Optimering af brugen af ​​rengøringsteknologier

Vi kender det fra vores eget hjem:omfangsrige køkkenredskaber og hvidevarer er svære at rengøre. I industrien, komplekse komponenter er mere reglen end undtagelsen og giver store udfordringer for design af rengøringssystemer. En simulering vil kunne hjælpe i fremtiden. I Learning Factory for industrielle rengøringsteknologier, som åbner i slutningen af ​​2019 på Fraunhofer Institute for Process Engineering and Packaging IVV i Dresden, virksomheder vil også kunne teste kombinationen af ​​forskellige rengøringsteknologier.

Når komponenter ruller af linjen, de er ofte dækket af kølende smøremidler. Ofte, disse smøremidler skal fjernes, før delene kan gå til videre behandling. Med komplekse komponenter, imidlertid, dette er langt fra nemt. Baseret på hans eller hendes erfaringer, den ansvarlige ingeniør skal beslutte, hvordan sprayrensesystemets dyser skal placeres. Hvor er der et borehul? Hvor er der et underskæring på komponenten? I komplicerede testsystemer, han eller hun kontrollerer, om dyserne opnår den nødvendige rengøringsevne og tilpasser og genopbygger derefter – en omkostningsfuld og tidskrævende proces.

Opsætning af sprayrensesystemer

I fremtiden, denne opgave vil blive gjort lettere takket være simuleringssoftware udviklet af forskere fra Fraunhofer Institute for Process Engineering and Packaging IVV i Dresden sammen med partnere Advitec Informatik GmbH og Innovations- und Simulationsservice Festenberg i SIMKOR-projektet, som er sponsoreret af det tyske forbundsministerium for uddannelse og forskning (BMBF). "Softwaren leverer resultater for rumligt løst rengøringsydelse på blot et par minutter, selv for komplekse komponenter, " siger Siegfried Beckmann, stipendiat ved Fraunhofer IVV. I stedet for at stole på erfaring alene, ingeniøren indlæser CAD-dataene for objektet, der skal renses, i softwaren og vælger og placerer dyser. I et præ-optimeringstrin, han/hun kan i realtid se, hvilke områder rengøringsmidlet når direkte, og hvilke det ikke gør. Efter at have valgt en god position for dyserne på denne måde, ingeniøren starter simuleringen. Dette giver endnu mere detaljerede resultater, såsom den rumlige og tidsbestemte fordeling af den påførte mængde rengøringsmiddel og en simulering af den teoretiske rengøringseffektivitet. "Farvekodning angiver, hvor rengøringen er mere effektiv og hvor mindre. Dette giver brugerne mulighed for realistisk at vurdere problemområder uafhængigt af typen af ​​snavs eller overfladekvalitet, " forklarer Beckmann.

For at oprette simuleringsværktøjet, forskerne ved Fraunhofer IVV udførte forskellige rengøringsforsøg med standard (dvs. gennemsnitlige) niveauer af tilsmudsning. De analyserede rengøringsresultaterne for adskillige dysepositioner og strålevinkler. "Vi behandlede dyserne som årsagen og begivenhederne på overfladen som virkningen. Vi har bevidst valgt alt derimellem, da disse processer var alt for komplekse til simuleringen. Så vi valgte en statistisk simuleringstilgang, " siger Beckmann. Ud af disse data, partnerne skabte derefter de tilsvarende matematiske modeller til simuleringen.

Den første testversion er allerede færdig; i foråret 2019, partnerne vil bringe simuleringssoftwaren på markedet. I fremtiden, simuleringen kan endda være i stand til at specificere optimale dysepositioner eller foreslå de optimale renseveje for at maksimere ressource- og energieffektiviteten af ​​rengøringsprocessen – det er visionen.

Learning Factory for industrielle rengøringsteknologier

Hvilken rengøringsproces er optimal for en bestemt komponent? Opnår den valgte rengøringsproces det ønskede resultat? Disse spørgsmål er ofte svære at besvare for brugere af rengøringsteknologi. Det gælder især små og mellemstore virksomheder, som der er mange af i Sachsen. Forskerne ved Fraunhofer IVV har også den rigtige løsning til disse SMV'er:Learning Factory. "Der kombinerer vi etablerede vandbaserede teknikker – dvs. sprøjtning, nedsænkning rengøring, ultralyd og rensning af lukkede rørledninger og tanksystemer – med nyere metoder som atmosfærisk trykplasma, tør damp og CO2 og laserrensning, " forklarer Markus Windisch, Teamleder for Industrikomponentrengøring hos IVV. "Sammen med kunden vi begynder med at udtænke en løsning til den specifikke applikation, og så tester vi den i Learning Factory." Kort sagt:Learning Factory er en platform, der gør det muligt for virksomheder at afprøve forskellige rengøringsteknikker - og især forskellige kombinationer heraf - på en sikker måde miljø. Når først de har fundet den optimale rengøringsløsning, virksomheder kan eftermontere i overensstemmelse hermed og give deres medarbejdere passende uddannelse i Learning Factory, allerede før idriftsættelse. "Vi brugte bevidst kommercielt tilgængelige enheder og hardware, så vi kunne tilbyde praktiske løsninger, " siger Windisch.

Forskerne tager også højde for Industrie 4.0 og digitalisering i Læringsfabrikken. For eksempel, de integrerede en systemløsning, der registrerer procesdataene – uanset om de kommer fra maskinerne selv eller indtastes manuelt af operatøren. I stedet for at sætte klistersedler op med instruktioner over hele maskinen, som det har været praksis på mange fabrikker, medarbejdere kan indtaste deres kommentarer direkte i systemet ved hjælp af en tablet-computer og dele dem med deres kolleger på denne måde – også dem, der arbejder på andre fabrikker.

Nogle af teknikkerne er allerede oppe at køre, og indledende kundeforespørgsler er også kommet ind. Alligevel, det vil tage noget tid, før rengøringen af ​​komplekse komponenter og kombinationen af ​​forskellige rengøringsteknikker kan afprøves – det kræver et andet robotsystem. I slutningen af ​​2019 skulle den være klar. På det tidspunkt, Learning Factory vil også omfatte færdighedstræning for kundernes medarbejdere. Emnerne vil omfatte:Hvordan adskiller styringen af ​​en kvalitetskontrolleret rengøringsproces sig fra en tidsstyret rengøringsproces? Den 14. marts 2019, der vil blive afholdt en projektworkshop i samarbejde med Saxony Economic Development Corporation (WFS) – en branchebegivenhed med fokus på rengøringskvalitet.