AFRY e-DAP Hero

AFRY e-DAP

Predictive modelling durch Datenanalyse

Worum geht es? Arrow pointing right

Die Herausforderung

Die Herausforderungen des Klimawandels und die Digitalisierung zwingen uns, uns neu zu überlegen, wie wir leben, arbeiten, uns bewegen, konsumieren und Betriebe führen. Der digitale Wandel bietet unseren Kunden gewaltige Modernisierungsmöglichkeiten in den Bereichen technische Planung und Betrieb.

Die Lösung: Das verborgene Potential freisetzen

Suchen Sie eine Lösung, die Ihnen dabei hilft, Wartungserfordernisse vorauszubestimmen, Prozesse zu optimieren und die Produktion zu steuern? 
AFRY e-DAP ist eine Azure-Cloud-basierte Digital-Twin-Web-Plattform, die Echtzeitfelddaten benutzt, um Sie bei der effektiven Entscheidungsfindung zu unterstützen

AFRY e-DAP
Wie funktioniert es? Arrow pointing right

Eine Digital-Twin-Web-Plattform, die Echtzeitfelddaten verwendet

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.

AFRY e-DAP digital twin
Echtzeitdaten einer Abwasserreinigungsanlage speisen den Digital-Twin
Was ist der Nutzen? Arrow pointing right

Massgeschneiderte Datenanalyse zur Unterstützung des Entscheidungsprozesses 

Die virtuelle Datenanalyseplattform hilft Ihnen dabei, frühzeitig fundierte Entscheidungen zu treffen sowie Effizienz und Ausfallsicherheit zu maximieren, um Risiken zu reduzieren und die Betriebskosten zu optimieren.

AFRY e-DAP-Graph
Vom einfachen Dashboard zur individuell gestalteten Übersichtstafel mit Echtzeitfelddaten

 

AFRY e-DAP ist auf Ihre Bedürfnisse zugeschnitten und einfach zu bedienen:

  • Nutzen Sie die Azure-Cloud-Ressourcen von AFRY per Web App: Nutzen Sie die Azure-Cloud-Ressourcen von AFRY, um auf Ihre gesicherten Projekte zuzugreifen.
  • Erstellen Sie Fliessdiagramme Ihrer Betriebsprozesse: Ermitteln oder markieren Sie die Sensoren in Ihren Betrieben und steuern Sie den Datentransfer zur zentralen AFRY e-DAP-Plattform.
  • Überwachen Sie den ständigen Eingang von Echtzeitfelddaten: Beziehen Sie verlässliche Information durch konstanten Dateneingang über Sensoren, die mit dem Edge-IdD-Gateway vor Ort verbunden sind.
  • Fortgeschrittenes Datenmanagement: Datenvorverarbeitung und -bereinigung, einschliesslich Erkennung und Beseitigung von Ausreissern, mit Hilfe verschiedener Tools.
  • Führen Sie einfache statistische Berechnungen durch und nutzen Sie fortgeschrittenes maschinelles Lernen: Passen Sie den Output Ihren Bedürfnissen an – von einfachen Statistiken bis zu fortgeschrittenen Datenanalysen.
  • Passen Sie Ihre Arbeitsumgebung an Ihre Bedürfnisse an: Die Ergebnisse des Digital-Twin werden auf einer Übersichtstafel präsentiert und können zu neuen Betriebsbedingungen abgefragt werden.
Wo findet AFRY e-DAP Anwendung? Arrow pointing right

Haben Sie gewusst?

AFRY e-DAP hilft unseren Kunden bei folgenden Aufgaben:

  • Produktionssteuerung: Hilft Ihnen, Lösungen beim Gefahrenmanagement in Ihrem Betrieb zu finden
  • Planung und Prozessoptimierung: Nutzen Sie die Vorteile der Fachkompetenz von AFRY für die Gestaltung Ihrer eigenen Datenanalyseaktivität
  • (Vorausschauende) Betriebswartung: Hilft Ihnen dabei, präventive Massnahmen zu treffen, um Fehlerbehebungsprobleme zu meiden
  • Lebenszyklusmanagement: Informiert Sie über die Effizienz und Zuverlässigkeit des Systems

Möchten Sie das Potential Ihres Betriebs durch eine massgeschneiderte Lösung – zur Anwendung in bestehenden Plattformen oder als zusätzliche Funktion – entdecken? Kontaktieren Sie unser Expertenteam heute noch, um zu erfahren, wie Sie AFRY e-DAP dabei unterstützen kann

 

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.

 

 

GBT simulation
Vorhersage der Lufttemperatur im Tunnel

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.

AFRY e-DAP WWTP
Voraussage des Klärschlammalters in den Absetzbecken

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.

.

AFRY e-DAP Energy Plant
Ergebnisse einer Ursachenanalyse

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.

AFRY e-DAP Digital Twin
CFD-Simulation einer Windmühle

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.

AFRY e-DAP Pulp
Voraussage der Kappa-Zahl
Infos & Demo Arrow pointing right

Möchten Sie die Plattform ausprobieren? Kontaktieren Sie uns.

Djamel Lakehal
Head of Section Advanced Modelling & Simulation / BDM

AFRY verpflichtet sich, Ihre Daten zu schützen und Ihre persönlichen Informationen sicher aufzubewahren. Wir verarbeiten personenbezogene Daten in Übereinstimmung mit den geltenden Gesetzen, Vorschriften und unserer Datenschutzrichtlinie.