AFRY e-DAP

AFRY e-DAP ist eine durchgängige Digital-Twin-Plattform, die auf virtueller Ebene Betrieb und Wartung wichtiger Bestandteile von Anlagen und zentrale Prozesse in Industriebetrieben optimiert. Durch die mit Prozessmesstechnik ermöglichte Datenerfassungsfunktion, gepaart mit fortgeschrittener IoT-Netzwerk- und Speichertechnik, bietet die Plattform eine Arbeitsumgebung, in der die Kunden schier unerschöpfliche Mengen betrieblicher Zeitreihendaten sammeln und daraus Erkenntnisse für den Betrieb und die Wartung durch maschinelles Lernen gewinnen können.
AFRY e-DAP kann als Web-App-Tool in der Industrie, im Dienstleistungssektor und in Infrastruktureinrichtungen eingesetzt werden und folgende Bereiche unterstützen:

• (Vorausschauende) Betriebswartung
• Produktionssteuerung
• Planung und Prozessoptimierung
• Lebenszyklusmanagement

AFRYs gebündelte Expertise in den Bereichen Planung, Simulation und Datenanalyse unterstützt Sie dabei, Betriebs- und Labortestdaten auszuwerten und verborgene Informationen zu gewinnen.

Luftqualität im Gotthard-Basistunnel

Voraussage der langfristigen Auswirkungen auf die Integrität der Tunnelanlagen: 57 km Tunnel, intelligent betrieben und gewartet mit AFRY e-DAP, unserer technischen Datenanalyse-Plattform.

AFRY e-DAP unterstützt unseren Kunden dabei, die Auswirkungen äußerer Wetterbedingungen vorauszusagen und die Luftzirkulation im Tunnel intelligent zu steuern ohne vor Ort zu sein: Der “Tunnel-Digital-Twin” wird als Engine zur Steuerung der klimatischen Bedingungen im Tunnel verwendet.

Die Plattform erstellt Prognosen zur Lufttemperatur und Luftfeuchtigkeit in den Tunnelröhren, gestützt auf Luftströmungsgeschwindigkeit sowie Temperatur und Feuchtigkeit im Bereich der Portale. Die Abhängigkeit der Beschaffenheit stehender Luft in den Tunnelröhren bei abnehmender Luftqualität und der Aussenluftbedingungen werden auf der AFRY e-DAP-Übersichtstafel sichtbar gemacht.

Prozessmodellierung in Abwasserreinigungsanlagen (ARA)

Abwasserreinigungsanlagen erfordern eine sorgfältige Überwachung der Betriebsparameter, einschliesslich Zu- und Abfluss, sowie einsatzbereite Massnahmen, um auf einen erhöhten äusseren Bedarf wie zum Beispiel Bevölkerungswachstum zu reagieren. Um die Anlage optimal zu betreiben, müssen die Betreiber den Energieverbrauch sowie die biochemische Last, Sauerstoffbedarf und Stickstoffgehalt etc. optimieren.

Die AFRY e-DAP-basierte Lösung besteht aus einem prädiktiven Modellierungsprozess, der folgende Schritte umfasst:

• Betriebsdaten der Schweizer Abwasserreinigungsanlage Estavayer-le-Lac werden alle 5 Minuten über einen Zeitraum von 10 Jahren gesammelt.
• Nach gründlich erfolgtem Datenmanagement haben wir verschiedene Algorithmen für maschinelles Lernen eingesetzt, um das Klärschlammalter in der Anlage voraussagen zu können.

Bedeutung für die Kläranlagenbetreiber: Betriebsverbesserung und -optimierung, Optimierung des Sauerstoffverbrauchs in Abhängigkeit von Durchflussgeschwindigkeit, Wassertemperatur, Säurewert, Stickstoffbelastung und anderer organischer Inhaltsstoffe.

Ursachenanalyse & Anomalieerkennung in Kraftwerken

Unter den Problemen, die in Kraftwerken auftreten, gehören Betriebsanomalien zu den kniffligsten: Das System funktioniert normal bis ungewöhnliche Intabilitäten auftreten, die von schwer zu erkennenden Anomalien verursacht werden. Dadurch kann die Produktion längerfristig zum Erliegen kommen, was zu Verlusten führt, besonders wenn Sicherheitsmassnahmen betroffen sind.

Mit AFRY e-DAP haben unsere Experten ein Modell für die Anomalieerkennung durch Ursachenanalyse geschaffen, wodurch die Abhängigkeit von jeder Variablen sorgfältig mit einem leistungsstarken internen Ursachenanalysetool bewertet wird. Es kann sowohl in Kraftwerken als auch in Chemiewerken und Prozessanlagen zum Einsatz kommen.

Simulation durch Digital-Twining (SDT)

Rechnergestützte Entwicklung (CAE) hat die Industrie in ihrem Übergang von der Trial and Error-Methode zu Physik-basiertem Modellieren unterstützt, doch an der Handhabung und Verwertung der Simulationsergebnisse hat sich in diesem Zeitabschnitt wenig verändert. Die Geschäftsmodelle von CAE-Zentren basierten fast ausschliesslich darauf, fallbasierte Simulationsergebnisse zu liefern, unter Berücksichtigung weniger zusätzlicher Betriebsbedingungen.

AFRYs neue Lösung baut auf einem neuen Paradigma der Nutzung rechnergestützter physischer Daten unter Einsatz maschinellen Lernens auf, um die Simulationsdatenbanken zu vergrössern und damit ein breiteres Spektrum von Betriebsbedingungen abzudecken, um rasch vor Ort reagieren zu können. Das resultierende Produkt dieser Kombination der Berücksichtigung physikalischer Gesetzmässigkeiten und datengespeisten Modellierens wird als Simulation durch Digitale Zwillinge (SDT) bezeichnet. Während das Paradigma auch in verschiedenen CAE-Anwendungen genutzt werden kann, haben es die AFRY-Experten im Kontext der numerischen Strömungsmechanik (CFD) implementiert.

Optimierung des Kochprozesses im Zellstoffkocher

Die Betreiber von Zellstoffkochern sind im Umgang mit täglichen Problemen unter anderem mit folgender Herausforderung konfrontiert:

• Durch Produktionsumstellung verursachte scharfe Änderungen des Trennungsvorgangs führen zu Störungen; die Wiederherstellung stabiler Bedingungen nimmt viel Zeit in Anspruch
• Grössere Verzögerungen machen es schwieriger für Bediener und automatische Steuerungen, die Änderungen zu kompensieren.
• Verstopfungsgefahr beim Sieben, Chemikalienverbrauch, Abwasserbehandlung und nicht spezifikationsgerechte Zellstoffqualität

Unsere Lösung mit AFRY e-DAP ermöglicht einen prädiktiven Modellierungsprozess, der aus folgenden Schritten besteht:

• Betriebsanlagen sammeln Daten zu Beschickung, Produktion und Betrieb im 5-Minuten-Intervall
• Nach gründlicher Datenbereinigung und Systemerkennung, kann die Qualität der Zellstoffnachhaltigkeit modelliert werden.

Das führt zu folgenden Effekten: Möglichkeit einer höheren Separation für höheren Ertrag und Reduktion der Kosten für Chemikalien & des chemischen Sauerstoffbedarfs bei der Abwasserbehandlung.