Of het nu gaat om landbouw, industrie of particuliere huishoudens, chemicaliën zijn overal nodig. Echter, hun productie vereist een zeer grote hoeveelheid energie. Met een nieuw type hybride toegang, energie kan worden bespaard in het tweecijferige percentagebereik, afhankelijk van de installatie en het proces. De ontwikkeling vond plaats in het team van Dr. Michael Bortz en Prof. Karl-Heinz Küfer van het Fraunhofer Institute for Industrial Mathematics ITWM, waarvoor zij de Joseph von Fraunhofer-prijs zullen ontvangen.

Kunststoffen, wasmiddelen, meststoffen - deze stoffen zijn een onmisbaar onderdeel van ons dagelijks leven geworden. Hoe verschillend ze ook zijn, ze hebben één ding gemeen:ze worden geproduceerd uit bepaalde basischemicaliën die de chemische industrie in bulk produceert. Echter, daar is veel energie voor nodig:de chemische productie is goed voor 20 procent van de totale commerciële energiebehoefte van Europa. Als deze kunnen worden verminderd, dit zal zowel het milieu als de budgetten van de bedrijven beschermen. Trial-and-error kan worden uitgesloten, omdat het product dan mogelijk niet meer voldoet aan de kwaliteitsspecificaties en mogelijk onverkoopbaar is. De verliezen zouden onvoorzienbaar zijn.

Analysetool:aanzienlijke energiebesparing

Het team onder leiding van Dr. Michael Bortz en Dr. Karl-Heinz Küfer van de Fraunhofer ITWM in Kaiserslautern heeft een model ontwikkeld dat de complexe processen uitgebreid beschrijft. Hiervoor ontvangen zij de Joseph von Fraunhoferprijs. "Onze algoritmen geven de processen realistisch weer, zodat we de productieprocessen over de hele levenscyclus kunnen beschrijven, " legt Dr. Michael Bortz uit, fysicus en afdelingshoofd bij de Fraunhofer ITWM. "Hierdoor hebben we al tien procent van de energie kunnen besparen die nodig is voor een bestaande productie-installatie. De chemiegroep BASF en het Zwitserse chemie- en farmaceutisch bedrijf Lonza Group AG gebruiken de software al, die dagelijks beschikbaar is voor honderden procesingenieurs.

Ten eerste, een hybride aanpak:Modellen en procesdata gaan hand in hand

"Voor onze analyse we hebben twee dingen samengebracht:ten eerste, de natuurkundige wetten die we in een model hebben weergegeven – dat wil zeggen, de vakkennis over de thermodynamische en chemische processen. En ten tweede, de gegevens die verschillende sensoren bepalen over het meetproces, bijvoorbeeld temperatuur en druk. We gebruiken deze waar geen fysieke gegevens beschikbaar zijn, " legt Dr. Karl-Heinz Küfer uit, divisiemanager bij de Fraunhofer ITWM. Tot dusver, dergelijke sensordata zijn al gebruikt om processen te monitoren en om tijdig te kunnen reageren als, bijvoorbeeld, druk of temperatuur afwijken. Het team rond de twee onderzoekers gebruikt machinale leermethoden om deze "gegevensschat, " inclusief het trainen van kunstmatige neurale netwerken. Modellen en procesgegevens vullen elkaar gunstig aan.

De toepassingsmogelijkheden zijn niet beperkt tot de chemische industrie:voordelen zijn overal te verwachten waar processen met een groot aantal beïnvloedende factoren moeten worden gecontroleerd - en kunnen niet alleen worden beschreven door metingen of procesgegevens. Op de lange termijn, volgens het plan van de onderzoekers, het systeem moet in realtime kunnen werken.