Softwareframework für die Energieoptimierung von Produktionssystemen
Messung, Prädiktion und Anpassung der Energienutzung

Matthias Bartelt, Jannis Stecken, Anton Strahilov und Bernd Kuhlenkötter

Eine Betrachtung und Optimierung des Energieverbrauchs von Produktionsanlagen gewinnt zunehmend an Bedeutung. Im ITEA-Forschungsprojekt SPEAR wird die Möglichkeit geschaffen, aktuelle Energieverbräuche von Produktionssystemen zu messen sowie diese für unterschiedliche Prozessabläufe zu berechnen. Optimierungsalgorithmen können dann den Energieverbrauch reduzieren beziehungsweise an den Verlauf der Energiepreise anpassen.

Die Betrachtung des Energieverbrauchs von Produktionssystemen hat besonders im Zuge des Klimaschutzes in den letzten Jahren an Bedeutung gewonnen. In diesem Kontext spielen auch erneuerbare Energien und deren optimale Nutzung eine wesentliche Rolle. In Bezug auf Produktionssysteme sowie deren Planung fehlen derzeit allerdings geeignete Mittel, um den Energieverbrauch eines kompletten Produktionssystems zu planen, zu erfassen und zu optimieren. Außerdem ist eine flexible Änderung von Produktionsprozessen in der Regel nicht möglich, sodass auf Schwankungen der Energieproduktion nicht reagiert werden kann.


Bild 1: Voraussichtliche Energiepreise für den 7.12.2017 [5].

Im Hinblick auf den Klimaschutz sind erneuerbare Energien von großer Bedeutung und der Anteil erneuerbarer Energien ist in den letzten Jahren kontinuierlich gestiegen. Während 2013 noch etwa 11,8 Prozent der selbst produzierten Energie der EU-Länder aus erneuerbaren Quellen stammten, soll dieser Anteil bis 2020 auf 20 Prozent erhöht werden [1]. Insbesondere im Kontext von Produktionssystemen gibt es jedoch weiterhin einige Probleme, erneuerbare Energien im großen Maßstab zu nutzen. Zu den Gründen gehört, dass entsprechende Ressourcen wie Wind oder Sonne sehr witterungsabhängig sind, weshalb die Umsetzung einer dauerhaften, stabilen und langfristigen Energieversorgung auf Basis von erneuerbaren Energien eine Herausforderung darstellt. Eine stabile Energieversorgung ist jedoch eine der Hauptvoraussetzungen heutiger Produktionsanlagen. Ein Ansatz um das volatile Stromnetz zu regeln und damit auf konventionelle Kraftwerke zu verzichten sind Smart Grids [2]. Durch die Vernetzung von Erzeugern und Verbrauchern kann eine intelligente Regelung erfolgen. Um jedoch auf diese Regelung reagieren zu können und sie zu unterstützen, müssen erneuerbare Energien für Produktionssysteme handhabbar gemacht werden.


Software-Systeme in der Produktion

Spätestens mit der Einführung von cyber-physischen Konzepten, zum Beispiel in Form von cyber-physischen Systemen oder cyber-physischen Produktionssystemen, werden die im Kontext der Produktion und Produktionsplanung genutzten Software-Systeme um Informationen über die realen Prozesse angereichert. Aktuelle Systeme können aufgrund ausgeklügelter Technologien bereits ein breites Spektrum verschiedener Prozesswerte und Parameter messen und analysieren, beispielsweise den Energieverbrauch von Produktionsanlagen. Dennoch gibt es gegenwärtig keine industriell anwendbaren Mechanismen, Algorithmen oder Möglichkeiten, um den Energieverbrauch an externe Anforderungen, wie zum Beispiel die verfügbare Energiemenge am Markt, anzupassen. Dabei sind das Fehlen einer ganzheitlichen Bestimmung des Energieverbrauchs der Produktionsanlagen und fehlende Möglichkeiten den Energieverbrauch der Anlagen vorherzubestimmen wesentliche Hürden für den Einsatz geeigneter Technologien zur Anpassung des Energiebedarfs. Aktuell verfügbare Ansätze für die Prognose des Energieverbrauchs haben verschiedene Nachteile. Sie sind entweder zu ungenau oder benötigen einen gewissen Einlernvorgang für jede Maschine durch ein Testprodukt, um daraus die Prognose für andere Produkte ableiten zu können [3]. Der im Rahmen des Forschungsprojektes SPEAR genutzte Forschungsansatz verfolgt jedoch das Ziel diese Nachteile zu beheben und eine genaue Prognose ohne Einlernvorgang zu ermöglichen. Der Ansatz der wandlungsfähigen Fabrik schafft die nötigen Voraussetzungen, um die durch die Optimierung und Reaktion auf den Energiemarkt entstehende, flexiblere Art der Produktion zu bewältigen. Durch die Kombination kann eine effizientere Art der Produktion geschaffen werden [4].


Optimierung der Energienutzung

Das internationale Forschungsprojekt SPEAR (Smart Prognosis of Energy with Allocation of Resources) leistet einen Beitrag, um diese Lücke bei der Optimierung der Energienutzung zu schließen. Dazu stehen zwei Forschungsfragen im Fokus des Vorhabens: Wie kann der Energieverbrauch einer Produktionsanlage bestimmt und für unterschiedliche Szenarien vorhergesagt werden und wie kann das Anlagenverhalten beeinflusst werden, um Einfluss auf den Energieverbrauch zu nehmen. So könnten beispielsweise Prozesse, die einen erhöhten Energiebedarf haben, auf Zeiten geschoben werden, in denen aufgrund hoher Sonneneinstrahlung ein Überangebot an Energie am Markt verfügbar ist. Bild 1 zeigt eine Vorausberechnung des Energiepreises für 24 Stunden. Kann also der Energieverbrauch einer Anlage geeignet angepasst werden, können günstige Strompreise optimal genutzt werden. Dabei stehen vorerst einzelne Produktionszellen, zum Beispiel robotergestützte Schweißzellen, im Fokus der Energiebetrachtungen. Diese bieten eine überschaubare Komplexität, während trotzdem alle Software-Werkzeuge involviert sind, die auch bei größeren Produktionsanlagen relevant sind.

Die für die Optimierung der Energienutzung notwendigen Software-Komponenten sind in Bild 2 schematisch dargestellt. Zunächst wird im Forschungsprojekt ein Rahmen geschaffen, um digitale Zwillinge auf den erweiterten Anlagenkomponenten nutzen zu können. Der digitale Zwilling enthält ein Modell der jeweiligen Komponente und ermöglicht die Nutzung der Komponente losgelöst vom realen Pendant, bspw. für Simulationszwecke. Dabei soll diese Erweiterung möglichst kostengünstig durchgeführt werden, sodass verstärkt Low Cost-Hardware eingesetzt wird. Die Umsetzung einer echtzeitfähigen Simulation ist dabei von zentraler Bedeutung. Die Simulationsumgebung greift dabei auf Modelle zurück, die in einer entsprechenden Datenbank hinterlegt sind und über einen Assistenten konfiguriert werden können. Ein Vorteil ist dabei, dass die Modelle sowohl in der laufenden Produktion als auch bereits bei der Planung und virtuellen Inbetriebnahme genutzt werden können.


Bild 2: Software-Komponenten für die
Optimierung der Energienutzung.

Die Akquise der aktuellen Anlagendaten erfolgt in der realen Anlage über entsprechende Schnittstellen und reichert den digitalen Zwilling um entsprechende Prozessinformationen an. Die Kombination aus digitalem Zwilling und den aktuellen Prozessinformationen ergeben den digitalen Schatten der Komponente, die ähnlich zum Zwilling in digitalen Werkzeugen genutzt werden können, jedoch den aktuellen Zustand der Komponente widerspiegelt. Neben der Bestimmung des aktuellen Energiebedarfs sind diese Informationen zudem für die Validierung der Berechnungsergebnisse relevant. Eine Optimierungsplattform zusammen mit entsprechenden Algorithmen liefern dann Vorschläge für eine Verbesserung der Energie-
nutzung der jeweiligen Produktionsanlage. Über die Optimierungsplattform kann zudem auf alle Informationen des digitalen Schattens oder des digitalen Zwillings zugegriffen werden und sie fungiert als Hauptschnittstelle für den Benutzer. Basierend auf sämtlichen Eingangsdaten, wie der aktuellen Auftragslage oder zukünftigen Strompreisprognosen, ermöglicht die Optimierungsplattform eine Energie-, Strom- und Kostenoptimierung. Natürlich können Benutzer zwischen verschiedenen Optimierungsoptionen wählen, zum Beispiel minimaler Energieverbrauch, minimale Kostenstruktur, minimale Prozessdauer oder Vermeidung von Leistungsspitzen. Basierend auf diesen Parametern generiert die Optimierungsplattform eine Prognose des Energieverbrauchs des Produktionssystems für einen bestimmten Zeitraum.


Drei Schritte zur Optimierung der Energienutzung

Um dieses Ziel zu erreichen, sollen im Rahmen des Projektes unterschiedliche Software-Komponenten entwickelt werden. In einem ersten Schritt werden klassische Produktionssysteme durch Einsatz kostengünstiger Standardelektronik erweitert und über Schnittstellen mit der realen Anlage beziehungsweise Komponente verbunden. Dadurch ergeben sich cyber-physische Systeme und in Kombination aller Einzelsysteme eine cyber-physische Produktionsanlage.

Der zweite Schritt ist die Verknüpfung der jeweiligen cyber-physischen Systeme mit ihrem digitalen Zwilling. Ein solcher Zwilling stellt eine virtuelle Kopie dar, die – soweit vollständig umgesetzt – alle physischen Eigenschaften und das gleiche Verhalten wie dessen reales Pendant besitzt. Je nach Vorgehensweise bei der Anlagenplanung (zum Beispiel durch eine virtuelle Inbetriebnahme) sind entsprechende digitale Zwillinge bereits vorhanden und können direkt oder mit geringem Zusatzaufwand genutzt werden. Als Resultat ergibt sich ein digitaler Schatten, der für die Bestimmung unterschiedlicher Parameter wie beispielsweise des Energieverbrauchs genutzt werden kann. Insbesondere kann über das enthaltene physikalische Modell auch für solche Komponenten der Energieverbrauch bestimmt werden, bei denen keine direkte Messung möglich ist oder zusätzliche Sensoren benötigen würden. Als Innovation werden die einzelnen cyber-physischen Systeme befähigt, nicht nur ihren aktuellen Energiebedarf zu bestimmen, sondern sie können unter Nutzung ihres digitalen Zwillings berechnen, wie sich ihr Energiebedarf zukünftig und für unterschiedliche Produktionsszenarien verändern wird. Dadurch wird eine Methode bereitgestellt, den Einfluss von Änderungen in der Produktion auf den resultierenden Energiebedarf zu berechnen.

Im dritten Schritt kann schließlich die Optimierung der Energienutzung erfolgen. Unter Nutzung des Energiebedarfs als Kenngröße können geeignete Algorithmen genutzt und entwickelt werden, um die Produktion dynamisch anzupassen. Damit können sowohl die Energiekosten von Produktionssystemen gesenkt als auch die Nutzung regenerativer Energiequellen verbessert werden. Durch detaillierte Vorhersagen können Produktionssysteme anhand externer Faktoren, wie zum Beispiel der verfügbaren Energiemenge oder dem Strompreis, optimiert werden. Ebenso kann flexibel auf die schwankende Energieproduktion erneuerbarer Energien reagiert werden, wodurch eine Verringerung der CO2-Emissionen möglich und eine ökologischere Art der Produktion erreicht wird.


Das ITEA Forschungsprojekt SPEAR wird mit Mitteln des Bundesministeriums für Bildung und Forschung (BMBF) unter dem Förderkennzeichen 01IS17024F gefördert.

Schlüsselwörter:

Digitaler Zwilling, Digitaler Schatten, Energieoptimierung, erneuerbare Energien

Literatur:

[1] Eurostat: Share of renewable energy in gross final energy consumtion. Code: t2020_31. http://ec.europa.eu/eurostat/tgm/table.do?tab=table&init=1&language=en&p...
=t2020_31&plugin=1, abgerufen am: 05.12.2017
[2] Geisberger, E. u. Broy, M.: agendaCPS, Bd. 1. Berlin, Heidelberg: Springer Berlin Heidelberg 2012
[3] Schmidt, C., Li, W., Thiede, S., Kara, S. u. Herrmann, C.: A methodology for customized prediction of energy consumption in manufacturing industries. International Journal of Precision Engineering and Manufacturing-Green Technology 2 (2015) 2, S. 163–172
[4] Schenk, M., Wirth, S. u. Müller, E.: Fabrikplanung und Fabrikbetrieb. Berlin, Heidelberg: Springer Berlin Heidelberg 2014
[5] Energy Exchange Austria: Marktdaten 2017, 2017. https://www.exaa.at/download/history/DSHistory2017.xls, abgerufen am: 06.12.2017