D2R2 - Dynamische Druckluftoptimierung für ressourcenschonendes Recycling

Abstract

Bisherige Hardware- und Softwarelösungen im Bereich der ganzheitlichen Bewertung und Optimierung von Druckluftsystemen setzen auf Grund ihrer Komplexität ein Expertenwissen voraus. Eine Optimierung mittels IoT Plattformen ist bisher nur Fachhändlern und Kompressoren Herstellern vorenthalten, die einen begrenzten Funktionsumfang enthalten. Eine Echtzeit-Optimierung mittels Künstlicher Intelligenz (KI) fehlte es bisher an schnellen Echtzeit Simulatoren bzw. hersteller-unabhängigen Datenbanken. Da keine Hersteller von Sortieranlagen im Recyclingprozess Teil des Projektkonsortiums waren, lag der Fokus auf der Wahl der geeigneten Anwendungspartner. Bei der Firma Theo Steil, einem bundesweit führenden Recyclingunternehmen für Metalle wurden fünf physikalische Volumen- und Drucksensoren an zwei Standorten (Trier und Eberswalde) installiert. Die neu entwickelte Simulyse AI bildet reale Druckluftsysteme von der Drucklufterzeugung bis zur einzelnen Abnahmestelle der Sortiermaschinen als digitaler Zwilling ab. Als mögliche Datenpunkte dient die eigene IoT Plattform, umfassende Importfunktionen für Mess- und Steuerungsdaten als auch Exportdaten von ausführenden Energiemonitoringsystemen. Die simulierte Einsparung der Abschaltung von Leckagen an einer Sortiermaschine beim Anwendungspartner Theo Steil ergab eine jährliche Einsparung von gut 23% bzw. ca. 4.000 Euro p.a. Die Optimierung der Drucklufterzeugung mittels neuer übergeordneter Steuerung, Leckageabsperrung und passenden Kompressoren ergab bei Theo Steil in Eberswalde eine Energieeinsparung von 39,4% bzw. 74,14 MWh bzw. 16.682 Euro p.a. Damit wurden das förderpolitische Ziel der Verknüpfung von Nachhaltigkeit (Recycling) und Energie- bzw. CO2-Einsparung erreicht. Projektziel, war eine Einsparung bei den Anwendungspartnern von 41%. Somit ist der Nachweis erfolgt, dass Recycling (Nachhaltigkeit) und Energieeinsparung parallel möglich sind. Existing hardware and software solutions for the comprehensive evaluation and optimization of compressed air systems require expert knowledge due to their complexity. Optimization using IoT platforms has so far been limited to specialist retailers and compressor manufacturers, offering a restricted range of functions. Real-time optimization using artificial intelligence (AI) has been lacking in the form of fast, real-time simulators or manufacturer-independent databases. Since no manufacturers of sorting systems used in the recycling process were part of the project consortium, the focus was on selecting suitable application partners. At Theo Steil, a leading German metal recycling company, five physical volume and pressure sensors were installed at two locations (Trier and Eberswalde). The newly developed Simulyse AI creates a digital twin of real compressed air systems, from compressed air generation to the individual pickup point of the sorting machines. Potential data points include the company's own IoT platform, comprehensive import functions for measurement and control data, and export data from energy monitoring systems. The simulated savings from shutting down leakage-related shutdowns on a sorting machine at application partner Theo Steil resulted in annual savings of approximately 23%, or around EUR 4,000 per year. Optimizing compressed air generation using a new higher-level control system, leakage shut-off, and suitable compressors at Theo Steil in Eberswalde resulted in energy savings of 39.4%, or 74.14 MWh, or EUR 16,682 per year. This fulfilled the funding policy objective of linking sustainability (recycling) with energy and CO2 savings. The project goal was a savings of 41% for the application partners. This demonstrates that recycling (sustainability) and energy savings can be achieved simultaneously.