Energibesparelse ved fremstilling af kemikalier

Hvad enten det er i landbruget, industri eller private husholdninger, kemikalier er nødvendige overalt. Imidlertid, deres produktion kræver en meget stor mængde energi. Med en ny type hybrid adgang, energi kan spares i det tocifrede procentområde afhængigt af anlæg og proces. Udviklingen fandt sted i teamet af Dr. Michael Bortz og Prof. Karl-Heinz Küfer ved Fraunhofer Institute for Industrial Mathematics ITWM, som de vil blive tildelt Joseph von Fraunhofer-prisen for.

Plast, rengøringsmidler, gødning - disse stoffer er blevet en uundværlig del af vores hverdag. Hvor forskellige de end er, de har én ting til fælles:de er fremstillet af visse basiskemikalier, som den kemiske industri producerer i løs vægt. Imidlertid, dette kræver meget energi:kemisk produktion tegner sig for 20 procent af Europas samlede kommercielle energibehov. Hvis disse kan reduceres, dette vil beskytte både miljøet og virksomhedernes budgetter. Trial and error kan udelukkes - for så opfylder produktet muligvis ikke længere kvalitetsspecifikationerne og er måske usælgeligt. Tabene ville være uforudsigelige.

Analyseværktøj:betydelige energibesparelser

Holdet ledet af Dr. Michael Bortz og Dr. Karl-Heinz Küfer fra Fraunhofer ITWM i Kaiserslautern har udviklet en model, der udførligt beskriver de komplekse processer. For dette modtager de Joseph von Fraunhofer-prisen. "Vores algoritmer repræsenterer processerne realistisk, så vi kan beskrive produktionsprocesserne over hele livscyklussen, " forklarer Dr. Michael Bortz, fysiker og afdelingsleder ved Fraunhofer ITWM. "Dette har allerede gjort det muligt for os at spare ti procent af den energi, der kræves til et eksisterende produktionsanlæg. Kemikaliekoncernen BASF og den schweiziske kemi- og medicinalvirksomhed Lonza Group AG bruger allerede softwaren, som er tilgængelig for hundredvis af procesingeniører hver dag.

For det første, en hybrid tilgang:Modeller og procesdata går hånd i hånd

"Til vores analyse, vi har bragt to ting sammen:For det første, de fysiske love, som vi har repræsenteret i en model – det vil sige, ekspertviden om de termodynamiske og kemiske processer. Og for det andet de data, som forskellige sensorer bestemmer om måleprocessen, for eksempel temperatur og tryk. Vi bruger disse, hvor ingen fysiske data er tilgængelige, " forklarer Dr. Karl-Heinz Küfer, divisionschef hos Fraunhofer ITWM. Indtil nu, sådanne sensordata er allerede blevet brugt til at overvåge processer og for at kunne reagere i god tid, hvis for eksempel, tryk eller temperatur afviger. Holdet omkring de to forskere bruger maskinlæringsmetoder til at rejse denne "dataskat, " inklusive træning af kunstige neurale netværk. Modeller og procesdata supplerer hinanden med fordel.

Anvendelsesmulighederne er ikke begrænset til den kemiske industri:Snarere, Der kan forventes fordele overalt, hvor processer med et stort antal påvirkningsfaktorer skal kontrolleres – og kan ikke beskrives alene ved målinger eller procesdata. På lang sigt, ifølge forskernes plan, systemet skal kunne fungere i realtid.