1 Anwendung und Nutzen von Energiemonitoringsystemen anhand von Praxisbeispielen Prof. Dr.-Ing. Jens Hesselbach
2 Fachgebiet umweltgerechte Produkte und Prozesse Lehrstuhlinhaber Prof. Dr.-Ing. Jens Hesselbach Institut: gegründet im März 2002, 18 Mitarbeiter, ca. 17 HiWis und drei Ausgründungen Forschungsschwerpunkte 1. Klima-, energie- und ressourceneffiziente Produktion 2. Modellierung, Simulation und Steuerung von Produktion und Umfeld 3. Dezentrale Energieversorgung und Erneuerbare Energien 4. Industrielles Lastmanagement 5. Life Cycle Engineering Universitäre Lehre Life Cycle Engineering Fabrikbetriebslehre Messen von Stoff- und Energieströmen Energieeffiziente Produktion Unternehmensgründung Energiemanagementsysteme Dezentrale Energieversorgung in der Industrie Simulation und Steuerung von Produktions- und Energiesystemen
Labore Energieeffizienz in der Produktion 3
Ausstattung, Branchen und Partner Industriebranchen Industriepartner Lebensmittel Mobile Messtechnik Elektrische Energie Thermische Energie Wärmebildkameras Druckluft- und Leckage Luftströmungen uvw. Computer-aided engineering CAD (Pro Engineer) Dynamische Simulation (MATLAB) Messen, Steuern und Regeln (LabView) Ökobilanzierung (GaBi) DMK, Milupa, Ferrero Pharma B.Braun, Satorius Energieversorgung EAM, Städtische Werke Kassel, EWE Automotive Volkswagen, Daimler, Brose Kunststoff Junghans, REHAU, Technoform 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 4.0 4.0 Vernetzung 1750 1800 1850 1900 1950 2000 2050
6 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 Logistik Maschinen Sicherheitstechnik Anlagen Produkte Menschen
Nutzungstiefe 7 Potenziale durch die Implementierung von Energiemonitoringsystemen Smart Consumer Messdatenerfassung und Visualisierung KPI Interpretation und Bewertung Benchmarking Intern / extern virtuelle Messstellen Blutbild der Fertigung Kopplung mit Simulation heute Zukunft
8 Energiemonitoringsysteme Messdatenerfassung und Visualisierung
Nutzungstiefe 9 Potenziale durch die Implementierung von Energiemonitoringsystemen Smart Consumer Messdatenerfassung und Visualisierung KPI Interpretation und Bewertung Benchmarking Intern / extern virtuelle Messstellen Blutbild der Fertigung Kopplung mit Simulation heute Zukunft
Leistung in kw Key Performance Indicator (KPI) Definieren von KPI`s Beispiel: Räummaschine 60 Spitzenleistung 61 kw 40 20 Durchschnittsleistung 25 kw Betriebsbereitschaft 18 kw 0 20 40 60 80 100 Zeit in Sekunden Beispiel: KPI B/S = Betriebsbereitschaft / Spitzenlast = 18 kw / 61 kw = 29,5% Ziel: Senken des KPIs Energieeinsparung 10
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 3,5-4,0 29 33 37 41 45 49 6 8 10 11
Nutzungstiefe 12 Potenziale durch die Implementierung von Energiemonitoringsystemen Smart Consumer Messdatenerfassung und Visualisierung KPI Interpretation und Bewertung Benchmarking Intern / extern virtuelle Messstellen Blutbild der Fertigung Kopplung mit Simulation heute Zukunft
Leistung in kw 13 Benchmarking Definieren von spezifischen Benchmarks Beispiel: Räummaschine I 80 Freischichten Wochenende 60 40 20 1 2 3 4 5 6 7 Zeit in Tagen Benchmark des elektrischen Leistungsbedarfs in Produktionspausen für Räummaschinen gleichen Typs
Leistung in kw 14 Benchmarking Definieren von spezifischen Benchmarks Beispiel: Räummaschine II 80 Freischichten 60 Wochenende 40 20 1 2 3 4 5 6 7 Zeit in Tagen Benchmark des elektrischen Leistungsbedarfs in Produktionspausen für Räummaschinen gleichen Typs
Gesamtenergiebedarf in MWh/t 15 Benchmarking Definieren von spezifischen Benchmarks Beispiel: Aluminium Druckgießerei 12 10 8 6 Benchmarking des Gesamtenergiebedarfs pro Tonne Aluminium-Druckguss 4 2 0 0 5000 10000 15000 20000 25000 30000 35000 40000 Guss i.o. in t/a Quelle: Energie Consulting Bühler, Energiebedarf der Druckgiesserei. Und wo liegt Ihre Giesserei?
Nutzungstiefe 16 Potenziale durch die Implementierung von Energiemonitoringsystemen Smart Consumer Messdatenerfassung und Visualisierung KPI Interpretation und Bewertung Benchmarking Intern / extern virtuelle Messstellen Blutbild der Fertigung Kopplung mit Simulation heute Zukunft
Units pro Liter 17 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) GPT (Glutamat-Pyruvat-Transaminase) Gamma-GT (Gamma-Glutamyl-Transferase) Quelle: Basierend auf Lohmann, M.: Laborwerte verstehen
Das Blutbild der Fertigung Informationsgewinn aus Energiedaten Energiedaten können anhand verschiedener Kriterien analysiert werden (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 18
Leistung in kw Das Blutbild der Fertigung Energiebrille Beispiel: Schleifmaschine 40 Anfahrspitzen 30 20 Spitzenlast Produktion Durchschnittsleistung Produktion Grundlast Produktion 10 6 12 18 24 28 Zeit in Stunden Ruheleistung 19
Leistung in kw Das Blutbild der Fertigung Prozessbrille Beispiel: Schleifmaschine 40 30 20 10 6 12 18 24 28 Zeit in Stunden 20
Leistung in kw Reinigung Das Blutbild der Fertigung Qualitätsbrille Beispiel: Schleifmaschine 40 30 20 10 6 12 18 24 28 Zeit in Stunden 21
Nutzungstiefe 22 Potenziale durch die Implementierung von Energiemonitoringsystemen Smart Consumer Messdatenerfassung und Visualisierung KPI Interpretation und Bewertung Benchmarking Intern / extern virtuelle Messstellen Blutbild der Fertigung Kopplung mit Simulation heute Zukunft
Virtuelle Messstellen m = ρ v A T = f R Messstrecke mit Durchflussmessung und zwei Temperatursensoren Q = 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. 1500 pro Messstelle) 23
24 Virtuelle Messstellen Pt100 Durchflussmessung Rechenwerk Wärme SPS SCADA oder Datenbank Hardware ist bereits vorhanden oder wird erst garnicht benötigt.
Nutzungstiefe 25 Potenziale durch die Implementierung von Energiemonitoringsystemen Smart Consumer Messdatenerfassung und Visualisierung KPI Interpretation und Bewertung Benchmarking Intern / extern virtuelle Messstellen Blutbild der Fertigung Kopplung mit Simulation heute Zukunft
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 26
Nutzungstiefe 27 Potenziale durch die Implementierung von Energiemonitoringsystemen Smart Consumer Messdatenerfassung und Visualisierung KPI Interpretation und Bewertung Benchmarking Intern / extern virtuelle Messstellen Blutbild der Fertigung Kopplung mit Simulation heute Zukunft
28 Simulation und Evaluation von Effizienzmaßnahmen Smart Consumer AKM Ab- oder Adsorptionskältemaschine intelligenter Verbraucher im Smart Grid Fall: maximaler Gasbezug BHKW DEZEV EH Blockheizkraftwerk Dezentrale Energieversorgung Elektro Heizer (zukünftiger) Energiemarktpreis (zukünftiges) Wetter simulationsgestützte übergeordnete Steuerung Produktionsdaten FK Freikühler GB KKM Gasbrenner Kompressionskältemaschine E-Monitoring (online) TGA Technische Gebäudeausrüstung Smart Consumer Th.-Öl TRAFO Thermo-Öl Transformator TRAFO Strom DEZEV Aufteilung des Gas- und Strombezugs BHKW TGA GB Th.-Öl- Speicher EH Fertigungsprozess AKM Kälte- KKM Speicher Gas FK
29 Simulation und Evaluation von Effizienzmaßnahmen Smart Consumer AKM Ab- oder Adsorptionskältemaschine intelligenter Verbraucher im Smart Grid Fall: Strombezug Gasbezug BHKW DEZEV EH Blockheizkraftwerk Dezentrale Energieversorgung Elektro Heizer (zukünftiger) Energiemarktpreis (zukünftiges) Wetter simulationsgestützte übergeordnete Steuerung Produktionsdaten FK Freikühler GB KKM Gasbrenner Kompressionskältemaschine E-Monitoring (online) TGA Technische Gebäudeausrüstung Smart Consumer Th.-Öl TRAFO Thermo-Öl Transformator TRAFO Strom DEZEV Aufteilung des Gas- und Strombezugs BHKW TGA GB Th.-Öl- Speicher EH Fertigungsprozess AKM Kälte- KKM Speicher Gas FK
30 Simulation und Evaluation von Effizienzmaßnahmen Smart Consumer AKM Ab- oder Adsorptionskältemaschine intelligenter Verbraucher im Smart Grid Fall: maximaler Strombezug BHKW DEZEV EH Blockheizkraftwerk Dezentrale Energieversorgung Elektro Heizer (zukünftiger) Energiemarktpreis (zukünftiges) Wetter simulationsgestützte übergeordnete Steuerung Produktionsdaten FK Freikühler GB KKM Gasbrenner Kompressionskältemaschine E-Monitoring (online) TGA Technische Gebäudeausrüstung Smart Consumer Th.-Öl TRAFO Thermo-Öl Transformator TRAFO Strom DEZEV Aufteilung des Gas- und Strombezugs BHKW TGA GB Th.-Öl- Speicher EH Fertigungsprozess AKM Kälte- KKM Speicher Gas FK
31 Industrie 4.0 Vielen Dank für Ihre Aufmerksamkeit!