Loading
Case Study | Zementindustrie
Recent ActivityRecent Activity

Zementwerk senkt Kohle- und Energieverbrauch um bis zu 2 %

Die FactoryTalk® Analytics™ PavilionX™-Lösung für modellprädiktive Regelung (MPC) optimiert Brennöfen und senkt die jährlichen Brennstoffkosten um bis zu USD 330.000.

Teilen:

LinkedInLinkedIn
XX
FacebookFacebook
PrintPrint
EmailEmail
Mann in blauem Overall und rotem Schutzhelm bedient Zement-Brenner

Herausforderung

  • Reduzierung des Kohle- und Energieverbrauchs – und der damit verbundenen Treibhausgasemissionen

Lösung

  • FactoryTalk® Analytics™ PavilionX™ modellprädiktive Regelung: Modulare Software Plattform für modellprädiktive Regelung

Ergebnisse

  • Reduzierung des Kohle- und Energieverbrauchs im Ofen um bis zu 2 %
  • Kraftstoffeinsparungen von bis zu USD 330.000,00 pro Jahr realisieren
  • Mühlenleistung optimieren
  • Senkung der CO2- und NOx-EmissionenBediener workload erleichtern

Zement ist eines der am häufigsten verwendeten Produkte der Welt. Doch die Nachfrage ist besonders in China ungebrochen, das weltweit führend in der Zementproduktion ist. Zement ist ein entscheidender Bestandteil für Infrastruktur- und Wohnungsbauprojekte, die die zunehmend städtische Bevölkerung und die wachsenden Megastädte des Landes unterstützen.

Während eine konstante Nachfrage für chinesische Produzenten gute Nachrichten ist, ist die Zementproduktion eine energieintensive Industrie, die stark von Kohle als Brennstoff abhängig ist.

"Kohle ist eine der Hauptquellen für Treibhausgase", sagte Alessandro Masiello, Manager, Rockwell Automation. "Chinesische Zementproduzenten suchen nach Möglichkeiten, nicht nur die Brennstoffkosten zu senken, sondern auch die Umweltvorschriften einzuhalten."

Vor Kurzem wandte sich der führende Zementproduzent des Landes an Rockwell Automation, um eine bessere Möglichkeit zu finden, ihren Prozess zu optimieren, den Brennstoffverbrauch zu senken – und die Kosten zu kontrollieren. 

Komplexe Variablen

Die Zementproduktion ist ein komplexer Prozess, der im Rohmühlenbereich beginnt, wo Kalkstein und andere Materialien zerkleinert und gemischt werden. Im Ofen werden die Rohstoffe hohen Temperaturen ausgesetzt und zu Klinker umgewandelt. Der Klinker wird in die Endmühle transportiert, wo er gemahlen und mit Gips vermischt wird, um das Endprodukt herzustellen. 

Während die Zementproduktion in jedem Schritt Energie verbraucht, ist der Ofen einer der schwierigsten Schritte zur Optimierung.

Moderne Zementwerke verwenden typischerweise Drehrohröfen mit Kalzinatoren. Der Kalzinator erhitzt das Rohmaterial auf etwa 900 °C (1650 °F). Der Kalzinierungsprozess wird im Ofen abgeschlossen, der das Material auf etwa 1200 °C (2200 °F) erhitzt. Um diese Temperaturen zu erreichen, wird dem Hauptbrenner des Ofens – und auf der Kalzinatorebene – Brennstoff zugeführt.

"Da die Qualität des Rohstoffs und der Heizwert der Kohle variabel sind, ändern sich die Prozessbedingungen im Ofen ständig", sagte Tiger Xiaohu He, Zementindustrie-Berater, Rockwell Automation.

Zusätzlich kühlen Lüfter den Klinker, wenn er den Ofen verlässt – und das System führt die entstehende heiße Luft zurück zum Kalzinator. Während die Umluft die Energieeffizienz verbessert, fügt sie dem Prozess eine weitere variable hinzu.

Außerdem wird das Material regelmäßig getestet, um die Produktqualität zu gewährleisten und sicherzustellen, dass der freie Kalkgehalt im Bereich von 1–2 % bleibt. Die Menge an freiem Kalk steht in direktem Zusammenhang mit der Energiezufuhr zum Ofen.

Das Problem mit konventioneller Steuerung

"Das Zementunternehmen verwendete Standard-PID-Regelkreise zur Steuerung einer begrenzten Anzahl von variablen", erklärte Tiger Xiaohu He. "Aber angesichts der hohen Anzahl von variablen in einer Zementanlage können PID-Regelkreise den Prozess nicht wirklich optimieren." 

Während der Zementproduzent in seinem umfangreichen Netzwerk von Werken vor ähnlichen Herausforderungen stand, entschied er sich zunächst, sich auf die Anlage in Yiyang zu konzentrieren.

Die Anlage in Yiyang produzierte 5000 Tonnen Klinker pro Tag und verbrauchte dabei etwa 500 Tonnen Kohle. Jährlich verbrauchte die Anlage etwa 165000 Tonnen Kohle zu Kosten von USD 16.500.000,00 pro Jahr. Um den Kohleverbrauch zu senken, wusste das Unternehmen, dass es eine bessere Kontrolle des Energieverbrauchs des Ofens erreichen musste. 

"Die Temperaturen im Ofen schwankten stark", sagte Tiger Xiaohu He. "Um die Temperaturen zu kontrollieren, überwachten die Bediener den Prozess und reagierten manuell auf alle Schwankungen."

Beispiel: Im Hauptbrenner überwachten die Bediener Wärmebildkameras – und passten dann den Brennstofffluss an, um die Temperatur zu erhöhen oder zu senken. Im Kalzinator änderten die Bediener die Temperatur-Sollwerte des PID-Regelkreises, um Brennstoffzugaben nach Bedarf auszulösen.  

"Die Bediener verbrachten 50–70 % ihrer Zeit mit der Überwachung und Anpassung der Temperaturen und Brennstoffzugaben", sagte Tiger Xiaohu He. "Aber trotz ihrer besten Bemühungen konnten sie die thermische Effizienz des Systems nicht verbessern." 

Mehr Ofenstabilität mit modellprädiktiver Regelung

Um einen stabileren Ofenbetrieb zu erreichen, empfahl Rockwell Automation eine Lösung auf Basis von FactoryTalk® Analytics™ PavilionX™, einer Software-Plattform für modellprädiktive Regelung (MPC).

"FactoryTalk® Analytics™ PavilionX™ MPC kann in jedes vorhandene Steuerungssystem integriert werden", sagte Jingkun Tang, Pavilion Business Development Manager, Rockwell Automation. "Es verbessert den Prozess, indem es Vorhersagen über die Anlagenleistung trifft – und auf Prozess-Eingangsvariablen und Störungen reagiert."

FactoryTalk® Analytics™ PavilionX™ Modellprädiktive Regelung nutzt Technologien des überwachten maschinellen Lernens, um robuste, dynamische Modelle für multivariable Prozesse zu erstellen. Sie analysiert historische Daten und Produktionstrends – sowie aktuelle Prozess- und Labordaten – und übernimmt die Kontrolle, um die Leistung zu optimieren. 

Beispiel: Die Software kann modellieren und vorhersagen, wie sich die Rezirkulation von Heißluft auf die Temperatur im Kalzinator auswirkt. Anschließend kann sie automatisch die Kohlezugabe steuern, um ein hochwertiges Produkt mit der idealen Brennstoffmenge zu erzielen.

"In einer Anwendung wie dieser ist alles miteinander verbunden", sagte Alessandro Masiello. "FactoryTalk® Analytics™ PavilionX™ MPC ermöglicht eine bessere Kontrolle der Produktqualität, was eine Reduzierung des Energieverbrauchs erlaubt – und letztlich mehr Kapazität."

Erweiterung der Erfolge auf den Mühlenbetrieb – und das gesamte Unternehmen

Die Fokussierung auf die Ofenleistung war ein Weg, den Kohleverbrauch im Werk Yiyang zu optimieren. Das Werk hoffte jedoch auch, den Energieverbrauch in einem weiteren energieintensiven Prozess zu senken – den Mühlenanwendungen.

Durch den Einsatz von FactoryTalk® Analytics™ PavilionX™ MPC sowohl in der Rohmühle als auch in der Endmühle konnte das Werk variablen wie Rohstoffinkonsistenz und Klinkermahlbarkeit besser steuern – und den Energieverbrauch optimieren.

"Insgesamt hat die Lösung dazu beigetragen, den Betrieb von Ofen und Mühle zu stabilisieren", sagte Jingkun Tang. "Das stabilere System hat die workload der Bediener deutlich reduziert – und beeindruckende Energieeinsparungen ermöglicht."

Mit FactoryTalk® Analytics™ PavilionX™ MPC konnte das Werk Yiyang den Kohle- und Energieverbrauch im Ofen um bis zu 2 % senken – und zusätzliche Einsparungen in den Mühlen erzielen. Die Verringerung des Kohleverbrauchs entspricht jährlichen Einsparungen von bis zu USD 330.000,00 und ermöglichte es dem Werk, zwei Nebenprodukte des Kohleverbrauchs zu reduzieren – Kohlendioxid (CO2) und Stickstoffoxid (NOx)-Emissionen. 

"Das Pilotprojekt im Werk Yiyang war äußerst erfolgreich", sagte Jingkun Tang. "Das Unternehmen hat die FactoryTalk® Analytics™ PavilionX™ MPC-Lösung bereits auf fünf weitere Werke ausgeweitet – mit mindestens fünf weiteren in Planung."

Veröffentlicht 5. April 2021

Themen: Process Optimization Nachhaltigkeit Energie Zement Model Predictive Control
Abonnieren

Abonnieren Sie Rockwell Automation und erhalten Sie die neuesten Nachrichten, Thought Leadership und Informationen direkt in Ihren Posteingang.

Abonnieren

Empfohlen für Sie

Autonomous Decision-making for Material Handling
Autonomous Decision-making for Material Handling
Case Study
Case Study
Autonomous Decision-making for Material Handling
How can mining companies reduce material handling challenges? Learn how to improve operational efficiencies and achieve regulatory compliance.
Metso: Achieving the Autonomous Mine with IIoT
Metso: Achieving the Autonomous Mine with IIoT
Case Study
Case Study
Metso: Achieving the Autonomous Mine with IIoT
Minerals processing plant saves hundreds of thousands in unnecessary spend with AI-driven predictive maintenance.
Limestone Calciner Takes Command of Operations with New Control Centre
Limestone Calciner Takes Command of Operations with New Control Centre
Case Study
Case Study
Limestone Calciner Takes Command of Operations with New Control Centre
A time-honoured lime calciner transformed its command operations with an integrated control room.
Loading
  1. Chevron LeftChevron Left Rockwell Automation Startseite
  2. Chevron LeftChevron Left Unt...
  3. Chevron LeftChevron Left Neuigkeiten
  4. Chevron LeftChevron Left Anwenderberichte
  5. Chevron LeftChevron Left Zementwerk senkt Energieverbrauch
Der Inhalt dieser Website wurde mit künstlicher Intelligenz (KI) übersetzt und nicht durch Menschen überprüft bzw. editiert. Der Inhalt ist möglicherweise fehlerhaft oder ungenau und wird ohne jegliche Gewährleistung zur Verfügung gestellt. Der offizielle Inhalt ist in der englischen Version zu finden.
Bitte aktualisieren Sie Ihre Cookie-Einstellungen, um fortzufahren.
Für diese Funktion sind Cookies erforderlich, um Ihr Erlebnis zu verbessern. Bitte aktualisieren Sie Ihre Einstellungen, um diese Cookies zuzulassen:
  • Social-Media-Cookies
  • Funktionale Cookies
  • Leistungscookies
  • Marketing-Cookies
  • Alle Cookies
Sie können Ihre Einstellungen jederzeit aktualisieren. Weitere Informationen finden Sie in unserem {0} Datenschutzrichtlinie
CloseClose