Produktionsbasiertes Energiemanagement in der

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