Intelligent MONITORISATION SYSTEM OF INDUSTRIAL FRY PLANTS WITH CAPACITY OF OPERATION OPTICAL CONSIGNATION DETERMINATION- MoFriCon (Q4657431)
Jump to navigation
Jump to search
Project Q4657431 in Spain
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | Intelligent MONITORISATION SYSTEM OF INDUSTRIAL FRY PLANTS WITH CAPACITY OF OPERATION OPTICAL CONSIGNATION DETERMINATION- MoFriCon |
Project Q4657431 in Spain |
Statements
120,266.55 Euro
0 references
220,875.2 Euro
0 references
54.45 percent
0 references
1 September 2018
0 references
31 December 2020
0 references
FUNDACIO CENTRE D INNOVACIO I TECNOLOGIA DE LA UNIVERSITAT POLITECNICA DE CATALUNYA (CIT-UPC)
0 references
8222
0 references
La generación de frío industrial tiene especial relevancia en la economía mundial ya que es un factor clave para la conservación de los alimentos y que conlleva un gran consumo de energía. Con el aumento del coste energético y el coste asociado al producto que eso supone, es fundamental optimizar la eficiencia de los sistemas de generación así como tener la capacidad de anticiparse a posibles mal funcionamientos de la instalación. Un sistema de generación de frío industrial consta de diversos equipos, hasta la fecha se ha trabajado para mejorar el rendimiento de cada máquina por separado, sin embargo, el enfoque de trabajar con todo el sistema en global aún no ha sido suficientemente explotado. En este contexto, el objetivo general del proyecto es el desarrollo de un sistema de monitorización inteligente de plantas de generación de frío industrial, maximizando la eficiencia de la planta de generación de frío industrial y minimizar el coste de funcionamiento. El indicador más utilizado para cuantificar el rendimiento de las plantas de generación de frío es el ¿Coefficient Of Performance¿ (COP). Este coeficiente tiene en cuenta la ratio entre la potencia frigorífica suministrada por la planta y la potencia eléctrica consumida, con lo que se determina el rendimiento estricto en términos energéticos de la planta. El valor del COP máximo esperable para un determinado compresor es proporcionado por el fabricante para unas condiciones determinadas de funcionamiento. Sin embargo, este indicador no es el rendimiento real máximo que puede alcanzar la planta en su conjunto, puesto que el valor del COP varía con diferentes condiciones de trabajo de la planta. Por lo tanto, la investigación se centrará en la modelización basada en datos de la planta que permita determinar en cada instante (i) COP actual y margen de mejora real del mismo, (ii) las causas de no operar con el COP máximo posible y (iii) las consignas de operación o setpoints para mantener en todo instante a la planta trabajando con el COP máximo posible. Asimismo, se investigará en la aplicación de técnicas de análisis y modelado multivariable, basadas en inteligencia artificial, y minería de datos para el reconocimiento de los patrones en las variables analizadas, asociados a los diferentes estados de operación de la planta. Se pretende modelar no solo los estados de operación estacionarios, sino también las transiciones entre diversos puntos de operación. De esta manera el modelo global de la planta se subdividirá en modelos para las situaciones estacionarias correspondientes a cada uno de los estados considerados, más los modelos de las transiciones entre ellos. Finalmente, en base a los modelos de planta generados, se propondrán los algoritmos de optimización de consignas que permitan reconducir a la planta al punto de operación óptimo en caso de detección de deriva del mismo. Para poder abordar este proyecto se ha formado un consorcio que incluye expertos en áreas complementarias de esta temática para el éxito científico y productivo del mismo. El consorcio se encuentra formado por los investigadores del CIT-UPC y por el equipo investigador de CAGSA. La metodología propuesta permitirá optimizar el compromiso precisión-generalización propio de los modelos basados en datos, ya que los diferentes modelos a desarrollar se centrarán en casuísticas concretas, siendo por lo tanto muy precisos, y la fusión de todos ellos nos permitirá obtener un modelo general de la globalidad de la planta. (Spanish)
0 references
The generation of industrial cold has special relevance in the world economy as it is a key factor for food conservation and entails a high energy consumption. With the increase in the energy cost and the associated cost of the product that this entails, it is essential to optimise the efficiency of the generation systems as well as to have the ability to anticipate possible malfunctions of the installation. An industrial cold generation system consists of various equipment, to date has been worked to improve the performance of each machine separately, however, the approach of working with the whole system globally has not yet been sufficiently exploited. In this context, the overall objective of the project is the development of an intelligent monitoring system of industrial cold generation plants, maximising the efficiency of the industrial cold generation plant and minimising the operating cost. The most commonly used indicator to quantify the performance of cold generation plants is the Coefficient Of Performance (COP). This coefficient takes into account the ratio between the cooling power supplied by the plant and the electrical power consumed, thus determining the strict energy performance of the plant. The maximum expected POP value for a given compressor is provided by the manufacturer for certain operating conditions. However, this indicator is not the maximum actual yield that the plant as a whole can achieve, since the POP value varies with different plant working conditions. Therefore, the research will focus on modelling based on plant data that allows to determine at each instant (i) current POPs and actual improvement margin of the same, (ii) the causes of not operating with the maximum possible POP and (iii) the operating slogans or setpoints to keep the plant at all times working with the maximum possible POP. Likewise, it will be investigated in the application of multivariate analysis and modeling techniques, based on artificial intelligence, and data mining for the recognition of the patterns in the variables analysed, associated with the different states of operation of the plant. It is intended to model not only stationary operating states, but also transitions between different operating points. In this way the global model of the plant will be subdivided into models for the stationary situations corresponding to each of the states considered, plus the models of the transitions between them. Finally, based on the plant models generated, the algorithms of optimisation of slogans will be proposed that allow the plant to be redirected to the optimal point of operation in case of detection of drift of the same. In order to address this project, a consortium has been formed that includes experts in complementary areas of this subject for scientific and productive success. The consortium is formed by CIT-UPC researchers and CAGSA research team. The proposed methodology will allow to optimise the precision-generalisation commitment of the models based on data, since the different models to be developed will focus on concrete casuistry, being therefore very precise, and the fusion of all of them will allow us to obtain a general model of the globality of the plant. (English)
0.6974211875734727
0 references
Produktionen av industriell kyla har särskild betydelse i världsekonomin eftersom den är en nyckelfaktor för livsmedelsbevarande och medför en hög energiförbrukning. Med den ökade energikostnaden och den tillhörande kostnaden för den produkt som detta medför är det viktigt att optimera produktionssystemens effektivitet samt att ha möjlighet att förutse eventuella fel i installationen. Ett industriellt kylsystem består av olika utrustningar, hittills har man arbetat för att förbättra varje maskins prestanda separat, men tillvägagångssättet att arbeta med hela systemet globalt har ännu inte utnyttjats tillräckligt. I detta sammanhang är projektets övergripande mål att utveckla ett intelligent övervakningssystem för industriella kylanläggningar som maximerar effektiviteten i den industriella kylanläggningen och minimerar driftskostnaderna. Den vanligaste indikatorn för att kvantifiera prestanda för kallproduktionsanläggningar är Coefficient Of Performance (COP). Denna koefficient tar hänsyn till förhållandet mellan den kyleffekt som tillhandahålls av anläggningen och den el som förbrukas, vilket bestämmer anläggningens strikta energiprestanda. Det maximala förväntade POP-värdet för en viss kompressor tillhandahålls av tillverkaren för vissa driftsförhållanden. Denna indikator är dock inte den maximala faktiska avkastning som anläggningen som helhet kan uppnå, eftersom POP-värdet varierar med olika arbetsförhållanden. Därför kommer forskningen att fokusera på modellering baserad på anläggningsdata som gör det möjligt att vid varje ögonblick (i) nuvarande POP och faktiska förbättringsmarginaler av samma, (ii) orsakerna till att inte fungera med största möjliga POP och (iii) operativa slogans eller börpunkter för att hålla anläggningen hela tiden arbeta med största möjliga POP. På samma sätt kommer det att undersökas i tillämpningen av multivariata analys- och modelleringsmetoder, baserade på artificiell intelligens, och datautvinning för igenkänning av mönstren i de analyserade variablerna, i samband med anläggningens olika drifttillstånd. Det är avsett att modellera inte bara stationära drifttillstånd, utan också övergångar mellan olika driftpunkter. På så sätt kommer den globala modellen av anläggningen att delas in i modeller för de stationära situationer som motsvarar var och en av de berörda staterna, plus modellerna för övergångarna mellan dem. Slutligen, baserat på de växtmodeller som genereras, kommer algoritmer för optimering av slogans att föreslås som gör att anläggningen kan omdirigeras till den optimala driftspunkten vid detektion av drift av samma. För att ta itu med detta projekt har ett konsortium bildats som omfattar experter inom kompletterande områden inom detta ämne för vetenskaplig och produktiv framgång. Konsortiet består av CIT-UPC-forskare och CAGSA forskargrupp. Den föreslagna metoden kommer att göra det möjligt att optimera precisionsgeneraliseringsåtagandena för modellerna baserat på data, eftersom de olika modeller som ska utvecklas kommer att fokusera på konkret kasuistry, därför mycket exakt, och sammanslagningen av dem kommer att göra det möjligt för oss att få en allmän modell för anläggningens globalitet. (Swedish)
0 references
Tööstusliku külma tootmine on maailmamajanduses eriti oluline, kuna see on toidu säilitamise võtmetegur ja sellega kaasneb suur energiatarbimine. Energiakulude suurenemise ja sellega kaasneva toote maksumuse tõttu on oluline optimeerida tootmissüsteemide tõhusust ning tagada võimalus ennetada seadme võimalikke rikkeid. Tööstuslik külmatootmise süsteem koosneb erinevatest seadmetest, siiani on tehtud tööd, et parandada iga masina jõudlust eraldi, kuid kogu maailma süsteemiga töötamise lähenemisviisi ei ole veel piisavalt ära kasutatud. Sellega seoses on projekti üldeesmärk töötada välja tööstuslike külmaelektrijaamade arukas seiresüsteem, maksimeerida tööstuslikku külmatootmisjaama tõhusust ja minimeerida tegevuskulusid. Kõige sagedamini kasutatav näitaja Külmatootmisjaamade tulemuslikkuse kvantifitseerimiseks on tulemuslikkuse koefitsient (COP). See koefitsient võtab arvesse jaama tarnitava jahutusvõimsuse ja tarbitud elektrienergia suhet, määrates seega kindlaks jaama range energiatõhususe. Tootja annab teatava kompressori maksimaalse eeldatava püsiva orgaanilise saasteaine väärtuse teatavates töötingimustes. See näitaja ei ole aga maksimaalne tegelik saagikus, mida tehas tervikuna suudab saavutada, sest püsivate orgaaniliste saasteainete väärtus varieerub sõltuvalt taime töötingimustest. Seetõttu keskendutakse teadusuuringutes taimeandmetel põhinevale modelleerimisele, mis võimaldab igal hetkel kindlaks määrata i) praegused püsivad orgaanilised saasteained ja sama tegeliku paranemise varu, ii) põhjused, miks ei tööta maksimaalse võimaliku püsiva orgaanilise saasteainega, ja iii) tegevuslaused või seadeväärtused, et hoida jaama kogu aeg töötamas maksimaalse võimaliku püsiva orgaanilise saasteainega. Samuti uuritakse seda tehisintellektil põhinevate mitme muutujaga analüüsi- ja modelleerimistehnikate ning andmete kaevandamise abil, et tuvastada analüüsitavate muutujate mustreid, mis on seotud tehase erinevate tööseisunditega. Selle eesmärk on modelleerida mitte ainult statsionaarseid tööriike, vaid ka üleminekuid erinevate tööpunktide vahel. Sel viisil jagatakse tehase globaalne mudel paiksete olukordade mudeliteks, mis vastavad igale vaadeldavale riigile, pluss nendevaheliste üleminekute mudelid. Lõpuks tehakse loodud taimemudelite põhjal ettepanek loosungite optimeerimise algoritmide kohta, mis võimaldavad tehase ümber suunata optimaalsesse toimimiskohta, kui tuvastatakse sama triivi. Selle projektiga tegelemiseks on moodustatud konsortsium, mis hõlmab selle teema täiendavate valdkondade eksperte teadusliku ja tootliku edu saavutamiseks. Konsortsiumi moodustavad CIT-UPC teadlased ja CAGSA uurimismeeskond. Kavandatud metoodika võimaldab optimeerida andmetel põhinevate mudelite täpsust üldistavat kohustust, kuna erinevad väljatöötatavad mudelid keskenduvad konkreetsele kassahoonele, mis on seetõttu väga täpne, ning nende kõigi liitmine võimaldab meil saada tehase üleilmastumise üldise mudeli. (Estonian)
0 references
A geração de frio industrial tem especial relevância na economia mundial, uma vez que é um factor-chave para a conservação de alimentos e implica um elevado consumo de energia. Com o aumento do custo energético e do custo associado do produto que isso implica, é essencial otimizar a eficiência dos sistemas de geração, bem como ter a capacidade de antecipar possíveis avarias da instalação. Um sistema industrial de geração a frio é composto por vários equipamentos, até à data tem sido trabalhado para melhorar o desempenho de cada máquina separadamente, no entanto, a abordagem de trabalhar com todo o sistema globalmente ainda não foi suficientemente explorada. Neste contexto, o objetivo geral do projeto é o desenvolvimento de um sistema de monitorização inteligente das instalações industriais de produção de frio, maximizando a eficiência das instalações industriais de produção de frio e minimizando os custos de exploração. O indicador mais utilizado para quantificar o desempenho das centrais de produção a frio é o coeficiente de desempenho (COP). Este coeficiente tem em conta a relação entre a energia de arrefecimento fornecida pela central e a energia elétrica consumida, determinando assim o desempenho energético rigoroso da central. O valor máximo de POP esperado para um determinado compressor é fornecido pelo fabricante para determinadas condições de funcionamento. No entanto, este indicador não é o rendimento real máximo que a instalação no seu conjunto pode alcançar, uma vez que o valor de POP varia com as diferentes condições de trabalho da instalação. Por conseguinte, a investigação centrar-se-á na modelização com base em dados da instalação que permitam determinar em cada instante (i) os POP atuais e a margem de melhoria real dos mesmos, (ii) as causas de não funcionar com o POP máximo possível e (iii) os slogans ou pontos de referência operacionais para manter a instalação sempre a funcionar com o POP máximo possível. Da mesma forma, será investigado na aplicação de técnicas multivariadas de análise e modelagem, baseadas em inteligência artificial, e mineração de dados para o reconhecimento dos padrões nas variáveis analisadas, associadas aos diferentes estados de operação da planta. Destina-se a modelar não apenas estados de operação estacionários, mas também transições entre diferentes pontos de operação. Desta forma, o modelo global da planta será subdividido em modelos para as situações estacionárias correspondentes a cada um dos estados considerados, mais os modelos das transições entre eles. Por último, com base nos modelos de instalações gerados, serão propostos algoritmos de otimização de slogans que permitam redirecionar a instalação para o ponto ótimo de funcionamento em caso de deteção de deriva da mesma. A fim de abordar este projeto, foi formado um consórcio que inclui especialistas em áreas complementares deste assunto para o sucesso científico e produtivo. O consórcio é formado por investigadores do CIT-UPC e pela equipa de investigação do CAGSA. A metodologia proposta permitirá otimizar o compromisso de precisão-generalização dos modelos baseados em dados, uma vez que os diferentes modelos a serem desenvolvidos incidirão sobre a casuística do concreto, sendo, portanto, muito precisos, e a fusão de todos eles permitir-nos-á obter um modelo geral da globalidade da planta. (Portuguese)
0 references
Producerea frigului industrial are o relevanță deosebită în economia mondială, deoarece este un factor-cheie pentru conservarea alimentelor și implică un consum ridicat de energie. Odată cu creșterea costului energiei și a costului asociat al produsului pe care îl implică acest lucru, este esențial să se optimizeze eficiența sistemelor de generare, precum și capacitatea de a anticipa posibilele defecțiuni ale instalației. Un sistem industrial de generare la rece este format din diverse echipamente, până în prezent a fost lucrat pentru a îmbunătăți performanța fiecărei mașini separat, cu toate acestea, abordarea de a lucra cu întregul sistem la nivel global nu a fost încă exploatată suficient. În acest context, obiectivul general al proiectului este dezvoltarea unui sistem inteligent de monitorizare a instalațiilor industriale de producere a frigului, maximizând eficiența instalației industriale de producere a frigului și minimizând costurile de exploatare. Indicatorul cel mai frecvent utilizat pentru a cuantifica performanța instalațiilor de generare la rece este Coeficientul de Performanță (COP). Acest coeficient ia în considerare raportul dintre puterea de răcire furnizată de instalație și energia electrică consumată, determinând astfel performanța energetică strictă a instalației. Valoarea maximă preconizată a POP pentru un anumit compresor este furnizată de producător pentru anumite condiții de funcționare. Cu toate acestea, acest indicator nu este randamentul real maxim pe care îl poate atinge planta în ansamblu, deoarece valoarea POP variază în funcție de condițiile de lucru ale instalației. Prin urmare, cercetarea se va concentra pe modelarea bazată pe date de uzină care permit determinarea la fiecare moment (i) a POP actual și a marjei reale de îmbunătățire a acestora, (ii) cauzele nefuncționării cu POP maxim posibil și (iii) sloganurile de funcționare sau punctele de fixare pentru a menține instalația în orice moment lucrând cu POP maxim posibil. De asemenea, aceasta va fi investigată în aplicarea tehnicilor de analiză și modelare multivariate, bazate pe inteligența artificială, și extragerea datelor pentru recunoașterea tiparelor în variabilele analizate, asociate cu diferitele stări de funcționare a instalației. Acesta este destinat să modeleze nu numai stările de funcționare staționare, ci și tranzițiile între diferite puncte de operare. În acest fel, modelul global al instalației va fi subdivizat în modele pentru situațiile staționare corespunzătoare fiecăreia dintre statele avute în vedere, plus modelele de tranziții între ele. În cele din urmă, pe baza modelelor de uzină generate, se vor propune algoritmii de optimizare a sloganurilor care permit redirecționarea instalației către punctul optim de funcționare în cazul detectării derivației acestuia. Pentru a aborda acest proiect, a fost format un consorțiu care include experți în domenii complementare ale acestui subiect pentru succes științific și productiv. Consorțiul este format din cercetători CIT-UPC și echipa de cercetare CAGSA. Metodologia propusă va permite optimizarea angajamentului de precizie-generalizare a modelelor bazate pe date, deoarece diferitele modele care urmează să fie dezvoltate se vor concentra pe cazuistica de beton, fiind, prin urmare, foarte precise, iar fuziunea tuturor acestora ne va permite să obținem un model general al globalității fabricii. (Romanian)
0 references
Produktionen af industriel kulde har særlig relevans i verdensøkonomien, da den er en nøglefaktor for fødevarebevarelse og medfører et højt energiforbrug. Med stigningen i energiomkostningerne og de dermed forbundne omkostninger ved produktet, som dette indebærer, er det vigtigt at optimere effektiviteten af produktionsanlæggene samt at være i stand til at forudse eventuelle fejl i anlægget. En industriel kold generation system består af forskellige udstyr, til dato er blevet arbejdet for at forbedre ydeevnen for hver maskine separat, men tilgangen med at arbejde med hele systemet globalt er endnu ikke blevet udnyttet tilstrækkeligt. I den forbindelse er det overordnede mål med projektet at udvikle et intelligent overvågningssystem for industrielle køleanlæg, maksimere effektiviteten af det industrielle køleanlæg og minimere driftsomkostningerne. Den mest almindeligt anvendte indikator til at kvantificere ydeevnen af kolde produktionsanlæg er Coefficient of Performance (COP). Denne koefficient tager hensyn til forholdet mellem den køleeffekt, der leveres af anlægget, og den strøm, der forbruges, og dermed bestemme anlæggets strenge energimæssige ydeevne. Den maksimale forventede POP-værdi for en given kompressor angives af producenten for visse driftsforhold. Denne indikator er imidlertid ikke det maksimale faktiske udbytte, som anlægget som helhed kan opnå, da POP-værdien varierer med forskellige anlægsarbejdsbetingelser. Derfor vil forskningen fokusere på modellering baseret på anlægsdata, der gør det muligt på hvert øjeblik at bestemme (i) aktuelle POP'er og faktiske forbedringsmarginer for det samme, (ii) årsagerne til ikke at fungere med det størst mulige POP og iii) driftssloganerne eller -punkterne for at holde anlægget til enhver tid i stand til at arbejde med det størst mulige POP. Ligeledes vil det blive undersøgt i anvendelsen af multivariat analyse og modellering teknikker, baseret på kunstig intelligens, og data mining til anerkendelse af mønstrene i de analyserede variabler, der er forbundet med de forskellige driftstilstande af anlægget. Det er hensigten at modellere ikke kun stationære driftstilstande, men også overgange mellem forskellige driftspunkter. På denne måde vil den globale model af anlægget blive opdelt i modeller for de stationære situationer, der svarer til hver af de pågældende stater, plus modellerne for overgangen mellem dem. Endelig, baseret på de fabriksmodeller, der genereres, vil algoritmerne for optimering af slogans blive foreslået, der gør det muligt at omdirigere anlægget til det optimale driftspunkt i tilfælde af påvisning af drift af det samme. For at løse dette projekt er der blevet dannet et konsortium, der omfatter eksperter inden for komplementære områder af dette emne for videnskabelig og produktiv succes. Konsortiet er dannet af CIT-UPC forskere og CAGSA forskerteam. Den foreslåede metode vil gøre det muligt at optimere præcisionsgenereringen af modellerne baseret på data, da de forskellige modeller, der skal udvikles, vil fokusere på konkret kasuistri, som derfor er meget præcist, og fusionen af dem alle vil gøre det muligt for os at opnå en generel model for anlæggets globalitet. (Danish)
0 references
Производството на промишлени студове има особено значение за световната икономика, тъй като е ключов фактор за опазването на храните и води до висока консумация на енергия. С увеличаването на разходите за енергия и свързаните с това разходи за продукта е от съществено значение да се оптимизира ефективността на производствените системи, както и да се предвиди възможността за предвиждане на евентуални неизправности на инсталацията. Индустриалното студено поколение система се състои от различни съоръжения, към днешна дата е била обработена за подобряване на производителността на всяка машина поотделно, но подходът за работа с цялата система в световен мащаб все още не е използван в достатъчна степен. В този контекст общата цел на проекта е разработването на интелигентна система за мониторинг на промишлени инсталации за производство на студ, която да увеличи максимално ефективността на промишлената инсталация за производство на студ и да сведе до минимум оперативните разходи. Най-често използваният показател за количествено определяне на ефективността на инсталациите за производство на студ е коефициентът на ефективност (COP). Този коефициент взема предвид съотношението между охладителната мощност, доставяна от централата, и консумираната електрическа енергия, като по този начин определя строгите енергийни характеристики на инсталацията. Максималната очаквана стойност на УОЗ за даден компресор се предоставя от производителя при определени работни условия. Този показател обаче не е максималният действителен добив, който растението като цяло може да постигне, тъй като стойността на УОЗ варира при различните условия на труд на растенията. Поради това изследванията ще се съсредоточат върху моделирането въз основа на данни за растенията, което позволява да се определят във всеки един момент i) текущите УОЗ и действителният марж на подобрение на същите, ii) причините да не се работи с максимално възможната УОЗ и iii) работните лозунги или зададени точки, за да се поддържа инсталацията по всяко време да работи с възможно най-голям УОЗ. По същия начин тя ще бъде изследвана при прилагането на мултивариантни техники за анализ и моделиране, основани на изкуствен интелект, и извличане на данни за разпознаване на моделите в анализираните променливи, свързани с различните състояния на експлоатация на централата. Тя е предназначена да моделира не само стационарни работни състояния, но и преходи между различни работни точки. По този начин глобалният модел на завода ще бъде разделен на модели за стационарните ситуации, съответстващи на всяка от разглежданите държави, плюс моделите на преходите между тях. И накрая, въз основа на генерираните модели на завода, ще бъдат предложени алгоритми за оптимизиране на лозунгите, които позволяват на централата да бъде пренасочена към оптималната точка на работа в случай на откриване на дрейф на същото. За да се отговори на този проект, е създаден консорциум, който включва експерти в допълващи се области на тази тема за научен и продуктивен успех. Консорциумът се формира от CIT-UPC изследователи и изследователски екип на CAGSA. Предложената методология ще позволи да се оптимизира ангажиментът за прецизност на моделите въз основа на данни, тъй като различните модели, които ще бъдат разработени, ще се съсредоточат върху конкретната казуистика, следователно са много точни и сливането на всички тях ще ни позволи да получим общ модел на глобаличността на завода. (Bulgarian)
0 references
Il-ġenerazzjoni tal-kesħa industrijali għandha rilevanza speċjali fl-ekonomija dinjija peress li hija fattur ewlieni għall-konservazzjoni tal-ikel u tinvolvi konsum għoli ta’ enerġija. Biż-żieda fl-ispiża tal-enerġija u l-ispiża assoċjata tal-prodott li dan jinvolvi, huwa essenzjali li tiġi ottimizzata l-effiċjenza tas-sistemi ta’ ġenerazzjoni kif ukoll li jkun hemm il-kapaċità li jiġu antiċipati l-ħsarat possibbli tal-installazzjoni. Sistema industrijali ta’ ġenerazzjoni kiesħa tikkonsisti f’diversi tagħmir, sal-lum inħadmet biex ittejjeb il-prestazzjoni ta’ kull magna separatament, madankollu, l-approċċ ta’ ħidma mas-sistema kollha globalment għadu ma ġiex sfruttat biżżejjed. F’dan il-kuntest, l-għan ġenerali tal-proġett huwa l-iżvilupp ta’ sistema ta’ monitoraġġ intelliġenti tal-impjanti industrijali tal-ġenerazzjoni tal-kesħa, il-massimizzazzjoni tal-effiċjenza tal-impjant industrijali tal-ġenerazzjoni tal-kesħa u t-tnaqqis tal-ispiża operattiva. L-indikatur l-aktar użat biex jikkwantifika l-prestazzjoni tal-impjanti tal-ġenerazzjoni tal-kesħa huwa l-Koeffiċjent tal-Prestazzjoni (COP). Dan il-koeffiċjent iqis il-proporzjon bejn l-enerġija tat-tkessiħ fornuta mill-impjant u l-enerġija elettrika kkunsmata, u b’hekk tiġi ddeterminata l-prestazzjoni stretta tal-enerġija tal-impjant. Il-valur massimu mistenni tal-POP għal kompressur partikolari huwa pprovdut mill-manifattur għal ċerti kundizzjonijiet ta’ tħaddim. Madankollu, dan l-indikatur mhuwiex ir-rendiment reali massimu li l-impjant kollu jista’ jikseb, peress li l-valur tal-POP ivarja skont il-kundizzjonijiet tax-xogħol tal-impjant differenti. Għalhekk, ir-riċerka se tiffoka fuq l-immudellar ibbażat fuq data tal-impjanti li tippermetti li jiġu ddeterminati f’kull mument (i) POPs attwali u marġni ta’ titjib attwali tal-istess, (ii) il-kawżi tan-nuqqas ta’ tħaddim bil-POP massimu possibbli u (iii) is-slogans operattivi jew il-punti stabbiliti biex l-impjant jinżamm f’kull ħin jaħdem bil-POP massimu possibbli. Bl-istess mod, se jiġi investigat fl-applikazzjoni ta’ tekniki ta’ analiżi u mmudellar multivarjati, ibbażati fuq l-intelliġenza artifiċjali, u l-estrazzjoni tad-data għar-rikonoxximent tax-xejriet fil-varjabbli analizzati, assoċjati mal-istati differenti tat-tħaddim tal-impjant. Hija maħsuba biex timmudella mhux biss l-istati operattivi stazzjonarji, iżda wkoll it-tranżizzjonijiet bejn punti operattivi differenti. B’dan il-mod il-mudell globali tal-impjant se jiġi suddiviż f’mudelli għas-sitwazzjonijiet stazzjonarji li jikkorrispondu għal kull wieħed mill-istati kkunsidrati, flimkien mal-mudelli tat-tranżizzjonijiet bejniethom. Fl-aħħar nett, abbażi tal-mudelli tal-pjanti ġġenerati, se jiġu proposti l-algoritmi tal-ottimizzazzjoni tas-slogans li jippermettu li l-impjant jiġi ridirezzjonat lejn il-punt ottimali ta’ operazzjoni f’każ ta’ detezzjoni ta’ moviment tal-istess. Sabiex jindirizza dan il-proġett, ġie ffurmat konsorzju li jinkludi esperti f’oqsma komplementari ta’ dan is-suġġett għal suċċess xjentifiku u produttiv. Il-konsorzju huwa ffurmat minn riċerkaturi CIT-UPC u tim ta’ riċerka CAGSA. Il-metodoloġija proposta se tippermetti li jsir l-aħjar użu mill-impenn ta’ ġeneralizzazzjoni ta’ preċiżjoni tal-mudelli bbażati fuq id-data, peress li l-mudelli differenti li għandhom jiġu żviluppati se jiffokaw fuq katastri konkreti, li għalhekk huma preċiżi ħafna, u l-fużjoni tagħhom kollha se tippermettilna niksbu mudell ġenerali tal-globalizzazzjoni tal-impjant. (Maltese)
0 references
Proizvodnja industrijskega prehlada ima poseben pomen v svetovnem gospodarstvu, saj je ključni dejavnik za ohranjanje hrane in vključuje visoko porabo energije. S povečanjem stroškov energije in s tem povezanih stroškov izdelka, ki jih to vključuje, je bistveno, da se optimizira učinkovitost proizvodnih sistemov in da je mogoče predvideti morebitne okvare naprave. Industrijski sistem za proizvodnjo hladu je sestavljen iz različne opreme, ki je bila doslej obdelana za izboljšanje učinkovitosti vsakega stroja posebej, vendar pristop dela s celotnim sistemom po vsem svetu še ni bil dovolj izkoriščen. V tem okviru je splošni cilj projekta razvoj inteligentnega sistema spremljanja industrijskih obratov za proizvodnjo hladu, s čimer se čim bolj poveča učinkovitost industrijskega obrata za proizvodnjo hladu in čim bolj zmanjšajo obratovalni stroški. Najpogosteje uporabljen kazalnik za količinsko opredelitev učinkovitosti hladnih proizvodnih obratov je koeficient učinkovitosti (COP). Ta koeficient upošteva razmerje med močjo hlajenja, ki jo dobavlja naprava, in porabljeno električno energijo, s čimer se določi stroga energetska učinkovitost naprave. Največjo pričakovano vrednost POP za določen kompresor zagotovi proizvajalec za določene pogoje obratovanja. Vendar ta kazalnik ni največji dejanski donos, ki ga lahko doseže obrat kot celota, saj se vrednost obstojnih organskih onesnaževal razlikuje glede na različne delovne pogoje obrata. Zato se bodo raziskave osredotočile na modeliranje na podlagi podatkov o rastlinah, ki omogočajo, da se v vsakem trenutku (i) določi (i) trenutna obstojna organska onesnaževala in dejanska stopnja izboljšanja istega, (ii) vzroki za nedelovanje z največjim možnim obstojnim organskim onesnaževalom in (iii) operativni slogani ali nastavitvene točke, da obrat ves čas deluje z največjim možnim POP. Prav tako se bo raziskalo pri uporabi multivariatnih analiz in tehnik modeliranja, ki temeljijo na umetni inteligenci, in podatkovnega rudarjenja za prepoznavanje vzorcev v analiziranih spremenljivkah, povezanih z različnimi stanji delovanja obrata. Namenjen je modeliranju ne le stacionarnih obratovalnih stanj, ampak tudi prehodov med različnimi obratovalnimi točkami. Na ta način bo globalni model obrata razdeljen na modele za stacionarne situacije, ki ustrezajo vsaki od obravnavanih držav, plus modele prehodov med njimi. Nazadnje, na podlagi ustvarjenih rastlinskih modelov se bodo predlagali algoritmi optimizacije sloganov, ki omogočajo preusmeritev rastline na optimalno točko delovanja v primeru odkrivanja premikov istega. Za reševanje tega projekta je bil ustanovljen konzorcij, ki vključuje strokovnjake na komplementarnih področjih tega predmeta za znanstveni in produktiven uspeh. Konzorcij sestavljajo raziskovalci CIT-UPC in raziskovalna skupina CAGSA. Predlagana metodologija bo omogočila optimizacijo zavezanosti za natančnost posploševanja modelov, ki temeljijo na podatkih, saj se bodo različni modeli, ki jih je treba razviti, osredotočili na betonsko kasuistiko, ki je zato zelo natančna, zlitje vseh modelov pa nam bo omogočilo, da pridobimo splošen model globalnosti obrata. (Slovenian)
0 references
La production de froid industriel revêt une importance particulière dans l’économie mondiale, car elle est un facteur clé pour la conservation des aliments et entraîne une forte consommation d’énergie. Avec l’augmentation du coût énergétique et du coût associé du produit que cela implique, il est essentiel d’optimiser l’efficacité des systèmes de production ainsi que d’avoir la capacité d’anticiper d’éventuels dysfonctionnements de l’installation. Un système industriel de production de froid se compose de divers équipements, jusqu’à présent travaillés pour améliorer les performances de chaque machine séparément, mais l’approche de travailler avec l’ensemble du système à l’échelle mondiale n’a pas encore été suffisamment exploitée. Dans ce contexte, l’objectif global du projet est le développement d’un système de surveillance intelligent des centrales industrielles de production de froid, maximisant l’efficacité de l’usine de production industrielle de froid et minimisant les coûts d’exploitation. L’indicateur le plus couramment utilisé pour quantifier les performances des centrales de production à froid est le coefficient de performance (COP). Ce coefficient tient compte du rapport entre la puissance de refroidissement fournie par l’installation et l’énergie électrique consommée, déterminant ainsi la performance énergétique stricte de l’installation. La valeur maximale prévue de POP pour un compresseur donné est fournie par le fabricant pour certaines conditions de fonctionnement. Toutefois, cet indicateur n’est pas le rendement réel maximal que l’usine dans son ensemble peut atteindre, étant donné que la valeur POP varie selon les conditions de travail de l’usine. Par conséquent, la recherche se concentrera sur la modélisation basée sur les données des plantes qui permettent de déterminer à chaque instant (i) POP actuels et marge d’amélioration réelle de la même, (ii) les causes de ne pas fonctionner avec le POP maximum possible et (iii) les slogans d’exploitation ou les points de consigne pour maintenir l’usine à tout moment travailler avec le POP maximum possible. De même, il sera étudié dans l’application de techniques d’analyse et de modélisation multivariées, basées sur l’intelligence artificielle, et de l’exploration de données pour la reconnaissance des modèles dans les variables analysées, associées aux différents états de fonctionnement de l’usine. Il est destiné à modéliser non seulement les états de fonctionnement stationnaires, mais aussi les transitions entre les différents points d’exploitation. De cette façon, le modèle global de l’usine sera subdivisé en modèles pour les situations stationnaires correspondant à chacun des états considérés, plus les modèles des transitions entre eux. Enfin, sur la base des modèles de plantes générés, les algorithmes d’optimisation des slogans seront proposés qui permettront de rediriger l’usine vers le point de fonctionnement optimal en cas de détection de dérive de celui-ci. Afin de répondre à ce projet, un consortium a été formé qui comprend des experts dans des domaines complémentaires de ce sujet pour un succès scientifique et productif. Le consortium est formé par des chercheurs du CIT-UPC et l’équipe de recherche du CAGSA. La méthodologie proposée permettra d’optimiser l’engagement de généralisation de précision des modèles basés sur les données, car les différents modèles à développer se concentreront sur la casuistique concrète, étant donc très précis, et la fusion de l’ensemble d’entre eux nous permettra d’obtenir un modèle général de la globalité de l’usine. (French)
0 references
Pramoninio šalčio generavimas yra ypač svarbus pasaulio ekonomikai, nes jis yra pagrindinis maisto išsaugojimo veiksnys ir reiškia didelį energijos suvartojimą. Išaugus energijos sąnaudoms ir su tuo susijusioms gaminio sąnaudoms, labai svarbu optimizuoti gamybos sistemų efektyvumą ir turėti galimybę numatyti galimus įrenginio veikimo sutrikimus. Pramoninę šaltosios gamybos sistemą sudaro įvairi įranga, iki šiol buvo dirbama siekiant pagerinti kiekvienos mašinos veikimą atskirai, tačiau darbo su visa sistema metodas visame pasaulyje dar nėra pakankamai išnaudotas. Šiomis aplinkybėmis bendras projekto tikslas – sukurti pažangią pramoninių šaltosios gamybos įrenginių stebėsenos sistemą, maksimaliai padidinant pramoninės šaltosios gamybos įrenginių efektyvumą ir kuo labiau sumažinant veiklos sąnaudas. Dažniausiai naudojamas rodiklis šaltosios gamybos įrenginių eksploatacinėms savybėms kiekybiškai įvertinti yra eksploatacinių savybių koeficientas (COP). Šiuo koeficientu atsižvelgiama į įrenginio tiekiamos vėsinimo galios ir suvartotos elektros energijos santykį ir taip nustatomas griežtas įrenginio energinis naudingumas. Tam tikromis veikimo sąlygomis gamintojas nurodo didžiausią tikėtiną konkretaus kompresoriaus POT vertę. Tačiau šis rodiklis nėra didžiausias faktinis derlius, kurį gali pasiekti visas augalas, nes POT vertė skiriasi priklausomai nuo skirtingų gamyklos darbo sąlygų. Todėl atliekant mokslinius tyrimus daugiausia dėmesio bus skiriama modeliavimui, pagrįstam augalų duomenimis, kurie leidžia kiekvienu momentu nustatyti i) dabartinius POT ir faktinį to paties pagerėjimo atsargą, ii) priežastis, dėl kurių neveikia didžiausias galimas POT, ir iii) veiklos šūkius ar nuostačius, kad įmonė visą laiką dirbtų su didžiausiu įmanomu POT. Be to, jis bus tiriamas taikant daugialypės analizės ir modeliavimo metodus, pagrįstus dirbtiniu intelektu, ir duomenų gavybą, kad būtų galima atpažinti analizuojamų kintamųjų modelius, susijusius su skirtingomis įrenginio veikimo sąlygomis. Jis skirtas modeliuoti ne tik stacionarias veikimo būsenas, bet ir perėjimus tarp skirtingų veikimo taškų. Tokiu būdu pasaulinis gamyklos modelis bus suskirstytas į stacionarių situacijų modelius, atitinkančius kiekvieną iš svarstomų valstybių, taip pat perėjimo tarp jų modelius. Galiausiai, remiantis sukurtais augalų modeliais, bus pasiūlyti šūkių optimizavimo algoritmai, leidžiantys įrenginį nukreipti į optimalų veikimo tašką, jei nustatomas to paties dreifo dreifas. Siekiant spręsti šį projektą, buvo sudarytas konsorciumas, kuriame dalyvauja šios srities papildomų sričių ekspertai, siekiantys mokslinės ir produktyvios sėkmės. Konsorciumą sudaro CIT-UPC mokslininkai ir CAGSA tyrimų grupė. Siūloma metodika leis optimizuoti duomenimis pagrįstų modelių tikslumo apibendrinimo įsipareigojimą, nes skirtingi modeliai, kurie bus kuriami, bus sutelkti į konkrečią, todėl labai tikslią, o visų jų sintezė leis mums gauti bendrą augalo globalumo modelį. (Lithuanian)
0 references
Η παραγωγή βιομηχανικού κρυολογήματος έχει ιδιαίτερη σημασία για την παγκόσμια οικονομία, καθώς αποτελεί βασικό παράγοντα για τη διατήρηση των τροφίμων και συνεπάγεται υψηλή κατανάλωση ενέργειας. Με την αύξηση του ενεργειακού κόστους και του σχετικού κόστους του προϊόντος που αυτό συνεπάγεται, είναι απαραίτητο να βελτιστοποιηθεί η απόδοση των συστημάτων παραγωγής, καθώς και η δυνατότητα πρόβλεψης πιθανών δυσλειτουργιών της εγκατάστασης. Ένα βιομηχανικό σύστημα ψυχρής παραγωγής αποτελείται από διάφορους εξοπλισμούς, μέχρι σήμερα έχει εργαστεί για να βελτιώσει τις επιδόσεις κάθε μηχανής ξεχωριστά, ωστόσο, η προσέγγιση της συνεργασίας με ολόκληρο το σύστημα σε παγκόσμιο επίπεδο δεν έχει ακόμη αξιοποιηθεί επαρκώς. Στο πλαίσιο αυτό, ο γενικός στόχος του έργου είναι η ανάπτυξη ενός ευφυούς συστήματος παρακολούθησης βιομηχανικών εγκαταστάσεων ψυχρής παραγωγής, μεγιστοποιώντας την αποτελεσματικότητα της βιομηχανικής μονάδας ψυχρής παραγωγής και ελαχιστοποιώντας το λειτουργικό κόστος. Ο πιο συχνά χρησιμοποιούμενος δείκτης για τον ποσοτικό προσδιορισμό των επιδόσεων των εγκαταστάσεων ψυχρής παραγωγής είναι ο συντελεστής απόδοσης (COP). Ο συντελεστής αυτός λαμβάνει υπόψη τη σχέση μεταξύ της ψυκτικής ισχύος που παρέχει η μονάδα και της ηλεκτρικής ενέργειας που καταναλώνεται, προσδιορίζοντας έτσι την αυστηρή ενεργειακή απόδοση της μονάδας. Η μέγιστη αναμενόμενη τιμή POP για δεδομένο συμπιεστή παρέχεται από τον κατασκευαστή για ορισμένες συνθήκες λειτουργίας. Ωστόσο, ο δείκτης αυτός δεν είναι η μέγιστη πραγματική απόδοση που μπορεί να επιτύχει η μονάδα στο σύνολό της, δεδομένου ότι η τιμή του POP ποικίλλει ανάλογα με τις διαφορετικές συνθήκες εργασίας των εγκαταστάσεων. Ως εκ τούτου, η έρευνα θα επικεντρωθεί στη μοντελοποίηση με βάση τα δεδομένα των φυτών που επιτρέπουν τον προσδιορισμό σε κάθε στιγμή (i) των υφιστάμενων POP και του πραγματικού περιθωρίου βελτίωσης του ίδιου, (ii) τις αιτίες της μη λειτουργίας με το μέγιστο δυνατό POP και (iii) τα λειτουργικά συνθήματα ή σημεία ρύθμισης για τη διατήρηση της μονάδας ανά πάσα στιγμή σε λειτουργία με το μέγιστο δυνατό POP. Ομοίως, θα διερευνηθεί στην εφαρμογή πολυμεταβλητών τεχνικών ανάλυσης και μοντελοποίησης, με βάση την τεχνητή νοημοσύνη, και στην εξόρυξη δεδομένων για την αναγνώριση των προτύπων στις μεταβλητές που αναλύονται, που σχετίζονται με τις διαφορετικές καταστάσεις λειτουργίας του εργοστασίου. Προορίζεται να μοντελοποιήσει όχι μόνο σταθερές καταστάσεις λειτουργίας, αλλά και μεταβάσεις μεταξύ διαφορετικών σημείων λειτουργίας. Με αυτόν τον τρόπο το παγκόσμιο μοντέλο του εργοστασίου θα υποδιαιρείται σε μοντέλα για τις σταθερές καταστάσεις που αντιστοιχούν σε κάθε μία από τις εξεταζόμενες καταστάσεις, συν τα μοντέλα των μεταβάσεων μεταξύ τους. Τέλος, με βάση τα παραγόμενα φυτικά μοντέλα, θα προταθούν οι αλγόριθμοι βελτιστοποίησης των συνθημάτων που επιτρέπουν την ανακατεύθυνση της μονάδας στο βέλτιστο σημείο λειτουργίας σε περίπτωση ανίχνευσης της μετατόπισης του ίδιου. Προκειμένου να αντιμετωπιστεί αυτό το έργο, έχει συσταθεί μια κοινοπραξία που περιλαμβάνει εμπειρογνώμονες σε συμπληρωματικούς τομείς αυτού του θέματος για επιστημονική και παραγωγική επιτυχία. Η κοινοπραξία αποτελείται από ερευνητές CIT-UPC και την ερευνητική ομάδα CAGSA. Η προτεινόμενη μεθοδολογία θα επιτρέψει τη βελτιστοποίηση της δέσμευσης των μοντέλων που βασίζονται σε δεδομένα όσον αφορά τη γενίκευση της ακρίβειας, δεδομένου ότι τα διάφορα μοντέλα που θα αναπτυχθούν θα επικεντρωθούν σε συγκεκριμένες περιπτώσεις, επομένως θα είναι πολύ ακριβείς και η σύντηξη όλων αυτών θα μας επιτρέψει να αποκτήσουμε ένα γενικό μοντέλο της παγκοσμιοποίησης του εργοστασίου. (Greek)
0 references
Proizvodnja industrijske hladnoće ima posebnu važnost u svjetskom gospodarstvu jer je ključan čimbenik za očuvanje hrane i podrazumijeva visoku potrošnju energije. S povećanjem troškova energije i povezanim troškovima proizvoda koje to podrazumijeva, ključno je optimizirati učinkovitost proizvodnih sustava, kao i imati mogućnost predviđanja mogućih kvarova postrojenja. Industrijski sustav hladne proizvodnje sastoji se od različite opreme, do danas je radio na poboljšanju performansi svakog stroja zasebno, međutim, pristup rada s cijelim sustavom na globalnoj razini još nije dovoljno iskorišten. U tom kontekstu, opći cilj projekta je razvoj inteligentnog sustava praćenja industrijskih postrojenja za proizvodnju hladnoće, maksimiziranje učinkovitosti postrojenja za industrijsku proizvodnju hladnoće i minimiziranje operativnih troškova. Najčešće korišteni pokazatelj za kvantificiranje učinkovitosti postrojenja za proizvodnju hladne proizvodnje je Koeficijent učinkovitosti (COP). Tim se koeficijentom uzima u obzir omjer između energije hlađenja koju isporučuje postrojenje i potrošene električne energije, čime se određuje stroga energetska učinkovitost postrojenja. Najveću očekivanu vrijednost POP-a za određeni kompresor osigurava proizvođač za određene radne uvjete. Međutim, taj pokazatelj nije najveći stvarni prinos koji postrojenje u cjelini može postići jer se vrijednost postojanih organskih onečišćujućih tvari razlikuje s obzirom na različite radne uvjete biljaka. Stoga će se istraživanje usredotočiti na modeliranje na temelju podataka o biljkama kojima se u svakom trenutku omogućuje utvrđivanje i. trenutačnih postojanih organskih onečišćujućih tvari i stvarne granice poboljšanja iste, ii. uzroka nedjelovanja s najvećim mogućim postojanim organskim onečišćujućim tvarima i iii. operativnih slogana ili postavnih točaka za održavanje postrojenja u svakom trenutku u radu s najvećim mogućim postojanim organskim onečišćujućim tvarima. Isto tako, istražit će se i primjena multivarijatnih tehnika analize i modeliranja, temeljenih na umjetnoj inteligenciji, te rudarenja podataka za prepoznavanje uzoraka u analiziranim varijablama, povezanih s različitim stanjima rada postrojenja. Namijenjen je modeliranju ne samo stacionarnih radnih stanja, već i prijelaza između različitih radnih točaka. Na taj će se način globalni model postrojenja podijeliti na modele stacionarnih situacija koje odgovaraju svakoj od razmatranih država, plus modele prijelaza između njih. Konačno, na temelju generiranih biljnih modela predložit će se algoritmi optimizacije slogana koji omogućuju preusmjeravanje postrojenja na optimalnu točku rada u slučaju otkrivanja istog pomaka. Kako bi se riješio ovaj projekt, osnovan je konzorcij koji uključuje stručnjake u komplementarnim područjima ove teme za znanstveni i produktivni uspjeh. Konzorcij čine istraživači CIT-UPC-a i istraživački tim CAGSA-e. Predloženom metodologijom omogućit će se optimizacija precizne generalizacije modela temeljenih na podacima, budući da će se različiti modeli koji će se razviti usredotočiti na konkretnu kasuistiku, stoga vrlo preciznu, a fuzija svih modela omogućit će nam da dobijemo opći model globalnosti postrojenja. (Croatian)
0 references
De productie van industriële koude is bijzonder relevant voor de wereldeconomie, aangezien het een belangrijke factor is voor het behoud van voedsel en een hoog energieverbruik met zich meebrengt. Met de stijging van de energiekosten en de daarmee gepaard gaande kosten van het product, is het van essentieel belang om de efficiëntie van de opwekkingssystemen te optimaliseren en de mogelijkheid te hebben om te anticiperen op mogelijke storingen van de installatie. Een industrieel koudgeneratiesysteem bestaat uit verschillende apparatuur, tot op heden is gewerkt om de prestaties van elke machine afzonderlijk te verbeteren, maar de aanpak van het werken met het hele systeem wereldwijd is nog niet voldoende benut. In dit verband is de algemene doelstelling van het project de ontwikkeling van een intelligent monitoringsysteem van industriële installaties voor koudeproductie, het maximaliseren van de efficiëntie van de industriële koudeproductie-installatie en het minimaliseren van de bedrijfskosten. De meest gebruikte indicator voor het kwantificeren van de prestaties van installaties voor koudegeneratie is de Coefficient Of Performance (COP). Deze coëfficiënt houdt rekening met de verhouding tussen het koelvermogen dat door de installatie wordt geleverd en het verbruikte elektrisch vermogen, waardoor de strikte energieprestatie van de installatie wordt bepaald. De maximale verwachte POP-waarde voor een bepaalde compressor wordt door de fabrikant verstrekt voor bepaalde bedrijfsomstandigheden. Deze indicator is echter niet de maximale werkelijke opbrengst die de installatie als geheel kan bereiken, aangezien de POP-waarde varieert met verschillende arbeidsomstandigheden. Daarom zal het onderzoek zich richten op modellering op basis van plantgegevens die het mogelijk maken om op elk moment (i) huidige POP’s en werkelijke verbeteringsmarge van hetzelfde te bepalen, (ii) de oorzaken van het niet werken met de maximaal mogelijke POP en (iii) de operationele slogans of setpoints om de installatie te allen tijde te laten werken met de maximaal mogelijke POP. Evenzo zal het worden onderzocht in de toepassing van multivariate analyse- en modelleringstechnieken, gebaseerd op kunstmatige intelligentie, en datamining voor de herkenning van de patronen in de geanalyseerde variabelen, geassocieerd met de verschillende exploitatietoestanden van de installatie. Het is bedoeld om niet alleen stationaire bedrijfstoestanden te modelleren, maar ook overgangen tussen verschillende bedrijfspunten. Op deze manier zal het globale model van de installatie worden onderverdeeld in modellen voor de stationaire situaties die overeenkomen met elk van de betrokken staten, plus de modellen van de overgangen tussen hen. Ten slotte zullen, op basis van de gegenereerde plantmodellen, de algoritmen voor optimalisatie van slogans worden voorgesteld waarmee de installatie kan worden omgeleid naar het optimale werkingspunt in geval van detectie van drift van hetzelfde. Om dit project aan te pakken, is een consortium gevormd dat deskundigen op complementaire gebieden van dit onderwerp omvat voor wetenschappelijk en productief succes. Het consortium wordt gevormd door CIT-UPC onderzoekers en CAGSA onderzoeksteam. De voorgestelde methodologie zal het mogelijk maken de precisieveralgemening van de modellen op basis van gegevens te optimaliseren, aangezien de verschillende te ontwikkelen modellen zich zullen richten op concrete casuïstiek, dus zeer nauwkeurig, en de fusie van alle modellen zal ons in staat stellen om een algemeen model van de globaliteit van de installatie te verkrijgen. (Dutch)
0 references
Teollisuuskylmän tuotannolla on erityinen merkitys maailmantaloudessa, koska se on keskeinen tekijä elintarvikkeiden säilyttämisessä ja merkitsee suurta energiankulutusta. Koska tästä aiheutuvat energiakustannukset ja siihen liittyvät tuotteen kustannukset nousevat, on olennaisen tärkeää optimoida tuotantojärjestelmien tehokkuus ja pystyä ennakoimaan laitoksen mahdollisia toimintahäiriöitä. Teollisuuden kylmäntuotannon järjestelmä koostuu erilaisista laitteista, tähän mennessä on pyritty parantamaan kunkin koneen suorituskykyä erikseen, mutta koko järjestelmän maailmanlaajuista työskentelytapaa ei ole vielä hyödynnetty riittävästi. Tässä yhteydessä hankkeen yleisenä tavoitteena on kehittää teollisuuskylmävoimaloiden älykäs seurantajärjestelmä, maksimoida teollisen kylmän tuotantolaitoksen tehokkuus ja minimoida käyttökustannukset. Yleisimmin käytetty indikaattori kylmän tuotantolaitosten suorituskyvyn kvantifioimiseksi on suorituskykykerroin (COP). Tässä kertoimessa otetaan huomioon laitoksen tuottaman jäähdytystehon ja kulutetun sähköenergian välinen suhde, mikä määrittää laitoksen tiukan energiatehokkuuden. Valmistaja ilmoittaa tietyn kompressorin POP-arvon tietyissä käyttöolosuhteissa. Tämä indikaattori ei kuitenkaan ole se todellinen enimmäissato, jonka laitos kokonaisuudessaan voi saavuttaa, koska POP-arvo vaihtelee erilaisilla laitoksen työskentelyolosuhteilla. Siksi tutkimuksessa keskitytään mallintamiseen, joka perustuu kasvitietoihin, joiden avulla voidaan määrittää joka hetki (i) nykyiset POP-yhdisteet ja niiden todellinen parannusmarginaali, ii) syyt siihen, ettei POP-yhdistettä käytetä mahdollisimman suurimmalla mahdollisella tavalla, ja iii) toimintasloganit tai -asetukset, joiden avulla laitos pysyy aina toiminnassa mahdollisimman suuren POP-yhdisteen kanssa. Sitä tutkitaan myös tekoälyyn perustuvien monimuuttuja-analyysi- ja mallinnustekniikoiden ja tiedonlouhintamenetelmien soveltamisessa analysoitujen muuttujien mallien tunnistamiseksi, jotka liittyvät laitoksen eri toimintatiloihin. Sen tarkoituksena on mallintaa paitsi kiinteitä käyttötiloja myös siirtymiä eri toimintapisteiden välillä. Näin laitoksen maailmanlaajuinen malli jaetaan malleihin, jotka vastaavat kutakin tarkasteltavaa valtiota, sekä niiden välisten siirtymien malleihin. Lopuksi ehdotetaan tuotettujen laitosmallien perusteella iskulauseiden optimointialgoritmeja, joiden avulla laitos voidaan ohjata optimaaliseen toimintapisteeseen, jos sama havaitaan. Hankkeen toteuttamiseksi on muodostettu konsortio, johon kuuluu alan täydentävien alojen asiantuntijoita tieteellisen ja tuottavan menestyksen saavuttamiseksi. Konsortion muodostavat CIT-UPC-tutkijat ja CAGSA-tutkimusryhmä. Ehdotetulla menetelmällä voidaan optimoida dataan perustuvien mallien täsmällistä yleistymistä koskeva sitoumus, koska kehitteillä olevissa eri malleissa keskitytään konkreettiseen kasistryyn, joka on näin ollen hyvin tarkka, ja kaikkien mallien yhdistämisen ansiosta voimme saada yleisen mallin laitoksen globaliteetista. (Finnish)
0 references
Tá ábharthacht ar leith ag baint le giniúint fuar tionsclaíoch i ngeilleagar an domhain toisc gur príomhthoisc í do chaomhnú bia agus go bhfuil tomhaltas ard fuinnimh i gceist leis. Leis an méadú ar chostas fuinnimh agus costas gaolmhar an táirge atá i gceist leis sin, tá sé riachtanach éifeachtúlacht na gcóras giniúna a bharrfheabhsú agus an cumas a bheith ann mífheidhmeanna féideartha na suiteála a réamh-mheas. Is éard atá i gcóras giniúna fuar tionsclaíoch de threalamh éagsúla, go dtí seo tá obair déanta chun feabhas a chur ar fheidhmíocht gach meaisín ar leithligh, áfach, nach bhfuil an cur chuige ag obair leis an gcóras ar fad ar fud an domhain saothraithe go leor fós. Sa chomhthéacs seo, is é cuspóir foriomlán an tionscadail córas faireacháin cliste a fhorbairt de ghléasraí giniúna fuara tionsclaíocha, éifeachtúlacht an ghléasra giniúna fuar tionsclaíoch a uasmhéadú agus an costas oibriúcháin a íoslaghdú. Is é an táscaire is coitianta a úsáidtear chun feidhmíocht plandaí giniúna fuar a chainníochtú ná Comhéifeacht Feidhmíochta (COP). Cuireann an chomhéifeacht seo san áireamh an cóimheas idir an chumhacht fuaraithe a sholáthraíonn an gléasra agus an chumhacht leictreach a ídítear, rud a chinneann feidhmíocht fuinnimh dhian an ghléasra. Is é an monaróir a sholáthraíonn an luach POP uasta ionchasach le haghaidh comhbhrúiteoir ar leith le haghaidh dálaí oibriúcháin áirithe. Mar sin féin, ní hé an táscaire seo an toradh is mó iarbhír is féidir leis an bplanda ina iomláine a bhaint amach, ós rud é go n-athraíonn luach POP le dálaí oibre plandaí éagsúla. Dá bhrí sin, díreoidh an taighde ar shamhaltú bunaithe ar shonraí plandaí a fhágann gur féidir a chinneadh ag gach POPanna reatha (i) agus corrlach feabhsúcháin iarbhír den chineál céanna, (ii) na cúiseanna nach n-oibríonn sé leis an POP is mó is féidir agus (iii) na manaí oibriúcháin nó na pointí socraithe chun an gléasra a choinneáil ag obair i gcónaí leis an POP uasta is féidir. Mar an gcéanna, déanfar é a imscrúdú i gcur i bhfeidhm anailís ilathraitheach agus teicnící samhaltaithe, bunaithe ar intleacht shaorga, agus mianadóireacht sonraí chun na patrúin sna hathróga a ndearnadh anailís orthu a aithint, a bhaineann le stáit oibríochta éagsúla an ghléasra. Tá sé i gceist ní hamháin stáit oibriúcháin ina stad a shamhaltú, ach freisin aistrithe idir pointí oibriúcháin éagsúla. Ar an mbealach seo déanfar samhail dhomhanda an ghléasra a fhoroinnt ina samhlacha do na cásanna do-aistrithe a fhreagraíonn do gach ceann de na stáit a breithníodh, chomh maith le samhlacha na n-aistrithe eatarthu. Ar deireadh, bunaithe ar na samhlacha plandaí a ghintear, molfar na halgartaim a bhaineann le leas iomlán a bhaint as mana a chuireann ar chumas an ghléasra a atreorú chuig an bpointe oibríochta is fearr i gcás a bhrath sruth mar an gcéanna. Chun aghaidh a thabhairt ar an tionscadal seo, tá cuibhreannas curtha le chéile a chuimsíonn saineolaithe i réimsí comhlántacha an ábhair seo chun go n-éireoidh go maith leo ó thaobh na heolaíochta agus na táirgiúil de. Is iad taighdeoirí CIT-UPC agus foireann taighde CAGSA a bhunaigh an cuibhreannas. Leis an modheolaíocht atá beartaithe, beifear in ann barrfheabhas a chur ar thiomantas ginearálaithe beachtais na samhlacha atá bunaithe ar shonraí, ós rud é go ndíreoidh na samhlacha éagsúla atá le forbairt ar chaisealra nithiúil, mar sin beidh siad an-bheacht, agus cuirfidh comhleá gach ceann acu ar ár gcumas samhail ghinearálta a fháil ar dhomhandú an ghléasra. (Irish)
0 references
Výroba průmyslového chladu má ve světové ekonomice zvláštní význam, neboť je klíčovým faktorem pro zachování potravin a zahrnuje vysokou spotřebu energie. S nárůstem nákladů na energii a s tím spojených nákladů na výrobek je nezbytné optimalizovat účinnost výrobních systémů a také schopnost předvídat případné poruchy instalace. Průmyslový systém výroby chladu se skládá z různých zařízení, k dnešnímu dni byl vyvinut pro zlepšení výkonu každého stroje samostatně, nicméně přístup k práci s celým systémem na celém světě nebyl dosud dostatečně využit. V této souvislosti je celkovým cílem projektu vývoj inteligentního monitorovacího systému průmyslových chladíren, maximalizace účinnosti průmyslového chladírenského zařízení a minimalizace provozních nákladů. Nejčastěji používaným ukazatelem pro kvantifikaci výkonu zařízení na výrobu za studena je koeficient výkonu (COP). Tento koeficient zohledňuje poměr mezi chladicím výkonem dodaným elektrárnou a spotřebovanou elektrickou energií, čímž se určuje přísná energetická náročnost zařízení. Maximální očekávanou hodnotu POP pro daný kompresor poskytne výrobce za určitých provozních podmínek. Tento ukazatel však není maximálním skutečným výnosem, kterého může zařízení jako celek dosáhnout, protože hodnota POP se liší v závislosti na různých pracovních podmínkách zařízení. Výzkum se proto zaměří na modelování na základě údajů o rostlinách, které umožní určit v každém okamžiku (i) současné perzistentní organické znečišťující látky a skutečnou mez zlepšení stejné, ii) příčiny nečinnosti s maximálním možným POP a iii) provozní slogany nebo nastavené body, aby zařízení po celou dobu pracovalo s maximálním možným POP. Stejně tak bude zkoumána při aplikaci multivariátních analytických a modelovacích technik založených na umělé inteligenci a vytěžování dat pro rozpoznání vzorců v analyzovaných proměnných, spojených s různými stavy provozu elektrárny. Cílem je modelovat nejen stacionární provozní stavy, ale také přechody mezi různými provozními body. Tímto způsobem bude globální model elektrárny rozdělen na modely stacionárních situací, které odpovídají každému z uvažovaných stavů, plus modely přechodů mezi nimi. Nakonec, na základě generovaných modelů rostlin, budou navrženy algoritmy optimalizace sloganů, které umožní přesměrovat závod do optimálního bodu provozu v případě detekce posunu stejného. Za účelem řešení tohoto projektu bylo vytvořeno konsorcium, které zahrnuje odborníky v komplementárních oblastech tohoto předmětu pro vědecký a produktivní úspěch. Konsorcium tvoří výzkumní pracovníci CIT-UPC a výzkumný tým CAGSA. Navrhovaná metodika umožní optimalizovat závazek k přesnému zobecňování modelů založených na datech, neboť jednotlivé modely, které mají být vyvinuty, se zaměří na konkrétní kauistraci, která je proto velmi přesná, a spojení všech modelů nám umožní získat obecný model globality závodu. (Czech)
0 references
La produzione di raffreddore industriale ha un'importanza particolare nell'economia mondiale in quanto è un fattore chiave per la conservazione degli alimenti e comporta un elevato consumo energetico. Con l'aumento del costo energetico e il costo associato del prodotto che questo comporta, è essenziale ottimizzare l'efficienza dei sistemi di generazione e avere la capacità di anticipare eventuali malfunzionamenti dell'impianto. Un sistema industriale di generazione a freddo è costituito da varie attrezzature, ad oggi è stato lavorato per migliorare le prestazioni di ciascuna macchina separatamente, tuttavia l'approccio di lavorare con l'intero sistema a livello globale non è stato ancora sufficientemente sfruttato. In questo contesto, l'obiettivo generale del progetto è lo sviluppo di un sistema di monitoraggio intelligente degli impianti industriali di generazione a freddo, massimizzando l'efficienza dell'impianto industriale di generazione a freddo e riducendo al minimo i costi operativi. L'indicatore più comunemente usato per quantificare le prestazioni degli impianti di generazione a freddo è il Coefficient of Performance (COP). Questo coefficiente tiene conto del rapporto tra la potenza di raffreddamento fornita dall'impianto e l'energia elettrica consumata, determinando così la rigorosa prestazione energetica dell'impianto. Il valore massimo previsto di POP per un determinato compressore è fornito dal costruttore per determinate condizioni di funzionamento. Tuttavia, questo indicatore non è la resa effettiva massima che l'impianto nel suo complesso può raggiungere, poiché il valore POP varia a seconda delle diverse condizioni di lavoro dell'impianto. Pertanto, la ricerca si concentrerà sulla modellazione basata sui dati dell'impianto che permette di determinare ad ogni istante (i) i POP attuali e l'effettivo margine di miglioramento degli stessi, (ii) le cause di non operare con il massimo POP possibile e (iii) gli slogan operativi o i setpoint per mantenere l'impianto in ogni momento funzionante con il massimo POP possibile. Allo stesso modo, sarà indagato nell'applicazione di tecniche di analisi e modellazione multivariate, basate sull'intelligenza artificiale, e di data mining per il riconoscimento dei modelli nelle variabili analizzate, associati ai diversi stati di funzionamento dell'impianto. È destinato a modellare non solo stati operativi stazionari, ma anche transizioni tra diversi punti operativi. In questo modo il modello globale dell'impianto sarà suddiviso in modelli per le situazioni stazionarie corrispondenti a ciascuno degli stati considerati, più i modelli delle transizioni tra di loro. Infine, sulla base dei modelli di impianto generati, verranno proposti gli algoritmi di ottimizzazione degli slogan che consentono di reindirizzare l'impianto al punto ottimale di funzionamento in caso di rilevamento di deriva dello stesso. Al fine di affrontare questo progetto, è stato formato un consorzio che comprende esperti in aree complementari di questo argomento per il successo scientifico e produttivo. Il consorzio è formato da ricercatori CIT-UPC e team di ricerca CAGSA. La metodologia proposta consentirà di ottimizzare l'impegno di precisione-generalizzazione dei modelli basati sui dati, poiché i diversi modelli da sviluppare si concentreranno sulla casuistica concreta, essendo quindi molto precisi, e la fusione di tutti ci permetterà di ottenere un modello generale della globalità dell'impianto. (Italian)
0 references
Rūpnieciskā aukstuma radīšanai ir īpaša nozīme pasaules ekonomikā, jo tā ir galvenais faktors pārtikas saglabāšanā un saistīta ar augstu enerģijas patēriņu. Palielinoties enerģijas izmaksām un ar to saistītajām ražojuma izmaksām, ir svarīgi optimizēt ražošanas sistēmu efektivitāti, kā arī prognozēt iespējamos iekārtas darbības traucējumus. Rūpnieciskā aukstās ražošanas sistēma sastāv no dažādām iekārtām, līdz šim ir strādājusi, lai uzlabotu katras mašīnas veiktspēju atsevišķi, tomēr pieeja darbam ar visu sistēmu pasaulē vēl nav pietiekami izmantota. Šajā kontekstā projekta vispārējais mērķis ir attīstīt inteliģentu rūpniecisko aukstās ražošanas iekārtu uzraudzības sistēmu, maksimāli palielinot rūpnieciskās aukstās ražošanas iekārtas efektivitāti un samazinot ekspluatācijas izmaksas. Visbiežāk izmantotais rādītājs, lai kvantitatīvi noteiktu aukstās ražošanas iekārtu veiktspēju, ir efektivitātes koeficients (COP). Šajā koeficientā tiek ņemta vērā attiecība starp iekārtas piegādāto dzesēšanas jaudu un patērēto elektroenerģiju, tādējādi nosakot iekārtas stingro energoefektivitāti. Maksimālo paredzamo NOP vērtību konkrētam kompresoram ražotājs nodrošina konkrētos ekspluatācijas apstākļos. Tomēr šis rādītājs nav maksimālā faktiskā raža, ko iekārta kopumā var sasniegt, jo NOP vērtība atšķiras atkarībā no rūpnīcas darba apstākļiem. Tāpēc pētījumā galvenā uzmanība tiks pievērsta modelēšanai, kuras pamatā ir augu dati, kas ļauj katrā brīdī noteikt i) pašreizējos NOP un tā paša faktiskās uzlabojumu robežas, ii) iemeslus, kuru dēļ nedarbojas ar maksimāli iespējamo NOP, un iii) darbības saukļus vai iestatījumus, lai iekārta vienmēr darbotos ar maksimāli iespējamo NOP. Tāpat tas tiks pētīts, piemērojot daudzveidīgas analīzes un modelēšanas metodes, kuru pamatā ir mākslīgais intelekts, un datizraci, lai atpazītu modeļus analizētajos mainīgajos rādītājos, kas saistīti ar dažādiem rūpnīcas darbības stāvokļiem. Tas ir paredzēts, lai modelētu ne tikai stacionāras ekspluatācijas valstis, bet arī pāreju starp dažādiem darbības punktiem. Tādā veidā rūpnīcas globālais modelis tiks sadalīts stacionāro situāciju modeļos, kas atbilst katrai no aplūkotajām valstīm, kā arī pārejas modeļiem starp tiem. Visbeidzot, pamatojoties uz ģenerētajiem augu modeļiem, tiks ierosināti saukļu optimizācijas algoritmi, kas ļauj augu novirzīt uz optimālo darbības punktu, ja tiek konstatēta tāda pati novirze. Lai risinātu šo projektu, ir izveidots konsorcijs, kas ietver ekspertus šā temata papildinošās jomās, lai gūtu zinātniskus un produktīvus panākumus. Konsorciju veido CIT-UPC pētnieki un CAGSA pētniecības komanda. Ierosinātā metodika ļaus optimizēt uz datiem balstīto modeļu precizitātes un vispārināšanas saistības, jo dažādos izstrādājamos modeļos galvenā uzmanība tiks pievērsta konkrētai kasustrācijai, tāpēc tā ir ļoti precīza, un visu to apvienošana ļaus mums iegūt vispārēju modeli par rūpnīcas globālo raksturu. (Latvian)
0 references
Die Erzeugung industrieller Kälte hat eine besondere Bedeutung in der Weltwirtschaft, da sie ein Schlüsselfaktor für die Lebensmitteleinsparung ist und einen hohen Energieverbrauch mit sich bringt. Mit der damit verbundenen Erhöhung der Energiekosten und der damit verbundenen Kosten des Produkts ist es unerlässlich, die Effizienz der Erzeugungssysteme zu optimieren und mögliche Störungen der Anlage zu antizipieren. Ein industrielles Kälteerzeugungssystem besteht aus verschiedenen Anlagen, bisher wurde gearbeitet, um die Leistung jeder Maschine separat zu verbessern, jedoch ist der Ansatz, mit dem gesamten System weltweit zu arbeiten, noch nicht ausreichend ausgeschöpft. In diesem Zusammenhang ist das übergeordnete Ziel des Projekts die Entwicklung eines intelligenten Überwachungssystems für industrielle Kalterzeugungsanlagen, das die Effizienz der industriellen Kälteerzeugungsanlage maximiert und die Betriebskosten minimiert. Der am häufigsten verwendete Indikator zur Quantifizierung der Leistung von Kalterzeugungsanlagen ist der Coefficient of Performance (COP). Dieser Koeffizient berücksichtigt das Verhältnis zwischen der von der Anlage gelieferten Kühlleistung und der verbrauchten elektrischen Leistung und bestimmt so die strenge Energieeffizienz der Anlage. Der maximale erwartete POP-Wert für einen bestimmten Kompressor wird vom Hersteller für bestimmte Betriebsbedingungen bereitgestellt. Dieser Indikator ist jedoch nicht der maximale tatsächliche Ertrag, den die Anlage als Ganzes erzielen kann, da der POP-Wert mit unterschiedlichen Betriebsbedingungen variiert. Daher wird sich die Forschung auf die Modellierung auf Basis von Anlagendaten konzentrieren, die es ermöglichen, in jedem Augenblick (i) aktuelle POPs und tatsächliche Verbesserungsmarge derselben zu bestimmen, (ii) die Ursachen des Nichtbetriebs mit dem maximal möglichen POP und (iii) die Betriebsslogans oder Sollwerte, um die Anlage jederzeit mit dem maximal möglichen POP zu arbeiten. Ebenso wird es in der Anwendung multivariater Analyse- und Modellierungstechniken, basierend auf künstlicher Intelligenz, und Data Mining zur Erkennung der Muster in den analysierten Variablen untersucht, die mit den verschiedenen Betriebszuständen der Anlage verbunden sind. Es soll nicht nur stationäre Betriebszustände modellieren, sondern auch Übergänge zwischen verschiedenen Betriebspunkten. Auf diese Weise wird das globale Modell der Anlage in Modelle für die stationären Situationen unterteilt, die jedem der betrachteten Staaten entsprechen, plus die Modelle der Übergänge zwischen ihnen. Schließlich werden basierend auf den erzeugten Anlagenmodellen die Algorithmen der Optimierung von Slogans vorgeschlagen, die es ermöglichen, die Anlage auf den optimalen Betriebspunkt umzuleiten, wenn die Drift derselben erkannt wird. Um dieses Projekt anzugehen, wurde ein Konsortium gebildet, das Experten in komplementären Bereichen dieses Themas für wissenschaftlichen und produktiven Erfolg einbezieht. Das Konsortium wird von CIT-UPC-Forschern und CAGSA-Forschungsteam gebildet. Die vorgeschlagene Methodik wird es ermöglichen, die Präzisions-Allgemeinisierungsverpflichtung der auf Daten basierenden Modelle zu optimieren, da sich die verschiedenen zu entwickelnden Modelle auf die konkrete Kasuistik konzentrieren und daher sehr präzise sind, und die Verschmelzung aller von ihnen wird es uns ermöglichen, ein allgemeines Modell der Globalität der Anlage zu erhalten. (German)
0 references
Az ipari hideg előállítása különös jelentőséggel bír a világgazdaságban, mivel kulcsfontosságú tényező az élelmiszer-megőrzés szempontjából, és magas energiafogyasztással jár. A termék energiaköltségének és ezzel járó költségének növekedésével elengedhetetlen a termelési rendszerek hatékonyságának optimalizálása, valamint a telepítés esetleges működési zavarainak előrejelzése. Az ipari hidegtermelő rendszer különböző berendezésekből áll, amelyeket eddig az egyes gépek teljesítményének külön-külön történő javítása érdekében dolgoztak, azonban az egész rendszerrel való együttműködés megközelítését globálisan még nem használták ki megfelelően. Ebben az összefüggésben a projekt átfogó célja az ipari hidegtermelő üzemek intelligens monitoringrendszerének kifejlesztése, az ipari hűtőberendezések hatékonyságának maximalizálása és a működési költségek minimalizálása. A hidegenergia-termelő üzemek teljesítményének számszerűsítésére leggyakrabban használt mutató a hatékonysági együttható (COP). Ez az együttható figyelembe veszi az üzem által szolgáltatott hűtőteljesítmény és az elfogyasztott villamos energia arányát, ezáltal meghatározva az erőmű szigorú energiateljesítményét. Egy adott kompresszor várható maximális POP-értékét a gyártó adja meg bizonyos üzemi körülmények között. Ez a mutató azonban nem az a maximális tényleges hozam, amelyet az üzem egésze elérhet, mivel a POP-érték a különböző üzemi körülmények között változik. Ezért a kutatás a növényi adatokon alapuló modellezésre összpontosít, amely lehetővé teszi az egyes pillanatokban (i) az aktuális POP-ok és az azonos tényleges javulási tartományok meghatározását, ii. a lehető legnagyobb POP-mal való működés elmaradásának okait, valamint iii. a működési szlogeneket vagy beállítási pontokat, hogy az üzemet mindig a lehető legnagyobb POP-mal dolgozzák fel. Hasonlóképpen vizsgáljuk a mesterséges intelligencián alapuló többváltozós elemzési és modellezési technikák és adatbányászat alkalmazásával az elemzett változók mintáinak felismerésére, az üzem különböző működési állapotaival összefüggésben. Célja nemcsak a helyhez kötött működési állapotok modellezése, hanem a különböző működési pontok közötti átmenetek is. Ily módon a növény globális modellje fel lesz osztva az egyes vizsgált államoknak megfelelő helyhez kötött helyzetek modelljeire, valamint a köztük lévő átmenetek modelljeire. Végül a generált növénymodellek alapján javaslatot teszünk a szlogenek optimalizálásának algoritmusaira, amelyek lehetővé teszik az üzem optimális működési pontra történő átirányítását az azonos sodródás észlelése esetén. A projekt megvalósítása érdekében konzorcium jött létre, amely tudományos és produktív siker érdekében a téma kiegészítő területeinek szakértőiből áll. A konzorciumot CIT-UPC kutatók és CAGSA kutatócsoport alkotja. A javasolt módszertan lehetővé teszi az adatokon alapuló modellek precíziós általánossá tételére vonatkozó kötelezettségvállalás optimalizálását, mivel a különböző kidolgozandó modellek a konkrét kazuisztriára összpontosítanak, ezért nagyon pontosak, és az összes modell összeolvadása lehetővé teszi számunkra, hogy általános modellt kapjunk az üzem globalitásáról. (Hungarian)
0 references
Výroba priemyselného chladu má osobitný význam pre svetové hospodárstvo, pretože je kľúčovým faktorom zachovania potravín a so sebou prináša vysokú spotrebu energie. So zvýšením nákladov na energiu a súvisiacimi nákladmi na výrobok, ktoré s tým súvisia, je nevyhnutné optimalizovať účinnosť výrobných systémov, ako aj schopnosť predvídať možné poruchy zariadenia. Priemyselný systém výroby chladu pozostáva z rôznych zariadení, doteraz sa pracovalo na zlepšení výkonu každého stroja samostatne, avšak prístup k práci s celým systémom na celom svete ešte nebol dostatočne využitý. V tejto súvislosti je celkovým cieľom projektu rozvoj inteligentného monitorovacieho systému priemyselných zariadení na výrobu chladu, maximalizácia efektívnosti priemyselného zariadenia na výrobu chladu a minimalizácia prevádzkových nákladov. Najčastejšie používaným ukazovateľom na kvantifikáciu výkonu zariadení na výrobu chladu je koeficient výkonnosti (COP). Tento koeficient zohľadňuje pomer medzi chladiacim výkonom dodávaným zariadením a spotrebovanou elektrickou energiou, čím sa určuje prísna energetická hospodárnosť zariadenia. Maximálnu očakávanú hodnotu POP pre daný kompresor poskytuje výrobca za určitých prevádzkových podmienok. Tento ukazovateľ však nie je maximálnym skutočným výnosom, ktorý môže zariadenie ako celok dosiahnuť, pretože hodnota POP sa líši v závislosti od rôznych pracovných podmienok zariadenia. Výskum sa preto zameria na modelovanie založené na údajoch o elektrárňach, ktoré umožňujú určiť v každom okamihu i) súčasné perzistentné organické organické látky a skutočné rozpätie zlepšenia, ii) príčiny nefunkčnosti s maximálnym možným POP a iii) prevádzkové slogany alebo nastavovacie body, aby zariadenie nepretržite pracovalo s maximálnym možným POP. Podobne sa bude skúmať pri použití viacrozmernej analýzy a modelovacích techník založených na umelej inteligencii a vyťažovaní údajov na rozpoznanie vzorov v analyzovaných premenných, ktoré súvisia s rôznymi stavmi prevádzky závodu. Je určený na modelovanie nielen stacionárnych prevádzkových stavov, ale aj prechodov medzi rôznymi prevádzkovými bodmi. Týmto spôsobom bude globálny model závodu rozdelený na modely stacionárnych situácií, ktoré zodpovedajú každému z uvažovaných stavov, plus modely prechodov medzi nimi. Napokon, na základe vytvorených modelov rastlín sa navrhnú algoritmy optimalizácie sloganov, ktoré umožnia presmerovanie zariadenia na optimálne miesto prevádzky v prípade detekcie toho istého posunu. S cieľom riešiť tento projekt bolo vytvorené konzorcium, ktoré zahŕňa odborníkov v doplnkových oblastiach tejto témy pre vedecký a produktívny úspech. Konzorcium tvoria výskumníci CIT-UPC a výskumný tím CAGSA. Navrhovaná metodika umožní optimalizovať záväzok v oblasti presného zovšeobecnenia modelov založených na údajoch, pretože rôzne modely, ktoré sa majú vyvinúť, sa budú zameriavať na konkrétnu kazuistiku, a preto je veľmi presná a fúzia všetkých z nich nám umožní získať všeobecný model globality zariadenia. (Slovak)
0 references
Terrassa
0 references
20 December 2023
0 references
Identifiers
RTC-2017-6398-5-P01
0 references