Hoch

Als Leseliste speichern Veröffentlicht von Emily Thomas, stellvertretende Herausgeberin von World Cement, Freitag, 30. Oktober 2020, 12:23 Uhr

Dirk Schmidt und Eugen Geibel, KIMA Process Control, diskutieren, wie die Methoden der High-Level-Control (HLC) Anfang der 2000er Jahre in der Zementindustrie eingesetzt wurden und immer komplexere Regelprozesse steuern, bei denen Standardregler versagen.

Die Verwirklichung von „Industrie 4.0“ ist seit Jahren eine wesentliche Aufgabe der Industrie. Begriffe wie „Big Data“ und „KI“ (Künstliche Intelligenz) werden in letzter Zeit in vielen Bereichen häufig verwendet. KI in Kombination mit Big Data soll Lösungen für seit langem bestehende Probleme bieten, nicht nur in der Automatisierung. Es könnte daher überraschend sein zu erfahren, dass seit 2009 ein vollständig autonomer Mühlenbetrieb (einschließlich des Einsatzes von KI) stattfindet. In diesem Artikel wird kurz zusammengefasst, wie die Methoden der High-Level-Control (HLC) in der Zementindustrie eingesetzt wurden Anfang der 2000er Jahre und wie es ihnen gelingt, immer komplexere Regelprozesse dort zu steuern, wo Standardregler versagen.

Um die Integration fortschrittlicher Technologien in der Zementindustrie zu beschleunigen, schlugen einige Unternehmensberater vor, Industrie 4.0-Lösungen aus Chemiefabriken/Raffinerien zu kopieren und in Zementwerken anzuwenden. Ein aktuelles Beispiel ist ein Bericht über die erste erfolgreiche Umstellung der regulären Anlagensteuerung auf KI-Steuerung, die als Durchbruch gilt. Hier ist Vorsicht geboten – die Fähigkeiten der KI sind, wie ihre Geschichte zeigt, immer noch begrenzt.

KI ist ein sehr weit gefasster Begriff und es ist schwierig, eine Definition des Konzepts zu finden, über die sich alle einig sind. Im weiteren Sinne lässt sich darunter ein Teilgebiet der Informatik definieren, das sich mit der Simulation intelligenten Verhaltens in Computern beschäftigt, also der Fähigkeit einer Maschine, intelligentes (menschliches) Verhalten nachzuahmen.

Technisch gesehen sind die meisten KI-Systeme, die heute in der Industrie eingesetzt werden, datengesteuerte Algorithmen. Das Grundprinzip dieser Algorithmen ist relativ einfach, ihre Leistungsfähigkeit gewinnen sie jedoch aus riesigen Datenmengen, hohen Wiederholraten der Berechnungen und vielfältigen Verknüpfungen.

Der Einsatz von KI für viele Aufgaben ist keine neue Idee. Die Entwicklung schnellerer Computer mit der Möglichkeit, riesige Informationsmengen (Big Data) zu speichern und zu verarbeiten, macht den Einsatz von KI möglich und sinnvoll. Deep Learning, das selbst ein Teil des maschinellen Lernens ist, nutzt mehrschichtige künstliche neuronale Netzwerke (KNN), um aus Big Data zu lernen und nach Mustern zu suchen, die nach einer gewissen Schulung des KNN zur Problemlösung verwendet werden könnten.

Auch wissensbasierte Automatisierung einschließlich Fuzzy-Logik und Analysemethoden wie beispielsweise Model Predictive Control (MPC) sind Teil der KI (Abbildung 1). Je nach Aufgabenstellung sind unterschiedliche KI-Methoden anwendbarer als andere. Heutzutage ist klar, dass es kein einheitliches KI-Modul für den Zementproduktionsprozess wie in Raffinerien gibt. Fuzzy-Logik ist für die Regelung technischer Prozesse mit einer moderaten Anzahl von Variablen und Daten anwendbar, für die eine Regelungsstrategie ausgedrückt werden kann. Es ist eine gute Wahl für Prozesse, bei denen ein sicherer Betrieb in kritischen Situationen zwingend erforderlich ist. Neuronale Netze werden zur Erkennung versteckter Muster für Prozesse verwendet, für die keine Steuerungsstrategie ausgedrückt werden kann und die eine große Anzahl von Eingangsvariablen haben. MPC ist eine gute Wahl für gut verstandene Prozesse, für die ein mathematisches Modell verfügbar ist. Eine Optimierung ist möglich, wenn das Modell schneller als in Echtzeit berechnet werden kann. Online-Adaptivität ist in der Zementproduktion ernsthaft nicht praktikabel.

Abbildung 1. High-Level-Control basiert auf KI.

Eine kurze Diskussion mit Anbietern von KI-Lösungen machte deutlich, dass diese „Revolution“ in den Steuerungssystemen von Zementwerken einfach mit MPC und Soft-Sensoren funktioniert. Powitec Intelligent Technologies (Deutschland) nutzte 2001 selbstanpassendes MPC und maschinelles Lernen. Es war die erste umfassende Black-Box-Steuerung, die einen Drehrohrofen mehr als 24 Stunden lang völlig autonom ohne manuelle Interaktion betrieb. Herzstück des Systems war eine Bildverarbeitungskamera zur Analyse der Hauptbrennerflamme und eine Online-Vorhersage für freien Kalk. Bereits im Jahr 2002 kamen verschiedene KI-Komponenten zum Einsatz. Mittels adaptiver MPC wurde der schwankende Energieeintrag in Ofen und Kalzinator automatisch angepasst. Pioniere beim Einsatz von KI waren damals die Zementhersteller LEUBE (Österreich) und Märker Zement (Deutschland). Bald darauf kamen Unternehmen wie ABB, FLSmidth, Pavillion, KIMA Echtzeitsysteme und Rockwell mit ähnlichen modellbasierten Steuerungen auf den Markt. Heutzutage sind viele Unternehmen zur robusteren Fuzzy-Logic-Steuerung zurückgekehrt. Für Softsensoren werden prädiktive Modelle verwendet. Der Grund dafür ist der gravierende Unterschied im Zementherstellungsprozess im Vergleich zu anderen gängigen Produktionsverfahren.

Abbildung 2. Klinkerbett in einem mit Petrolkoks und Kohle befeuerten Drehrohrofen – ein einzigartiger, komplexer Prozess mit zahlreichen unterschiedlichen Bedingungen.

Die Klinkerproduktion ist ein komplexer Vorgang. Das sogenannte „mehrdimensionale nichtlineare Prozessmodell“ eines Ofens oder einer Mühle hat es nicht geschafft, die realen Systeme angemessen zu modellieren. Die echte Ofen- oder Mühleneinheit unterliegt Verschleiß und anderen natürlichen Schwankungen, die bisher von Modellen nicht abgebildet werden konnten. Grob gesagt wird das Verhalten eines Ofens oder einer Mühle morgen anders sein als heute. Es gab Versuche, Softwarefunktionen wie Selbstanpassung und Selbstlernen zu implementieren, aber es müssen zahlreiche Änderungen berücksichtigt werden: Auskleidungen, Kugeln, Rutschen, Zuführungen, Ventile, Feuerfestmaterial, Brennstoffe und Rohstoffe. Und dann sind noch weitere Änderungen zu berücksichtigen: die Bestandteile und Zusatzstoffe des Steinbruchs, der Heizwert des Brennstoffs, Wasser- und Ascheänderungen, die Änderung der Partikelgrößenverteilung von Kohle und Petrolkoks aus ihren Mühlen und die damit verbundene Änderung der Verbrennung (Zündpunkt, Verbrennung). heraus, gleiche Form usw.). All diese Veränderungen können sich auf die Qualität von Klinker und Zement auswirken – eine große Herausforderung für einen Controller. Wenn ein mehrdimensionales Prozessmodell mit Signalen gespeist wird, die eine Drift aufweisen oder instabil sind, schlägt es fehl. Es ist möglich, diese Modelle mit ANN zu trainieren, um die Drift zu erkennen und das Modell entsprechend anzupassen. Die Frage ist, wie schnell sich der Prozess ändert. Es kann vorkommen, dass ein ANN-basiertes Modell regelmäßig neu trainiert werden muss, was für viele Herstellungsprozesse unpraktisch ist. Folglich bedeutet dies, dass MPC für „driftende“ Systeme nicht die beste Lösung sein wird. In solchen Fällen ist ein regelbasiertes System erforderlich, um den Prozess zu steuern, wenn MPC- und/oder ANN-Ergebnisse nicht realistisch sind.

Mithilfe moderner KI-Module erreichen diese Systeme ein neues Automatisierungsniveau. In diesem Artikel werden einige Anlagen detailliert beschrieben, die ihre Mühlen über mehrere Tage hinweg völlig autonom betreiben. Der „Autopilot“ ist nicht nur auf reibungslose Betriebsbedingungen beschränkt. KIMAs MILLMASTER ermöglicht das vollautomatische Starten und Stoppen der Mühle, die automatische Wiederherstellung nach Notfällen und den Wechsel zwischen Zementsorten. In den folgenden Fallstudien werden einige Anlagen kurz besprochen, die ihre Leistung mithilfe von KIMAs SMARTCONTROL gesteigert haben. Die Softwareplattform wurde weltweit in fast 200 regelbasierten Fuzzy-Expertensystemen namens MILLMASTER bereitgestellt, die alle in Abbildung 1 dargestellten KI-Module nutzen.

Im Jahr 2008 veröffentlichte KIMA Echtzeitsysteme (der frühere Name von KIMA Process Control) einen Artikel über ein Projekt zur Lieferung von 30 SMARTCONTROL-Paketen für Kugelmühlen (einschließlich des Füllstandmesssystems SMARTFILL) an ausgewählte Werke der Holcim-Gruppe in Ost- und Mitteleuropa . Nach der Inbetriebnahme und später im laufenden Betrieb dieser Anlagen wurde die Entwicklung von MILLMASTER separat im Holcim-Konzern sowie bei KIMA Process Control weitergeführt. Um neuen Trends in der Automatisierung zu folgen, wurden neue Designs der Mensch-Maschine-Schnittstelle, der Programmierlogik und neue Softwaremodule entwickelt. Die oben genannten Fallstudien zeigen die Ergebnisse und berichten über die Erfahrungen der aktuellen Benutzer dieses Produkts.

SMARTFILL von KIMA ist ein präzises Füllstandmesssystem für Kugelmühlen. Es misst den Körperschall verlustfrei direkt am Mühlenmantel und wandelt dieses Signal in eine Füllstandsinformation um (siehe Abbildung 9). SMARTFILL kann nicht nur mit KIMAs MILLMASTER integriert werden, sondern auch mit der Steuerungssoftware von LafargeHolcim, HeidelbergCement und BuzziUnicem. SMARTFILL hat KIMA zum Marktführer in diesem Instrumentierungsbereich gemacht, da es robuste und driftfreie Prozesssignale liefert, die für den automatisierten Betrieb mit MILLMASTER in Kombination mit anderen Prozessvariablen verwendet werden können. Sensoren wie der V-SENS (Vibrationssensoren) und der neu entwickelte T-SENSOR (ein berührungsloser Drehmomentsensor) bauen auf dem Erfolg von SMARTFILL auf und machen HLC auch für VRMs und kombinierte Mahlkreisläufe mit Rollenpressen verfügbar, wie im nächsten Abschnitt näher erläutert wird.

Abbildung 3. Eine Skizze eines typischen Mahlkreislaufs, bestehend aus einer Rollenpresse und einer Kugelmühle.

Abbildung 3 zeigt einen kombinierten Mahlkreislauf, bestehend aus einer Walzenpresse und einer Kugelmühle. Ein solcher Mahlkreislauf für Zement ist aufgrund seines vorteilhaften spezifischen elektrischen Energiebedarfs und der Produktqualität weit verbreitet. Aus regelungstheoretischer Sicht handelt es sich jedoch um ein schwieriges System, das aus drei Subsystemen (Walzenpresse, Kugelmühlenkammer 1, Kugelmühlenkammer 2) besteht, die jeweils kritisch sind, da sie Teil einer jeweiligen Rückkopplungsschleife sind (via). die Separatoren) mit individuell unterschiedlichen Verzögerungszeiten (oder Zeitkonstanten). Die Rückkopplungsschleife ermöglicht es jedem dieser Subsysteme, auf seiner jeweiligen Resonanzfrequenz zu schwingen, die durch die oben genannte Zeitkonstante bestimmt wird. Schlimmer noch: Diese Zeitkonstanten sind nichtlineare Funktionen der Klinkerqualität (Mahlbarkeit), deren Konstanz nie garantiert ist. Herkömmliche PID-Regler sind nicht in der Lage, solche schwingungsanfälligen Systeme zu beherrschen.

Um die Komplexität des kombinierten Mahlkreislaufs besser zu verstehen, kann ein solches System mit drei Pendeln verglichen werden, die durch Federn unterschiedlicher Steifigkeit gekoppelt sind, wie in Abbildung 4 dargestellt. Die Zeitkonstante jedes Pendels wird durch seine Masse und die Länge bestimmt. und die Kopplung wird durch die Steifigkeit der Verbindungsfedern bestimmt. Im Idealfall wird dieses System durch einen konstanten Rohvorschub angeregt (verschoben) und jedes Pendel bewegt sich in einen neuen Gleichgewichtszustand und bleibt dort.

Abbildung 4. Masse-Feder-Modell des kombinierten Mahlkreises mit Rollenpresse und Zweikammer-Kugelmühle.

In der Praxis ist die Erregung durch Rohfutter jedoch nicht konstant, die Länge jedes „Pendels“ ändert sich mit der Zeit und auch die Steifigkeit der Federn ändert sich mit der Zeit. Es entsteht ein System, das permanent mit wechselnden Frequenzen und Amplituden schwingt (siehe Abbildung 5).

Abbildung 5. Erregtes Feder-Masse-System.

Die Aufgabe eines geschlossenen Regelsystems besteht nun darin, die Erregung (also Rohfutter), die Resonanzfrequenzen (Länge des Pendels, also Transportgeschwindigkeit von Becherwerk, Förderbändern und Luftrutschen) und die Steifigkeit der Koppelfedern einzustellen ( d.h. Massenstrom von der Walzenpresse in die Kammer 1 und von der Kammer 1 in die Kammer 2). Die Steuerung solcher Systeme ist eine schwierige Aufgabe und kann nicht mit einem einzigen PID-Regler durchgeführt werden. Nach der langjährigen Erfahrung von KIMA lässt sich ein solches System mit MILLMASTER erfolgreich steuern.

Der autonome Mühlenbetrieb mithilfe von KI-Modulen ist keine Science-Fiction mehr. Im Jahr 2009 wurde MILLMASTER in einem VRM-Automatisierungsprojekt in Nordfrankreich implementiert. In seinem Werk in Dunkerque produziert EQIOM Ciment mit der Loesche Typ LM 46.2+2 S VRM hauptsächlich Hüttenzement, die Mühle wird von einem MILLMASTER-System gesteuert. An jedem Wochenende (Freitagnachmittag bis Montagmorgen) wird die Anlage völlig mannlos betrieben und MILLMASTER betreibt die Mühle völlig autonom.

Abbildung 6. Vertikale Walzenmühlen verfügen in der Regel auch über ein großes Automatisierungs- und Optimierungspotenzial.

„Das MILLMASTER-System ist täglich im Einsatz und gibt uns die Möglichkeit, uns während des Mühlenbetriebs auf die Leistungsoptimierung zu konzentrieren. Es ist auch schneller als ein Bediener, wenn es darum geht, die Ausrüstung bei wichtigen Änderungen im Mühlenverhalten zu schützen. Ohne dieses Expertensystem wäre es schwierig, über einen längeren Zeitraum zu arbeiten.“ Pierre Vonstein, Betriebsleiter für Mahlstationen im Norden und in der Normandie, EQIOM.

Abbildung 7. MILLMASTER-Zementtyp-Konfigurationsbildschirm für CEM II/BM (VL) 42,5 N.

Ein wesentlicher Vorteil des MILLMASTER-Systems besteht darin, dass es so konfiguriert werden kann, dass die Bediener nicht viel vom System sehen. Mit dem „Ein/Aus“-Schalter können Sie den „Autopiloten“ starten oder stoppen. Das Einschalten dient nur einem Zweck: der Steigerung der Produktion. Ein repräsentatives Beispiel ist Fabrika Cementa Lukavac DD in Bosnien und Herzegowina. Im Jahr 2018 wurde das System auf einer Kugelmühle mit einer Kapazität von 65 t/h installiert, die normalerweise eine Ausgangsleistung von 67 t/h erreichte, wie Emir Cilimkovic (Prozessmanager) berichtete. Hier sind die „Vorher-Nachher-Ergebnisse“ für die beiden im Werk produzierten Zementsorten:

Abbildung 8. Blick auf das Werk Lukavac, Bosnien und Herzegowina.

Abbildung 9. Das SMARTFILL-Gerät an der Mühle mit Schallsensoren für Kammer 1 und Kammer 2.

Nach der Fusion von Lafarge und Holcim wurde vielen Werken mit dem Austritt aus der Gruppe die Aufforderung erteilt, ihre bisherigen Expertensysteme LUCIE (Lafarge) und MILLMASTER (Holcim) abzuschalten. Beide Expertensysteme erforderten ein gewisses Maß an Unterstützung durch Technologiezentren und regelmäßige Besuche von Experten, um einen erfolgreichen täglichen Betrieb sicherzustellen. Daraufhin wurden einige namhafte Lieferanten gebeten, diese Anlagen mit einer alternativen Software auszustatten, die die gleiche Leistung wie die bisherigen Systeme bietet, jedoch – wenn möglich – mit einfacherer Handhabung vom Anlagenstandort aus und ohne die Notwendigkeit einer regelmäßigen Wartung aus externen Ressourcen. Im Jahr 2015 erhielt KIMA Echtzeitsysteme den Auftrag, alle Kugelmühlen in den von CRH übernommenen Werken in Deutschland auszurüsten. Zwar gab es einige Bedenken gegenüber dem kleinen – wenn auch gut etablierten – Lieferanten KIMA, dies war jedoch der Fall Bekannt ist auch, dass dieses Unternehmen bisher rund 30 Holcim-Werke in Osteuropa mit SMARTCONTROL-Systemen wie MILLMASTER und KILNMASTER ausgestattet hatte. Auch das ehemalige Lafarge-Werk in der ostdeutschen Kleinstadt Karsdorf (rund 50 km von Leipzig entfernt) war damit ausgestattet MILLMASTER-Expertensystem. Insgesamt sechs Zementmühlen, vier davon Mittenaustragsmühlen, erhielten ein individuelles Softwarepaket und eine Parametrisierung, um die anspruchsvollen Optimierungsgarantien von zwischen 5 % und 8 % der Produktionssteigerung oder alternativ 4 % bis 6 % zu erreichen gezielte Reduzierung des Energiebedarfs. Erwähnenswert ist auch, dass die Inbetriebnahme eines MILLMASTER für eine Kugelmühle vor Ort in der Regel nicht länger als fünf Tage dauert. Der Rest der Arbeit wird remote über eine VPN-Verbindung ausgeführt.

Tabelle 1.

Abschließend lässt sich sagen, dass alle Leistungsziele des Projekts in Karsdorf erreicht wurden. Und nicht zuletzt fanden die Expertensysteme volle Akzeptanz bei den Betreibern, wie Tim Fröhlich, der Performance Engineer im Werk, berichtete.

Die meisten Menschen glauben, dass KI nur aus selbstlernenden KNN besteht, die sich auf Big Data stützen, um komplexe Prozesse automatisch zu steuern. Das ist nicht korrekt. Wie bereits erwähnt, sollten je nach Aufgabenstellung unterschiedliche KI-Methoden gewählt werden. Es scheint, dass der Klinkerbrennprozess aufgrund seiner Komplexität ein schlechter Kandidat für eine reine ANN-Steuerung ist, nicht zuletzt aufgrund der Abnutzung der beteiligten Geräte, die das System verändert, für das das neuronale Netzwerk ursprünglich trainiert wurde. Die wesentlichen Komponenten der heute verwendeten KI ähneln denen, die vor 10 oder 20 Jahren verwendet wurden. Doch heute sind die Computer viel schneller geworden und haben Zugriff auf große Mengen historischer Daten.

Lesen Sie den Artikel online unter: https://www.worldcement.com/special-reports/30102020/high-level-control-in-cement-produktion/

Kazuki Ao, Kawasaki Heavy Industries, Ltd., erläutert detailliert die Lieferung von Stromerzeugungssystemen zur Abwärmerückgewinnung an Zementwerke auf der ganzen Welt.

Link zum Artikel einbetten:(Kopieren Sie den HTML-Code unten):