Don t gamble with physical properties Kein Glücksspiel mit Stoffdaten Lunch & Learn

Transkript

1 Don t gamble with physical properties Kein Glücksspiel mit Stoffdaten Lunch & Learn Siemens AG 2016 siemens.de/ec

2 Agenda Motivation Der seltsame Fall der Stoffdaten Wie läuft das bei der Sicherheitstechnik? Was haben wir daraus gelernt? Fazit Seite 2

3 Neuanlage, Kapazitätserweiterung, Retrofit... Die Basis bildet die... evaluate Massen- und Energiebilanz improve engineer Bildquelle: Siemens AG Seite 3

4 Stoffdaten als Basis für profitablen Anlagenbetrieb Funktionierender Prozess Betriebswirtschaftliches Ergebnis Produkt in geplanter Menge und Qualität Sicherheitstechnik Bildquelle: Siemens AG Seite 4

5 Stoffdatenklassen... rund um die Chemieanlage p-v-t Daten kritische Daten, Siede- und Schmelzpunkte, Dampfdrücke Phasengleichgewichte Siede- und Taupunkte, Fugazitäts- & Aktivitätskoeffizienten, Löslichkeiten (z.b. Henry), binäre Wechselwirkungsparameter Kalorische Eigenschaften Spezifische Wärme, Enthalpie Transport- und Grenzflächeneigenschaften Viskosität, Wärmeleitfähigkeit, Oberflächenspannung Chemisches Gleichgewicht Gleichgewichtskonstanten, Geschwindigkeitskonstanten Sicherheitstechnische Kenngrößen Ebulliometer Toxikologische Daten Zündtemperaturbestimmung Seite 5

6 Modellierung eines thermischen Trennprozesses Genauigkeit, Komplexität Black-box- Modell Short-cut Modell Gleichgewichtsstufenmodell Stoffaustauschmodell Exaktes oder Ultimatives Modell reine Mengenbilanz Mengenbilanz mit konstanten Trennfaktoren Wirkungsgrad der einzelnen Stufen Berücksichtigung des Stofftransports an den Phasengrenzen AspenTech, CHEMCAD Quelle: Stoffdaten Input Seite 6

7 Agenda 1 2 Motivation Der seltsame Fall der Stoffdaten Software Modellierung Schätzung Messung, Datenbank, Literatur Probe Wie läuft das bei der Sicherheitstechnik? Was haben wir daraus gelernt? Fazit Seite 7

8 Welchen Weg durchlaufen Stoffdaten? Probe Messung Datenbank Modellierung Prozess- Simulations- Software Literatur Schätzung Seite 8

9 Beispiel 1: Verschiedene Softwareversionen AspenTech mehr als 2 Versionen pro Jahr Ein Projekt läuft über mehrere Jahre wie stellt man sicher, dass Ingenieur A zu den gleichen Ergebnissen kommt wie Ingenieur B Bildquelle: Siemens AG Bildquelle: Seite 9

10 Gas-Flüssig-Gleichgewicht Chlorwasserstoff- Wasser T [ C] VLE HCl-H2O, Aspen V ,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 x HCl [mol/mol] Aspen V7.2 Aspen V7.2 Othmer,D.F, Ind. Eng. Chem. Ind. Ed. (1928), 20 (7), pp Othmer,D.F, Ind. Eng. Chem. Ind. Ed. (1928), 20 (7), pp Sako et al., J. Chem. Eng. Jpn. (1984), 17 (4), pp Sako et al., J. Chem. Eng. Jpn. (1984), 17 (4), pp Lutugina et al., J. Appl. Chem. USSR (1965), 38 (7), pp Lutugina et al., J. Appl. Chem. USSR (1965), 38 (7), pp Lutugina et al., J. Appl. Chem. USSR (1965), 38 (7), pp Hawliczek et al., Chem. Stosowana (1962), 3, pp Hawliczek et al., Chem. Stosowana (1962), 3, pp Carriere et al., C. R. Hebd. Seances Acad. Sci. (1924), 179, pp Carriere et al., C. R. Hebd. Seances Acad. Sci. (1924), 179, pp Lu et al., Gaoxiao Huaxue Gongcheng Xuebao (1987), 2 (2), pp 1-12 Lu et al., Gaoxiao Huaxue Gongcheng Xuebao (1987), 2 (2), pp 1-12 Lu et al., Gaoxiao Huaxue Gongcheng Xuebao (1987), 2 (2), pp 1-12 Jablczynski et al., Rocz. Chem. (1923), 3, pp Ahmed et al.,j. Appl. Chem. (1970), 20 (4), pp Seite 10

11 Gas-Flüssig-Gleichgewicht Chlorwasserstoff- Wasser VLE HCl-H2O, Aspen V8.8 Aspen V8.8 Aspen V8.8 Othmer,D.F, Ind. Eng. Chem. Ind. Ed. (1928), 20 (7), pp Othmer,D.F, Ind. Eng. Chem. Ind. Ed. (1928), 20 (7), pp Sako et al., J. Chem. Eng. Jpn. (1984), 17 (4), pp T [ C] Sako et al., J. Chem. Eng. Jpn. (1984), 17 (4), pp Lutugina et al., J. Appl. Chem. USSR (1965), 38 (7), pp Lutugina et al., J. Appl. Chem. USSR (1965), 38 (7), pp Lutugina et al., J. Appl. Chem. USSR (1965), 38 (7), pp Hawliczek et al., Chem. Stosowana (1962), 3, pp Hawliczek et al., Chem. Stosowana (1962), 3, pp Carriere et al., C. R. Hebd. Seances Acad. Sci. (1924), 179, pp Carriere et al., C. R. Hebd. Seances Acad. Sci. (1924), 179, pp Lu et al., Gaoxiao Huaxue Gongcheng Xuebao (1987), 2 (2), pp 1-12 Lu et al., Gaoxiao Huaxue Gongcheng Xuebao (1987), 2 (2), pp 1-12 Lu et al., Gaoxiao Huaxue Gongcheng Xuebao (1987), 2 (2), pp 1-12 Jablczynski et al., Rocz. Chem. (1923), 3, pp ,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 x HCl [mol/mol] Ahmed et al.,j. Appl. Chem. (1970), 20 (4), pp Seite 11

12 Beispiel 2: Verschiede Softwaretools Aspen Plus Arabian Light Aspen HYSYS Arabian Light Zusammensetzungen unterschiedlich. Führt zu unterschiedlicher Belastungsdaten Kolonnenauslegung unterschiedlich Lösung: Experimentelle Evaluierung mit diesem Öl im Labor durch skalierbare Versuche! Seite 12

13 Beispiel 3: Methanol - Wasser 1000 Dichte, MeOH-H2O Aspen Plus V8.8 Dichte [kg/m³] Coquelet et al, 2005 Lee et al., 1990 Sakurai et al., ,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 x H2O [mol/mol] Seite 13

14 Beispiel 3: Methanol - Wasser Förderhöhe [m] kg/m³ 867 kg/m³ Anlagenkennlinie 140 t/h; 6,4 kw nicht möglich! 140 t/h; 5,8 kw 133 t/h; 5,5 kw -5 % Massenstrom Volumenstrom [m³/h] Seite 14

16 Modellauswahl aus Vielzahl an Optionen Assoziation und unter Druck Eine zuverlässige simultane Beschreibung von Assoziation und realen Effekten in der Dampfphase ist nur begrenzt mittels PC-SAFT und CPA möglich, ansonsten nicht möglich Dampfphase Assoziation real (p> ca. 5 bar) Assoziation + ideal PR, SRK + ideal oder PR, SRK ( - - Ansatz) Assoziation + Wilson, NRTL,UNIQUAC PR, SRK + Wilson, NRTL, UNIQUAC Assoziation + NRTL,UNIQUAC PR, SRK + NRTL,UNIQUAC ENRTL-HF, PC-SAFT, CPA ENRTL (ideal + NRTL für Elektrolyte) PC-SAFT, CPA ENRTL-RK ideal ideal + ideal ideal + Wilson, NRTL, UNIQUAC ideal + NRTL,UNIQUAC ENRTL (ideal + NRTL für Elektrolyte) Definition von Henry- Komponenten ideale Mischung reale Mischung stark reale Mischung (LLE) Elektrolyte in der Mischung überkritische Komopnenten in der Mischung Flüssigkeit Seite 16

17 Falsches Modell Essigsäure Wasser Seite 17

18 Richtiges Modell gewählt Seite 18

19 Stoffdaten sparen IHR Geld Engpassbeseitigung & Kapazitätserhöhung ideal Realverhalten Vorgehensweise: Modellierung mit genauen thermodynamischen Daten Lösung: Verlegung des Zulaufs mehr Trennstufen in Abtriebsteil geringeres Rücklaufverhältnis Kapazitätserhöhung um 15 % Kosten neue Kolonne: 500 keur, Kosten der Maßnahme: 35 keur Seite 19

21 Vorhersage oder Schätzung von Stoffdaten Gruppenbeitragsmethoden z.b. mod. UNIFAC: Aktivitätskoeffizient Toluol 1 x aromatisch CCH3 5 x aromatisch CH Bildquelle: DDBST Seite 21

23 Qualität der Messungen?? Quelle: Experimentell ermittelte Wärmeleitfähigkeit von flüssigem Toluol bei 20 C als Funktion des Publikationsjahres Seite 23

24 Messung - Dampfdruck Ebulliometer Kalibrierung: Druckmessung Temperaturmessung z.b. Dampfdruck-Kurve von Isopropanol Seite 24

25 Messung aktuelles Bespiel VLE Messung und Reinstoffmessung Reinstoffmessung wurde bei uns im Haus gemacht VLE Messung extern Vergleich mit Betriebsdaten Seite 25

26 Messung aktuelles Bespiel VLE Messung und Reinstoffmessung Externen Bericht verglichen Probe wird geliefert mit 2-2,5% Verunreinigung Seite 26

28 GLP-Qualitätssicherungsprogramm Die Gute Laborpraxis (GLP) ist ein Qualitätssicherungssystem, das sich mit dem organisatorischen Ablauf und den Rahmenbedingungen befasst, unter denen nicht-klinische gesundheitsund umweltrelevante Sicherheitsprüfungen geplant, durchgeführt und überwacht werden sowie mit der Aufzeichnung, Archivierung und Berichterstattung der Prüfungen Quelle: Bundesamt für Risikobewertung Seite 28

30 Wie wird das gelebt? Wie kann man Probleme vermeiden? Arbeitsmappen und SOP s sichern Wissen und verhindern, dass Ingenieur A und B verschiedene/falsche Ergebnisse erhalten Schulung des Personals Regelmäßige Auditierung (intern, extern) Bewertung der Stoffdatenbasis mit Noten Verwaltung Stoffdatenpaket Gute Dokumentation Projektspezifische Stoffdatenpaket Änderungen Stoffdatenexperte Software für Prozesssimulation Software für Equipmentdesign Seite 30

32 Fazit Thermodynamisches Verständnis ist essentiell Blindes Vertrauen in Daten oder Vorauswahl kann unangenehme Folgen haben Qualitätsmanagement hilft bei der Fehlervermeidung und -behebung Bildquelle: Siemens AG Seite 32

33 Wobei können wir Sie unterstützen? Prozesssimulation Validierung durch Vergleich von Simulationsergebnissen mit Prozessbeziehungsweise Experimentaldaten Prozessoptimierung Energetische Optimierung (Pinch-Analyse) Modellierung und Modellauswahl Modellerstellung, Auswahl geeigneter Modelle Bestimmung von Modellparametern Zugriff auf Datenbanken (DETHERM, DDB) Schätzung (UNIFAC, Mod. UNIFAC, PSRK) Stoffdatenvermessung Thermophysikalische und sicherheitstechnische Stoffdaten Seite 33

34 Vielen Dank für Ihre Aufmerksamkeit! Sebastian Löw PD PA AE EC PRD Industriepark Höchst Frankfurt Telefon: +49 (69) Fax: +49 (69) siemens.de/ec Seite Lunch & Learn Sebastian Löw/ PD PA AE EC PRD