close

Anmelden

Neues Passwort anfordern?

Anmeldung mit OpenID

"Fuzzy-Logik-basierte virtuelle Anlagenfahrer in der betrieblichen

EinbettenHerunterladen
Fuzzy Logik basierte virtuelle Anlagenfahrer in
Fuzzy-Logik-basierte
der betrieblichen Praxis
Becker, T.
Bonn – 15.4.2008
Lehrstuhl für Prozeßanalytik und Getreidetechnologie, Institut für Lebensmittelwissenschaft und Biotechnologie,
Universität Hohenheim, D-70599 Stuttgart, tb@uni-hohenheim.de, ++49 711 459 23286
Kurz zum Inhalt
• Prozessregelung und – steuerung
• Notwendigkeit von situativen Prozessführungen
• Fuzzy-Logik
• Beispielhafte Anwendungen
• Industrieanwendung I: Läuterprozess
• Industrieanwendung II: Anschwemmfiltration
• Ausblick
Prozesssteuerung in der Lebensmittel- und
Biotechnologie
g
Prozess
V
Virtuell
ler
Anlagenfahre
A
er
Manuelle Exp
pertneingrriffe
en
Ablaufsteuerung
Senso
Sensor
Akt
Aktor
Regler
Virtuelle Anlagenfahrer – Warum ?
• Lebensmittelprozesse entziehen sich in der Regel
konventionellen Modellierungsmöglichkeiten
• „Klassische“ Regelungs- und Automatisierungstechniken
versagen
• Ausschließlich starre Ablaufsteuerungen nach
vorgegebenen
b
Rezepten
R
t
• Manuelle Nachparametrierung durch erfahrene
Anlagenfahrer
• Kompletter Ersatz der Automatik durch manuelles
Eingreifen
Ersatz bzw. Unterstützung des erfahrenen
Anlageführers
l
f h
durch
d
h Softwarelösung
f
l
– virtuelle
ll
Anlagenfahrer
Die Philosophie des Unscharfen, linguistische
Modellierung
ZZ
Aristoteles
1
0
ZZ
klein
gross
Variable
B ddh (F
Buddha(Fuzzy)
)
1
0
klein
gross
Variable
¾Linguistische Modellierung mittels g
g
WENN (…) DANN (…) Verflechtungen
¾Binäre Expertensysteme sind seit Jahrzehnte im Einsatz
h h
¾Eindeutige Zuordnung bei Aristoteles mehrdeutige und
Aristoteles, mehrdeutige und unvollständige bei Buddha (Fuzzy)
¾Mittels fuzzybasierte
y
linguistische g
Modellierung lassen sich beliebige stetige und kontinuierliche Funktionen approximieren
ki
i i
¾Übergangs‐ und Gewichtsfunktionen sind ihrerseits wieder kontinuierlich
sind ihrerseits wieder kontinuierlich und stetig Virtuelle Anlagenfahrer - Fuzzy-Logic als Grundlage
reeler Zahlenraum
linguistischer
Wissensraum
Eingang 1
Eingang 2
…
Experten
-System
System
Ausgang 1
Ausgang
g g2
…
Defuzzifizierung
Interferenz
Fuzzifizierung
ZZ
ZZ
klein
gross
Regel 1
Regel 2
…
Regel n
1
0 75
0,75
0,3
0
reeler Zahlenraum
Temperatur
Kühlen
Heizen
1
0
Heizung
Bisherige Projekte mit Fuzzy - Systemen
¾ Mustererkennung und Kompensation in
Fließinjektionssystemen
¾ Navigation autonomer Landfahrzeuge
p
g der Hefegärung
g
g bei der Bierherstellung
g
¾ Optimierung
¾ Vorhersage des Foulings bei Milcherhitzern
¾ Regelung des Trocknungsprozesses bei der
Blattgelantineherstellung
¾ Stressadaption bei aeroben Acetobacter-Fermentationen
¾ Füllstandsoptimierung bei der Biogasherstellung
¾ Optimierung des Läuterprozesses
¾ Situative
Sit ti
P
Prozessführung
füh
b
beii d
der Anschwemmfiltration
A
h
filt ti
¾ Intelligentes Backen bei der Brot und Brötchenherstellung
¾ Gelierungsprozess bei der Schmelzkäseherstellung
¾ (Gärungsmanagement für die Bioethanolerzeugung)
Fest-Flüssig-Abtrennung - Prozessbeschreibung
Prozessschritte
Zulauf
1. fest- flüssig
Trennung,
Ausbildung des
Filterkuchens
Hackwerk
Druck
P
2 Auslaugung des
2.
Restzuckers
Ablauf
Lochblech
Trübung
g
Maximierung des Durchflusses bei
Beibehaltung der Qualität (Trübung,
(Trübung
Zuckerausbeute)
Variation des
Volumenstromes
Änderung der
H k
Hackwerksk
steuerung
2-Phasenströmung durch Filtrationsbett
Modellvorstellung zur Beschreibung
des Filterwiderstandes
1. Erhöhung des Widerstandes durch ein
Anwachsen Filterkuchenwiderstands
2. Porositätsveränderung durch Einlagerung
kleiner Partikel in das Haufwerk
3. Mechanische Komprimierung des
Filterkuchens
4. Erweiterung für hohe Zuckerausbeuten
Bereitstellung einer grossen
zugänglichen
ä li h
T
Teilchenoberfläche
il h
b flä h
Leitzustandsgrössen
L
i
d
ö
sind
i d Druckabfall,
D
k bf ll Trübung
T üb
(und
( d
Zuckerausbeute)
Variationsrechnung zur Optimierung
Strömungsflusses
g
Typischer
Prozessgrössenverlauf
Vorderwürze
Druckabfall
l < hHackwerk : Δ p =
η V&
A
( c p1c p 2V 2 + c p 0 ) ?
η V&
A
( c p 2V + c p 0 )
Nachguss
T üb
Trübung
⎡
h
⎛
Tr = C Tr 0 * e − CTr 1Δp + ⎢C Tr 2 ⎜ 1 − Hackwerk
l
⎝
⎣
14 Parameter Abschätzung
g
der Gleichungsparameter
N −1
& (t), h
J = ϕ ( x ( N )) + ∑ λ T (t + 1){ f [ x (t ), V
Hackwerk ( t ), t )] − x ( t + 1)}
t =0
Gütekriterium
Prozessmodell
⎞⎤
⎟ ⎥ * C Tr 3
⎠⎦
Verlauf der online geschätzten Zustandsgrössen
Offline Schätzung
Simulation
unbrauchbar
Prozess
Online mod.
mod Kalmanfilter
Simulation
Prozess
Korrektur Faktor
Systemstruktur des Fuzzy-Systems
Eingangsvariablen(t)
Zustandsgrößen
Ausgangsgrößen
Druckabfall
Ableitung Druckabfall
Hackwerkshöhe
Trübung
Würzedurchfluss
Ableitung Würzedurchfluss
Volumenstrom Anschwänzw.
Würzemenge
Tendenz
Hackwerkshöhe
Filterkuchenzustand
Würzedurchfluss
Läuterphase
(Hackwerksgeschwindigkeit)
Anschwänzwassermenge
If
pressure derivative is good and wort flow derivative is high
and p
phase is first wort and turbidity
y is low
Then raking machine = lower
Prozessverläufe mittels fuzzy-basierter Steuerung
VLM
Original
Original
VLM
VLM
Original
Ergebnisse im industriellen Einsatz
Schlechte
es Malz
Gutes M
G
Malz
ohne VLM
mit VLM
Kieselgurfiltration bei der Bierklärung
¾ Maximierung des
Biervolumenstroms
Bier (trüb)
¾ Minimierung des
Druckabfalls
Kieselgur
¾ Verlängerung der
Filterstandzeiten
Vol.strom
¾ Unterschiedliche Biersorten
besitzen variierende
Filtrationseigenschaften
Filter
¾ Reduzierung des
Ki
Kieselgurverbrauches
l
b
h
P
Druck
¾ Vereinheitlichung der
Bierqualität
¾ Variierende
Kieselgurzusammensetzung
Kieselguraustrag
¾ Abfolge
g der Biersorten hat
beträchtlichen Einfluss
¾ Volumen der Filterkerze
beschränkt Standzeiten
Bier (klar)
Trübung
Vol strom
Vol.strom
Situation im Filterkeller
¾ Herkömmliche Rezeptsteuerungen nicht ausreichend flexibel für
optimale
ti l Filtration
Filt ti unterschiedlicher
t
hi dli h Biersorten
Bi
t und
d Bierqualitäten
Bi
lität
(bedingt durch Prozess- und Malzveränderungen, u.a.)
¾ Überwachung
Üb
h
und
d Eingriffe
Ei iff durch
d h erfahrene
f h
Anlagenführer
A l
füh
notwendig
t
di
¾ Prozessvariationen durch unterschiedliche Erfahrungshorizonte der
B di
Bediener
¾ Kommunikationsprobleme bei Schichtübergabe
¾ Umfangreiche Funktionen und Verantwortung des Personals
¾ Steigende
g
Produktion – Kapazitäten
p
am Limit
¾ Hürden für Investitionen in technologische Anlagenerneuerungen
¾ Notwendige Produktionskostensenkung
Funktionen des Filtermanagers
Situativen Steuerung und Optimierung der
Kieselgurfiltration
1.
2.
3.
4.
Steuerung
g
•
•
der Durchflussgeschwindigkeit
der Kieselgur-Dosage
•
•
Auswahl
A
hl der
d passenden
d Suspension
S
i
Bestimmung des Zeitpunkt und der Menge der Bereitstellung
•
•
•
Abschätzung des weiteren Filtrationsverlaufs und
des Abbruchzeitpunkt: Erreichen des Maximaldrucks bzw. der MaximalKG-Menge
Unterstützung des Scheduler
•
•
Sortenspezifische Analyse der Filtrationshistorie
Suspensionswahl für Voranschwemmung
Suspensionsmanager
Filtrations-Estimator
Sortengedächtnis
Filtration mit FM - Filtrationsverlauf
Degressive
g
KG-Dosage
g
Durchfluss
Kontrollierter Druckanstieg
g
Filtermanager-Parameter
Eingangs - Parameter
Qualität
Ausgangs - Parameter
Prozess
Trübung 25º
KG-Filterdurchfluss
KG
Filterdurchfluss
Trübung 90º
Biersorte
Hefezellzahl
Filtrationsprogramm
Trübungshistorie
Filtrationsprognose
Extrakt
Druck(-anstieg)
(
g)
KG-Mischverhältnis
KG-Dosage
KG-Filterdurchfluss
Filter
g
Manager
KG-Vorbereitungszeitpunkt
Stabilisierungsmittel-Dosage
KG-Mischverhältnis
KG-Dosage
Filtermanager-Funktionsdiagramm
Qualitäts
P
Parameter
t
+
FM-Prozess
Parameter
FilterManager
Prozess
P
Parameter
t
ONLINE
Bewertung
FuzzyLogic
EingangsParameter
Historien
MEMORY
Bewertung
Bewertung
Bewertung
(Regeln)
Berechnung
FM
AusgangsParameter
Filtermanager-Ergebnisse I
Kieselgur Verbrauch
Kieselgur‐Verbrauch 120%
180%
170%
160%
150%
140%
130%
120%
110%
0%
100%
90%
80%
110%
KG
G‐Verbauch (%
%)
100%
90%
80%
70%
Filtermanager
g Implementierung
p
g Oktober bis Dezember 2007
100% Durchschnitt ohne Filtermanager
Mrz 08
Feb 08
Jan 08
Dez 07
Nov 07
Okt 07
Sep 07
Aug 07
Jul 07
Jun 07
Mai 07
Apr 07
Mrz 07
Feb 07
Jan 07
Dez 06
60%
Aug 07 Sep 07 Okt 07 Nov 07 Dez 07 Jan 08 Feb 08 Mrz 08
Nov 06
relative Standzeit (%)
Filterstandzeit
Filtermanager-Ergebnisse II
Filtrierte Mengen pro Charge
160%
140%
30% weniger
Anschwemmungen
nötig
120%
100%
80%
Aug 07 Sep 07 Okt 07 Nov 07 Dez 07 Jan 08
Feb 08 Mrz 08
Filtermanager Implementierung Oktober bis März 2008
100% Durchschnitt ohne Filtermanager
Filtermanager- zusammenfassende Ergebnisse
• KG-Verbrauch ……….. 20% ….. weniger
g
• Filtration-Chargen ….. 30% ….. größer
• Filtration-Zeiten …….. 30% ….. Länger
B
Bessere
T
Trübungswerte
üb
t == Bi
Bierqualität
lität
Take home Message
• KISS-Prinzip: „Keep it simple and stupid“
• Prinzipiell für alle Prozesse geeignet, bei denen
ein erfahrener Anlagenführer den Prozess
(kontinuierlich) einstellt
• Komplexe Prozesse, die ständige Kontrolle und
Nachregelung durch Bedienpersonal erfordern.
• Keine punktgenauen Optimierungen möglich die 80%-Lösung
• Systemakzeptanz dringend erforderlich
Herzlichen Dank für Ihre Aufmerksamkeit
Autor
Document
Kategorie
Uncategorized
Seitenansichten
7
Dateigröße
877 KB
Tags
1/--Seiten
melden