 5 Seite 7 von 11

8 Gebäudeausrüstung Szenario 1 Szenario 2 Ölheizung Kapazität 380 kw Wärmepumpe 380 kw Ölheizung Wirkungsgrad 0.93 Jahresnutzungsgrad 0.35 Kompressionskältemaschine Kapazität 250 kw Absorptionskältemaschine Kapazität 4 x 62.5 kw Rückgewinnbare Wärme aus der Produktion 40 % Tabelle 1: Simulationseingabeparameter Die Ergebnisse der Simulation sind qualitativ in den Abbildungen 4, 5 und 6 dargestellt. Es zeigt sich deutlich, dass die Heizungswärmeversorgung durch die Wärmepumpe wesentlich energieeffizienter abläuft als durch die Ölheizung, die Absorptionskältemaschine aber mehr Energie benötigt als die Kompressionskältemaschine. Szenario 2 ist daher in kälteren Klimazonen vorzuziehen, da energiesparender gearbeitet wird als in wärmeren Zonen. In wärmeren Zonen (Kairo) wäre eine Absorptionskältemaschine nur mit zusätzlicher Unterstützung durch solarthermische Anlagen einer Kälteversorgung durch eine Kompressionskältemaschine vorzuziehen. Es lässt sich ebenfalls beobachten, dass ab einer gewissen Produktionsauslastung der extern bezogene Wärmebedarf für den Betrieb der Absorptionskältemaschine nur mehr geringer ansteigt, da mehr innerbetriebliche Abwärme zur Verfügung steht. Generell verhält sich Szenario 2 durch die Abwärmenutzung bei höherer Produktionsausauslastung effizienter als bei niedriger Produktivität. Abbildung 4: Energiebedarf für Heizung und Kühlung am Standort Kairo Seite 8 von 11

9 Abbildung 5: Energiebedarf für Heizung und Kühlung am Standort Wien Abbildung 6: Energiebedarf für Heizung und Kühlung am Standort Moskau 5 Schlussfolgerungen und Ausblick Die Simulationsergebnisse zeigen deutlich, dass die Effizienz eines Energiesystems in Industriebetrieben stark von den klimatischen und produktionstechnischen Randbedingungen diktiert wird. Da, wie oben beschrieben, der Zuschnitt eines Gebäudes oder einer Gebäudeausrüstung auf die exakten Nutzungsszenarien aufgrund von Flexibilitätserwägungen schwierig zu bewerkstelligen ist, gilt es Energiesysteme zu finden, die sich mit möglichst hoher Flexibilität den unterschiedlichen Szenarien anpassen können. Dies könnte z.b. für das obige Energiesystem eine flexible Kühlungslösung unter Einbeziehung von sowohl Absorptionsmaschinen zur Nutzung der entstehenden Abwärme, als auch Kompressionsmaschinen bewerkstelligen. Seite 9 von 11

10 Aufbauend auf den präsentierten Ergebnissen wird im nächsten Schritt eine wirtschaftliche Bewertung der Simulationsergebnisse in die Simulation integriert, mit der es möglich sein soll eine Lebenszykluskosten Nutzen Analyse aufbauend auf den Simulationsergebnissen durchzuführen und aussagekräftige Kennzahlen abzuleiten. Abschließend soll ein realer produzierender Betrieb betrachtet werden, um eine Validierung der Simulationsmodelle zu gewinnen. Im Rahmen der ersten Simulationsläufe wurden sämtliche Modellschnittstellen der theoretischen Modellbildung in BCVTB abgebildet und geeignete Modellbibliotheken in den einzelnen Simulationsumgebungen zusammengestellt, um unterschiedliche Modellinstanzen mit möglichst geringem Aufwand darstellen zu können. Trotzdem bleibt der Aufwand und das nötige Expertenwissen für das Aufsetzen eines Simulationsszenarios bedingt durch die thematische wie auch technische Komplexität relativ hoch und erfordert daher auch weiterhin die Einbindung Disziplinen-spezifischer Experten. Die entwickelte integrierte Gesamtsimulation soll ein verlässliches Prognose-Instrument zur Unterstützung bei der Planung energieeffizienz-steigernder Maßnahmen darstellen. Da Bestandsoptimierungen wegen der Störung der Produktionsprozesse sehr kostspielig und manchmal unmöglich sind, soll die Entwicklung der Maßnahmen zur Energieeffizienz bestmöglich schon in den frühen Planungsphasen stattfinden. Mit Hilfe der Gesamtsimulation soll es möglich sein, energiesparende Produktionsprozesse, TGA-Systeme, die erneuerbare Energien sowie Produktionsabwärme nutzen, und innovative, energieproduzierende Gebäudehüllen in einer integralen Simulation zu modellieren und letztlich Aussagen über ein ganzheitliches Optimum des Fertigungssystems mit allen anfallenden Energieflüssen entlang der Wertschöpfungskette in einer frühen Phase der Konzeptionierung machen zu können. Die Simulation erlaubt für unterschiedliche Szenarien, die Zielvorgaben, Strategien, wirtschaftliches und politisches Umfeld betreffen können, den gegenseitigen Einfluss von Einsparungsmaßnahmen zu zeigen und setzt so Energieeffizienzmaßnahmen mit Kosten und Nutzen in Relation. Damit können betriebsrelevante Kennzahlen ermittelt werden und die Auswirkungen von Energieeinsparungsmaßnahmen für Betriebe transparent gemacht werden, um Hinderungsgründe [4] für dahingehende Investitionen abzubauen. Literatur [1] Statistik Austria: Gesamtenergiebilanz Österreich (1970 bis 2010): [2] M. Schröter, U. Weißfloch, D. Buschak, Energieeffizienz in der Produktion, Wunsch oder Wirklichkeit? Frankfurt, Fraunhofer-Institut für Systemund Innovationsforschung, 2009 [3] E. Bonneville, A. Rialhe, Good practice for energy efficiency in industry, May 2006, [4] K. Bunse, M. Vodicka, P. Schönsleben, M. Brülhart, F. Ernst, Integrating energy efficiency performance in production management - gap analysis between industrial needs and scientific literature Journal of Cleaner Production, Vol. 19, pp , 2011 [5] F. Alhourani, U. Saxena, Factors affecting the implementation rates of energy and productivity recommendations in small and medium sized companies, Journal of Manufacturing Systems, vol. 28, pp , 2009 [6] J. W. Fromme, Energy conservation in the Russian manufacturing industry, in Energy policy, vol. 24 no. 3, 1996, pp Seite 10 von 11

11 [7] C. I. Pardo Martínez, Energy use and energy efficiency development in the German and Colombian textile industry, in Energy for Sustainable Development vol. 14, 2010, pp [8] P. Thollander, M. Ottosson, Energy management practices in Swedish energy-intensive industries in Journal of Cleaner Production, vol. 18, 2010, pp [9] Fraunhofer Gesellschaft, Energy efficiency in production, investigations concerning action- and research demand (Energieeffizienz in der Produktion, Untersuchungen zum Handlungs- und Forschungsbedarf), broschueren/effpro.pdf. [10] EBPD (2010) DIRECTIVE 2010/31/EU OF THE EUROPEAN PARLIAMENT AND OF THE COUNCIL of 19 May 2010 on the energy performance of buildings [11] I. Leobner, K. Ponweiser, C. Dorn, F. Bleicher, Monitoring of energy flows and optimization of energy efficiency in a production facility, Proc. of the 5 th International Conference on Energy and Development Environment Biomedicine, Corfu, Greece, pp , [12] I. Leobner, G. Neugschwandtner, K. Ponweiser, W. Kastner, Energy Efficient Production A Holistic Modeling Approach, Proc. World Congress on Sustainable Technologies, November 2011, London, pp [13] M. Wetter and C. Haugstetter, Modelica versus TRNSYS A comparison between an equation-based and a procedural modeling language for building energy simulation, Proc. of the 2nd SimBuild Conference, Cambridge, MA, USA, Seite 11 von 11