Prozessoptimierung Digitale Zwillinge und Prozessmodellierung – wie Sie davon profitieren können

Der Digitale Zwilling einer Anlage ist ein virtuelles Abbild, mit dem sich nicht nur innere Prozesszustände transparent darstellen, sondern auch Prozessoptimierungen erarbeiten lassen. Erfahren Sie am Beispiel Steam Cracker – der Königsklasse verfahrenstechnischer Anlagen – wie mithilfe von Modellen, Simulationen und Digital Twins über den gesamten Lebenszyklus von Anlagen Vorteile erwirtschaftet werden können.

Firmen zum Thema

Siemens AG

Siemens AG

Aucotec AG

ISG Industrielle Steuerungstechnik GmbH

Rösberg Engineering Ingenieurgesellschaft mbH für Automation

Modellbasierte Technologien sind der Schlüssel zu Simulationen und den meisten Optimierungsmaßnahmen. Im Modell wird die Wirklichkeit über mathematische Gleichungen beschrieben. Ein digitaler Zwilling (Digital Twin) ist das möglichst exakte Abbild eines realen Systems – mit sämtlichen Komponenten, deren Eigenschaften und Funktionalitäten. Betrachtet man den Digital Twin einer Prozessanlage als durchgängiges Konzept, spricht man im Grunde von mehreren Zwillingen: dem Digital Twin des Produkts, dem der Produktionsanlage und dem der digitalen Modellierung der Performance von Produkt und Produktion.

Für sämtliche Modelle und Simulationen gilt der Grundsatz: Der sinnvolle Detaillierungsgrad (die Modellierungstiefe) hängt von Zweck und Kontext ab bzw. beruht auf einer Kosten/Nutzen-Betrachtung. Denn je exakter ein Modell die Wirklichkeit abbilden soll, umso mehr Aufwand ist dazu nötig. Welchen Funktionsumfang ein Digital Twin konkret beinhaltet, hängt also stark vom beabsichtigten Ziel ab. In der Prozessindustrie kann dieses sehr vielfältig sein und von der Produktionssimulation über die Optimierung des Produktionsprozesses bis hin zu wirtschaftlichen Problemstellungen reichen.

Bildergalerie

Schon heute sind in den einzelnen Disziplinen Simulationsmodelle im Einsatz. Neue Perspektiven entstehen jetzt aus dem Ansatz, die einzelnen Modelle und Softwarewerkzeuge zu einem durchgängigen, semantisch gekoppelten System zu integrieren – durchgängig über die unterschiedlichen Hierarchieebenen einer Anlage und über die verschiedenen Phasen im Lebenszyklus einer Anlage hinweg. Ein vielversprechender Ansatz beruht dabei auf Kopplung von dezentralem und zentralem Informationshaushalt über so genannte Austausch- und Co-Simulationsstandards.

Beispiel Steam Cracker

Steam Cracker (Spaltöfen) gehören zu den komplexesten Anlagen der petrochemischen Industrie (siehe „Ergänzendes zum Thema“). Wegen der hohen Durchsätze und der wirtschaftlichen Bedeutung eines Crackers wollen Betreiber jedes Optimierungspotenzial ausschöpfen und unvermeidliche Anlagenstillstände, wie Reinigungsarbeiten, minimieren. Dabei stehen sie speziell vor zwei Herausforderungen:

• Die Ausbeute der Hauptprodukte hängt von vielen Einflussfaktoren ab und ist deshalb am besten über ein entsprechendes Mehrgrößen-Regelungsverfahren zu beherrschen. Die Ausbeute kann jedoch nicht direkt am Ausgang des Spaltofens gemessen werden, sondern nur summarisch (für mehrere Öfen) und mit großer Verzögerung nach der Abkühlung. Wünschenswert ist also eine Zielgrößenmessung an einer Stelle im Prozess, an der kein Messgerät überleben könnte. Hier hilft ein so genannter Soft-Sensor, der einen realen Sensor durch eine Software ersetzt, die auf einer betriebsparallelen Simulation eines Prozessmodells in Echtzeit beruht.

• Durch die hohen Temperaturen kommt es zu unvermeidbaren Anbackungen an der Innenseite der Rohre, die als Verkokung bezeichnet werden. Abhängig vom Grad der Verkokung sinkt die Ausbeute des Crackers. Zur Planung von Reinigungsmaßnahmen sollte das aktuelle Ausmaß der Verkokung bekannt sein. Eine visuelle Überprüfung scheidet im laufenden Betrieb aus. Die Restlebensdauer-Vorhersage beruht auf einer Simulation vom aktuellen Zustand aus in die Zukunft, d.h. schneller als Echtzeit.

Die hinreichend genaue Modellierung eines Crackers für solche Aussagen ist nur über ein System gekoppelter Differentialgleichungen und algebraischer Gleichungen mit insgesamt mehr als 10.000 Gleichungen möglich.

Simulation von Anfang an

Es ist tiefgreifendes verfahrenstechnisches Wissen nötig, um solche Modelle aufzustellen. Angefangen bei den ersten konzeptionellen Überlegungen beim Design der Anlage wird dieses Wissen heute über zahlreiche Softwaresysteme aggregiert. So kann auf Basis von bereits bestehendem Anlagenwissen und aktuellen Erkenntnissen aus Veröffentlichungen ein erster Digital Process Twin mit Simulations-Software erstellt werden. Dieser dient der Auslegung der Anlage und deren Komponenten („Conceptual Design“), z.B. für einen Cracker die Festlegung der chemischen Reaktion oder die Ermittlung der optimalen Reaktorgrößen und Wanddicken.

Sämtliches Wissen in dieser Phase mündet im Verfahrensfließbild (Process Flow Diagram: PFD), der Grundlage des Digital Process Twins. Die gleichungsorientierte Prozessmodellierung in dieser Stufe ist Domäne von „gPROMS“ Process Builder, einer Modellierungs- und Lösungsumgebung, die eine höhere Modellierungsgenauigkeit als viele andere Flowsheet-Simulatoren erreicht. Diese Technologie wurde von der Firma Process Systems Enterprise (PSE, London) entwickelt und wird mit der Übernahme von PSE durch Siemens in dessen Digitalisierungsportfolio integriert. Die mit „gPROMS“ erstellte detaillierte Prozesssimulation kann über den gesamten Lebenszyklus hinweg genutzt werden.

Im weiteren Verlauf des Engineerings wird der Digital Process Twin in das Anlagenplanungstool übertragen und stellt damit die Grundlage für den Digital Plant Twin dar. Dieser wird sukzessive um weitere anlagenrelevante Aspekte, z.B. Sensoren, Aktoren und Reglerstrukturen erweitert. Die Grundstruktur des Digital Plant Twins kann in einem einzigen, objektorientierten Datenmodell mit dem Anlagenplanungstool Comos von Siemens angelegt werden – vom Prozessfließbild hin zum kompletten R&I-Schema. Der Digital Plant Twin im Anlagenplanungstool wird um die automatisierungstechnischen Komponenten wie Prozessleitsystem, Prozessinstrumentierung und Bedienstationen erweitert und die strukturelle Planung mit detaillierteren Engineering-Informationen angereichert.

Nach Abschluss des verfahrenstechnischen Engineerings werden alle nötigen Informationen an das Engineering-System des Prozessleitsystems, idealerweise Simatic PCS 7, übergeben. Zudem wird die Feldebene in der Simulations-Plattform Simit abgebildet, sodass die virtuelle Inbetriebnahme der Automatisierungs-Software damit durchgeführt werden kann.

Von der Planung zum Betrieb

Ziel der virtuellen Inbetriebnahme ist ein möglichst vollständig getestetes Automatisierungssystem. Der Fokus liegt auf dem Test der implementierten Steuerungsprogramme, die für jede Anlage ein Unikat darstellen. Für den Test der realen Steuerungsprogramme kann ein Simulationsmodell herangezogen werden, das die komplette Kommunikationsschnittstelle zwischen Automatisierung und Feld bedient und an die reale (Hardware-in-the-Loop) oder emulierte (Software-in-the-Loop) Steuerungshardware angeschlossen wird. In der virtuellen Inbetriebnahme mit Simit können sämtliche Automatisierungsfunktionen vor der eigentlichen Inbetriebsetzung sicher getestet werden: Alle Systeme, Maschinen und Prozesse werden auf Basis der bereits vorhandenen Planungs- und Engineeringdaten sowie eigener Bibliotheken simuliert. Entscheidend dabei ist, dass nicht jedes einzelne Modell für sich neu erstellt werden muss, sondern dass sich das Modell über den Lebenszyklus weiterentwickelt, um die verschiedenen Teilmodelle zu erhalten.

Zum Thema: Siemens ist für die Digitalisierung seit Jahren Impulsgeber Nummer 1 und wurde von PROCESS mit dem Meilenstein „Digitalisierung/Industrie 4.0“ausgezeichnet.

Jetzt gratis Video anschauen!

Parallel zur Überprüfung der Automatisierung können Simulationen aber auch zur Vorbereitung der Anlagenfahrer dienen. Simit lässt sich als virtuelle Trainingsumgebung (Operator Trainings System – OTS) einsetzen, mit der bereits vor Inbetriebnahme der Anlage Bedienmannschaften geschult werden – an echten Bedienbildern und mit originalen Automatisierungsprogrammen. Dadurch werden das Anlagenpersonal sowohl für den Normal- als auch für den Fehlerfall geschult und Reaktionszeiten minimiert. Auch hier spielt es eine Rolle, wie detailliert ein solches OTS ausgeführt wird, z.B. als „high fidelitiy OTS“, also eines, für das ein sehr detailliertes Prozessmodell gefordert wird. Anstatt dieses wie bisher komplett neu zu erstellen, kann im Kontext des Digital Twin eine Co-Simulation mit Ankopplung von „gPROMS“ an Simit aufgesetzt werden.

Soft-Sensoren

Kehren wir abschließend zu den beiden Hauptherausforderungen beim Betrieb eines Steam Crackers zurück: der virtuellen Zielgrößenmessung per Soft-Sensor und der Verkokung. Eine wichtige Anwendung eines Digital Twin in der Betriebsphase stellen Soft-Sensoren dar. Ein Soft-Sensor schätzt eine nicht verfügbare Prozessgröße basierend auf einem Modell des Prozesses und anderen verfügbaren Messgrößen. Damit nicht für jede Anwendung eines modellbasierten Soft-Sensors neu modelliert werden muss, sollte auf den Digital Twin der Anlage zurückgegriffen werden. Der Aufwand für die Implementierung eines Soft-Sensors lohnt sich dann, wenn die geschätzte Größe wichtig für die Prozessführung ist. So ist bei Steam Crackern die Ausbeute zwar messbar, jedoch erst zahlreiche Verfahrensschritte später. Die dabei auftretende Totzeit, die um viele Größenordnungen größer als die eigentliche Prozessdynamik ist, macht eine direkte Regelung der gemessenen Ausbeute unmöglich. Die geschätzte Ausbeute am Ausgang des Cracker-Ofens steht jedoch über den Soft-Sensor totzeitfrei zur direkten Regelung zur Verfügung.

Mit zunehmender Produktionszeit lässt sich die Ablagerung von Ruß, die Verkokung, nicht verhindern. Dadurch ändert sich das Anlagenverhalten über die Produktionszeit hinweg kontinuierlich, bis die Verkokung so stark geworden ist, dass der entsprechende Spaltofen heruntergefahren und gereinigt werden muss. Um die Ausfallzeiten durch Reinigungsarbeiten gering zu halten, ist es sinnvoll, die Betriebsweise so anzupassen, dass die Verkokung möglichst gering gehalten wird. Auch hier kann das Kapital, welches bereits in der Phase des Anlagen-Designs in den Digital Process Twin investiert worden ist, erneut genutzt werden. Das Simulationsmodell wird dazu verwendet, um „What-If“-Experimente durchzuführen: Mithilfe dieser Szenarien können z.B. die Produktionszeit (Restlebensdauer bis Reinigung erforderlich wird) maximiert bzw. die Instandhaltungszeit optimal geplant werden. Ändern sich zudem Produktionsbedingungen aufgrund von Ressourcen-Engpässen oder durch volatile Rohstoffpreise, kann über solche Experimente mit einem Digital Process Twin die wirtschaftliche Bilanz verbessert werden.

Fazit: Die durchgängige Nutzung eines Digital Twin über den gesamten Lebenszyklus einer verfahrenstechnischen Anlage maximiert den wirtschaftlichen Nutzen, vor allem, wenn die Simulationsmodelle nicht für jeden Schritt neu erstellt werden, sondern gekoppelt oder ineinander überführt werden.

Event-Tipp zum Thema: Merken Sie sich den Smart Process Manufacturing Kongress 2020 vor (27./28. Oktober 2020, Würzburg). Das waren die Themen 2019:

Smart Process Manufacturing Kongress

Steckt die Prozessindustrie in der Kompetenzfalle?

* * B-M. Pfeiffer ist Key Expert Advanced Process Control, E. Bozek ist Teamleiter Model-based Solutions und M. Oppelt ist Head of Simulation Center for Process Automation, alle Siemens.

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 46275066)