BFI VDEh-Betriebsforschungsinstitut GmbH

Ausgangssituation:

Verschiedene erfolgreich abgeschlossene europäische Forschungsprojekte haben das Potenzial der intelligenten Nutzung von Prozessinformationen eindrucksvoll bewiesen. Allein im Bereich des Energiemanagements gibt es mindestens fünf Projekte, die wichtige Ergebnisse geliefert haben, die in der Lage sind, jedes moderne Energiemanagementsystem (EMS) auf dem Markt zu verbessern.

Um diese Lücke zwischen Forschung und industrieller Praxis zu schließen, arbeiten im Rahmen des EnerMIND-Projekts ein Softwareanbieter und zwei Forschungsinstitute zusammen, um eine EMS-Pilotlösung der nächsten Generation zu realisieren, die eine energiegesteuerte Überwachung und Steuerung der gesamten Stahlproduktionskette ermöglicht und dabei das neueste maschinelle Lernen, fortschrittliche Prognosen, das Paradigma Industrie 4.0/IOT und sichere Kommunikationstechnologien nutzt.

Projektziele:

• Demonstration der überlegenen Fähigkeiten, die durch datengestützte und umfassende Ansätze der künstlichen Intelligenz (KI) und des maschinellen Lernens (ML) im Hinblick auf eine höhere Genauigkeit der Energieverbrauchsprognose im Vergleich zu Modellierungstechniken erster Ordnung und traditionellen statistischen Ansätzen erzielt werden.
• Demonstration der erhöhten Flexibilität aufgrund der Übereinstimmung mit dem Paradigma Industrie 4.0 durch die Umsetzung der Prinzipien des industriellen Internets der Dinge (IIoT), um eine neue Generation von Energiemanagementsystemen (EMS) zu realisieren, die vollständig in das Produktionsmanagement integriert sind und darauf abzielen, den Energieverbrauch zu optimieren und die damit verbundenen Umweltauswirkungen zu reduzieren.
• Optimierung des Zugangs zum Strommarkt in Verbindung mit der Produktionsplanung und -steuerung durch innovative KI-basierte Optimierungsalgorithmen.
• Analyse von Online-Anomalien im Energieverbrauch durch die kontinuierliche Überwachung des Energieflusses unter Echtzeitbedingungen.
• Bereitstellung von Leitlinien für die Entwicklung digitaler Energie-Zwillinge im industriellen Umfeld, die durch Techniken des maschinellen Lernens als Entscheidungsunterstützungssystem und gleichzeitig als Trainingsumgebung unterstützt werden.

Innovative Ansätze:

Der innovative Inhalt des Projekts basiert hauptsächlich auf drei Aspekten:

• die verteilte IIoT-Architektur der Lösung,
• die drastische Verbesserung der hochmodernen Fähigkeiten, die vollständig in die neue Architektur integriert werden sollen, einschließlich der Realisierung eines energieorientierten digitalen Zwillings der Anlage,
• Die direkte Anbindung an den Strommarkt.

Dies wird es ermöglichen, andere Funktionen wie die Szenarioanalyse effizient hinzuzufügen, die Flexibilität zu verbessern, die Vorhersagegenauigkeit zu erhöhen und die Bearbeitungszeit zu verkürzen. Die aktualisierte Mensch-Maschine-Schnittstelle (HMI) wird eine neue ergonomische Art und Weise bieten, um die Bediener in den Kreislauf einzubeziehen.

All diese Erwartungen werden durch die Integration von Datenquellen (Zähler und intelligente Zähler, Sensoren, usw.) für die kontinuierliche Energieüberwachung erfüllt, die die Implementierung von datengesteuerten und KI-basierten Modellen ermöglicht, um die Präzision und Flexibilität der Vorhersage und die Robustheit gegenüber Anomalien zu verbessern.

Darüber hinaus wird die verbesserte Vorhersage fertiggestellt, um dank der erhöhten Präzision und Robustheit auch rückwirkende Reaktionen zu ermöglichen und in dieser Hinsicht einen Schritt nach vorn zu machen.

Die neuen Konzepte gehen weiter, indem sie einen Rahmen / eine Plattform für die Erkennung mehrerer Energievektoren zur Verfügung stellen und validieren, von denen einige im Projekt genutzt werden, wie elektrische Energie und Gas, und in Zukunft auch andere wie Wasser, Luft, Argon usw., wo dies relevant ist.

Nutzen für die Industrie:

• Die erwarteten Vorteile sind überlegene Fähigkeiten wie Prognosen, multikriterielle Optimierung der Energieversorgung und Verbesserung der Zeitplanung, Produktqualität und Ereignismanagement.
• Der Einsatz von Industrie-4.0-Technologien, nämlich IIoT, künstliche Intelligenz und maschinelles Lernen (AI / ML), wurde durchgeführt, um die neuen Möglichkeiten zu untersuchen, die diese Art von Architektur eröffnet, wie die Kombination mit dem Cloud-Computing-Netzwerk.
• Die Vorteile einer umfassenden Übernahme des datengesteuerten Ansatzes und des Ansatzes wurden im Vergleich zu derzeit verfügbaren Modellen erster Ordnung und Optimierungstechniken erreicht.
• Abhängig vom Digitalisierungsgrad der Anlagen und den Fähigkeiten der Mitarbeiter sind die zu erwartende globalen Vorteile die Senkung des Energieverbrauchs aufgrund des reduzierten Mixes von Stahlfamilien und Produkttypologien in der Charge des Aufwärmofens.
• Die Lösung und die vorausschauende Optimierung des Verbrauchs der Hauptproduktionslinien hat die potenzielle Folge, andere Verbrauchsaspekte wie Wasser und Druckluft in den Nebenanlagen in Verbindung mit dem Walzwerk zu optimieren.