Development of an optimization framework and grey-box modeling concepts for industrial applications

Abstract

Diese Arbeit befasst sich mit zwei Aspekten der industriellen Prozessoptimierung. Erstens beinhaltet diese Arbeit die Entwicklung und Anwendung eines Optimierungs-Frameworks für industrielle Fertigungsprozesse, die trotz vieler Studien über die Optimierung industrieller Energiesysteme nur am Rande untersucht wurden. Das modular aufgebaute Framework basiert auf gemischt-ganzzahliger-linearer Optimierung und wird auf eine Spanplattenproduktionsanlage angewandt, dessen Komponentenmodelle auf realen Prozessdaten basieren. Die Optimierung des Use-Cases mit und ohne Designänderung demonstriert die einfache und vielseitige Anwendbarkeit des Frameworks und die erheblichen Energie- und Kosteneinsparungspotenziale des Prozesses. Außerdem zeigen die Ergebnisse, dass die Berücksichtigung des Produkts als innovativer Kernbestandteil des Frameworks eine wesentliche Rolle im Energiemanagement des Gesamtsystems spielt. Dieses Potential kann allerdings nur mit der Echtzeitanwendung des Frameworks ausgeschöpft werden. Zweitens werden in dieser Arbeit zwei Grey-Box Modellierungsansätze für industrielle Komponenten, ein Neuronales Netz und ein mechanistisches Grey-Box Modell, zur Modellierung eines sensiblen thermischen Energiespeichers untersucht. Eine qualitative und quantitative Analyse demonstriert, dass beide Modelle genauere Prädiktionen und einen geringeren Rechenaufwand als ein rein physikalisches Modell aufweisen, allerdings nur das mechanistische Grey-Box Modell auch robust und zuverlässig ist. Um die generelle Entwicklung von kombinierten physikalischen und daten-getriebenen Modellen zu erleichtern, sind universelle Grey-Box Modellierungsansätze erforderlich.

This thesis covers two relevant aspects of industrial process optimization. Firstly, this thesis includes the development and application of an optimization framework for manufacturing processes. Although many studies dealt with the optimization of industrial energy systems, the optimization of manufacturing processes has been barely investigated. The framework uses a modular structure based on mixed-integer-linear-programming and is applied to a chipboard production plant using data-driven component models.The optimization of the use-case with and without design adaptations demonstrates the versatile and simple usability of the framework and the process’s considerable potential for energy and costs savings. To show this potential, the main novelty of this framework, the combined optimization of energy and product, was pivotal. However, the process’s full potential can only be realized if the framework is utilized for a real-time application. Secondly, this work presents two grey-box modeling concepts for industrial component modeling – a Neural Network and a mechanistic grey-box modeling approach – to model a sensible thermal energy storage. A qualitative and quantitative analysis reveals that both models show increased accuracy and lower computational effort than a purely physical model. However, only the mechanistic grey-box model is also robust and reliable, and therefore applicable for real-time applications. In general, to facilitate the creation of industrial component models using data and physical information, systematic and universal grey-box modeling approaches are required.