Technische Universität München Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Ansätze und Ergebnisse aus einem Forschungsprojekt, aufbereitet für die Anuga FoodTec 2012 Lehrstuhl für Lebensmittelverpackungstechnik, Lehrstuhl für mathematische Statistik Technische Universität München Problemstellung Technische Universität München Fragen: • Wie viel Energie wird in die Produktion geleitet? • Wie lässt sich Energieeffizienz bewerten? • Energiemanagement: – Welche Daten stehen zur Verfügung? – Welche Daten werden benötigt? – Wie lässt sich Produktionsfeinplanung integrieren? Ansätze: Modelle produktionsübergreifender Beschreibung Damit: Simulation Prognose des zeitlichen Energiebedarfs Simulationsstudien zur Optimierung der Produktionsplanung Anuga FoodTec 2012 Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Zielsetzung • • • • • Technische Universität München Standardisierte Beschreibung der Produktionsabläufe Ist-Analyse der Energieverhältnisse der Prozessanlagen Generierung aussagekräftiger Kennzahlen Anwendung energiebezogener Simulation der Prozesse Energiebedarf bei Produktionsplanung berücksichtigen Steigerung der Energieeffizienz durch produktionsbasierte Planung Anuga FoodTec 2012 Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Projektstruktur Technische Universität München Prozessbeschreibung Methodenentwicklung Datenerfassung Ist-Analyse Rohdatenmanagement Modellentwicklung Prozesssimulation Reporting Anuga FoodTec 2012 Produktionsfeinplanung Simulationsstudien Optimierung Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Datenerfassung – 1/2 Technische Universität München • Daten aus Betriebsdatenerfassung • Mobile Messungen an den Prozessanlagen – Keine Beeinträchtigung der Produktion – Mobile Geräte für den Feldeinsatz Energiedaten mit Produktionsplanbezug Anuga FoodTec 2012 Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Datenerfassung – 2/2 Temperaturmessung Temperatursensoren (PT 1000) Feldeinsatz-Datenloggersystem Elektrische Leistung Messzangen dynamische Messung am Verbraucher Anuga FoodTec 2012 Technische Universität München Durchflussmessung Clamp-on Ultraschallsensoren Feldeinsatz-Datenloggersystem Prozessleitsystem Bestehende Datenpunkte SQL Datenbank Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Prozessbeschreibung – 1/2 Technische Universität München • Energierelevante Datenpunkte • Fließrichtungen und Anlagenverschaltung Anuga FoodTec 2012 Unit ID 1011 Prozessschritt Rohmilchkühler bei Milchannahme 1031 1041 2051 2061 2151 2161 3061 6011 Milcherhitzer Rahmerhitzer Joghurtmilcherhitzer Fermenter Joghurtkühler Rahmkühler Joghurt Abfüllung CIP Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Prozessbeschreibung – 2/2 Technische Universität München • Entwicklung der Systemmodelle • Grundaufbau für das Simulationsmodell Elektrische Verbraucher Wärmerückgewinnung Milchkühler Heißwasserkreislauf Anuga FoodTec 2012 Dampfwärmetauscher Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Rohdatenmanagement Technische Universität München • Datenbank (MS SQL) – Struktur stetig erweiterbar – Produktionsbasierte Energiedatenerfassung • Datenpunktkatalog für Molkereiprozesse • Integration von Produktions- und Produktspezifikationen Anuga FoodTec 2012 Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Ist-Analyse, EMS-Aufbau Technische Universität München EMS … Energie Management-System • Energiebasierte Diagnosefunktionen der historischen Daten • Zeitverhalten der Prozesse • Berechnung prozess- und phasenbezogener Kennzahlen Pasteurisationstemperatur Heißwasserkreislauf Normalized time Anuga FoodTec 2012 Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Ist-Analyse, EMS-Aufbau Technische Universität München • Visualisierung der thermischen Gesamtenergie der Prozesssimulation • Auftragung als Zeitreihe oder als kumulativer Plot Konstanter Energieverbrauch bei Produktion Energiepeaks Anfahren Linearer Anstieg bei Produktion Anuga FoodTec 2012 Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Simulationsstudien • • • Technische Universität München Validierung zeigt sehr gute Resultate Simulation erkennt die einzelnen Phasen Simulation kann Energiebedarf einer Anlage prognostizieren Anuga FoodTec 2012 Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Prozesssimulation Anuga FoodTec 2012 Technische Universität München Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Prozesssimulation Anuga FoodTec 2012 Technische Universität München Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Prozesssimulation • • Technische Universität München Validierung zeigt sehr gute Resultate Simulation erkennt die einzelnen Phasen kann Energiebedarf einer Anlage prognostizieren Anuga FoodTec 2012 Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Optimierungstool Technische Universität München Übergeordnete, rechnergestützte Plattform Schnittstelle zur Energiedatenbank und Simulationsplattform verschiedene Optimierungsmethoden (Engineering-Tools) Integration der energiebezogenen Planung Bewertung über Kennzahlen Unterschiedliche Anlagenkonfiguration Optimierungstool Optimierungstool Optimierungsfelder Konfigurationen Einsatz regenerativer Energien Modell Optimierungsmethoden Simula tion Datenbank Anuga FoodTec 2012 Anlagenkonfiguration regenerative Energien Wärmeintegration ... Abläufe, Rüstzeiten Produktionsabfolge Kennzahlen Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Ist „Grüne“ Kennzahlen Technische Universität München • Allgemeine Definition von grünen Kennzahlen • Zeitabhängige Effizienz anwendbar auf verschiedene Kenngrößen • Verfügbarkeitsfaktor als Kenngröße für die Anlagenausnutzung dim (t ) 1 e(t ), e(t ) Anuga FoodTec 2012 0 (t ) 0 Verfügbarkeitsfaktor [%] = Laufzeit (Laufzeit Stillstandszeit) Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Technische Optimierung – 1/2 Technische Universität München • Simulationsbausteine liefern technische Optimierungsansätze • Abschätzung des Einsparpotentials • Integration von Solarthermie, BHKW und Biogas in Prozesse Gekoppelte Simulationsbausteine Prozeßschema Anuga FoodTec 2012 Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Technische Optimierung – 2/2 Technische Universität München • • • • Optimierung durch Prozessintegration Ausarbeitung von Wärmerückgewinnungskonzepten Abschätzung des Einsparpotentials über Simulation Bewertung des ROI über Kennzahlen Anuga FoodTec 2012 Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Produktionsfeinplanung Technische Universität München • • • • Analyse der Produktionsabläufe Visualisierung der Abhängigkeiten (Gantt-Charts) Modellierung der Prozessabläufe Aufzeigen energieeffizienter Abfolgen (=„Wege“) in der Produktion Optimierte Produktionspläne Anuga FoodTec 2012 Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Einsparpotential Technische Universität München Simulationsergebnisse! • Technisches Einsparpotential Wärmeintegration Wärmeaufnehmende Anlage bis zu 25 % (idealisierter Produktionsablauf) bis zu 6 % (tatsächlicher Produktionsablauf) Wärmeabgebende Anlage bis zu 86 % (idealisierter Produktionsablauf) bis zu 44 % (tatsächlicher Produktionsablauf) • Substitution von Primärenergie durch Solarthermie Im Joghurtmilcherhitzer bis zu 40 % • Einsparpotential durch Produktionsplanung Defragmentierung der Produktion - bis zu 3 % Einsparung an thermischer Energie Anuga FoodTec 2012 Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Technischer Nutzen • • • • • Technische Universität München Ermittlung und Bewertung der Anlageneffizienz Produktionsbasiertes Prozessmonitoring Messdatenkatalog, Mindestzahl an Sensoren Erweiterbare Datenbankstruktur, individuell anpassbar Simulation dient als Testtool für verfahrenstechnische Modifizierungen Anwendung der Prozessintegration Verwendung regenerativer Energiequellen Grundlage zur Einführung der ISO 50001 Anuga FoodTec 2012 Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Wirtschaftlicher Nutzen Technische Universität München • Energiebasierte Kennzahlendefinition • Verfügbarkeitsfaktor als Maß für den Ausnutzungsgrad • Erhöhung des Ausnutzungsgrades führt zur Effizienzsteigerung • Energiebedarf als Produktionsressource • Kostenkontrolle Kostenreduktion durch effiziente Produktionswege • Vorhersage des Energiebedarfs durch Simulation Vermeidung von Lastspitzen Kostenreduktion durch Monitoring und Planung Anuga FoodTec 2012 Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Zusammenfassung Technische Universität München Abgrenzung und standardisierte Beschreibung aller Prozesse Zeitbasierte Energiebedarfsanalyse Datenpunktkatalog, Datenbankimplementierung und -verifizierung Validierte Prozesssimulationen Kennzahlenimplementierung Produktionsplananalyse, Produktionsplanoptimierung Simulationsstudien technischer Optimierungsansätze: Anbindung von Solaranlagen zur Heißwassererzeugung Anwendung der Prozessintegration Heißwassernutzung an den Prozessanlagen Simulationsstudien Produktionsplanung Anuga FoodTec 2012 Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie Kontakt Technische Universität München Dipl.-Ing . Sven Franke Dipl.-Math. Josef Höfler Dr.-Ing. Hannes Petermeier Lehrstuhl für Lehrstuhl für mathematische Lehrstuhl für mathematische Lebensmittelverpackungstechnik Statistik Statistik Technische Universität München Technische Universität München Technische Universität München Weihenstephaner Steig 22 Maximus-von-Imhof-Forum 2 Maximus-von-Imhof-Forum 2 85354 Freising - Weihenstephan 85354 Freising – Weihenstephan 85354 Freising – Weihenstephan [email protected] [email protected] [email protected] Anuga FoodTec 2012 Produktionsbasiertes Energiemanagement in der Lebensmittelindustrie