Potenziale von Machine Learning Modellen zur Prognose von Lastgängen bei Fertigungsprozessen

Lieferzeit
2-3 Tage
Autor:
Ellerich, Max
ISBN
978-3-86359-939-3
39,00 €
Inkl. 7% MwSt.
-
+

Quick Overview

In der Arbeit wird ein Modell hergeleitet, mit dem es produzierenden Unternehmen ermöglicht wird, elektrische Lastgänge ihrer Bearbeitungsschritte datenbasiert zu prognostizieren. Das Modell nähert basierend auf Vergangenheitswerten einen Lastgang an, der als Planungsgröße einer energieflexiblen Produktionsplanung dienen kann. Somit werden Unternehmen in die Lage versetzt, ihre Nachfrage nach elektrischer Energie zu glätten oder an ein schwankendes Angebot anzupassen.

Die Klimakrise erfordert ein weltweites Umdenken im Umgang mit Ressourcen und insbesondere eine Reduktion des weltweiten CO2 Ausstoßes. Die Energiewende ist ein fundamentaler Baustein, der mittelfristig zu einer vollständig CO2-neutralen Energiegewinnung beitragen kann. Die Energiewende führt aber zu einer zunehmenden Volatilität der verfügbaren elektrischen Leistung der Stromnetze. Produzierende Unternehmen machen mit 47% einen wesentlichen Anteil der elektrischen Leistungsnachfrage in Deutschland aus. Dementsprechend fokussiert diese Arbeit die verbraucherseitige Anpassung des Strombedarfs produzierender Unternehmen an eine volatil verfügbare, elektrische Leistung.
Um ihren Strombedarf an eine verfügbare Leistung anpassen zu können, müssen Unternehmen bereits vor der Produktion Kenntnis über Lastgänge einzelner Produktionsschritte besitzen. Nur so können sie a priori ihre Aufträge so einplanen, dass die Addition der nachgefragten Leistung parallel arbeitender Bearbeitungsstationen dem Angebot elektrischer Leistung entspricht. Um eine Lösung zu entwickeln, die skalierbar auf zahlreiche Bearbeitungsstationen übertragbar ist, zeigt die vorliegende Arbeit einen Ansatz, der unter Zuhilfenahme eines datenbasierten Modells die Leistungsprädiktion von Bearbeitungsschritten ermöglicht. Hierbei wird nicht nur die Gesamtenergie eines Bearbeitungsschrittes vorhergesagt, sondern sein Lastgang wird prognostiziert.
Zunächst werden bestehende Modelle und Ansätze verglichen, um die Forschungslücke herzuleiten. Basierend auf den Anforderungen einer energiesensitiven Produktionsplanung wird das Modell selbst hergeleitet und seine Anwendung im unternehmerischen Kontext wird beschrieben. Das Modell wird an zwei Fallbeispielen aus den Bereichen 3D-Druck und Anlagenbau validiert.
Da grundsätzlich der Lastgang sämtlicher Bearbeitungstechnologien auf das gewählte Approximationsverfahren Energy Blocks übertragbar ist, besitzt der Ansatz somit das Potenzial, Prognosen über Lastgänge für eine große Anzahl an Technologien abzugeben. Er bildet so die Basis für eine energieflexible Produktionsplanung.

Mehr Informationen
Autor Ellerich, Max
Gewicht 0.349 kg
Erscheinungsdatum 16.04.2021
Eigene Bewertung schreiben
Sie bewerten: Potenziale von Machine Learning Modellen zur Prognose von Lastgängen bei Fertigungsprozessen

Die Klimakrise erfordert ein weltweites Umdenken im Umgang mit Ressourcen und insbesondere eine Reduktion des weltweiten CO2 Ausstoßes. Die Energiewende ist ein fundamentaler Baustein, der mittelfristig zu einer vollständig CO2-neutralen Energiegewinnung beitragen kann. Die Energiewende führt aber zu einer zunehmenden Volatilität der verfügbaren elektrischen Leistung der Stromnetze. Produzierende Unternehmen machen mit 47% einen wesentlichen Anteil der elektrischen Leistungsnachfrage in Deutschland aus. Dementsprechend fokussiert diese Arbeit die verbraucherseitige Anpassung des Strombedarfs produzierender Unternehmen an eine volatil verfügbare, elektrische Leistung.
Um ihren Strombedarf an eine verfügbare Leistung anpassen zu können, müssen Unternehmen bereits vor der Produktion Kenntnis über Lastgänge einzelner Produktionsschritte besitzen. Nur so können sie a priori ihre Aufträge so einplanen, dass die Addition der nachgefragten Leistung parallel arbeitender Bearbeitungsstationen dem Angebot elektrischer Leistung entspricht. Um eine Lösung zu entwickeln, die skalierbar auf zahlreiche Bearbeitungsstationen übertragbar ist, zeigt die vorliegende Arbeit einen Ansatz, der unter Zuhilfenahme eines datenbasierten Modells die Leistungsprädiktion von Bearbeitungsschritten ermöglicht. Hierbei wird nicht nur die Gesamtenergie eines Bearbeitungsschrittes vorhergesagt, sondern sein Lastgang wird prognostiziert.
Zunächst werden bestehende Modelle und Ansätze verglichen, um die Forschungslücke herzuleiten. Basierend auf den Anforderungen einer energiesensitiven Produktionsplanung wird das Modell selbst hergeleitet und seine Anwendung im unternehmerischen Kontext wird beschrieben. Das Modell wird an zwei Fallbeispielen aus den Bereichen 3D-Druck und Anlagenbau validiert.
Da grundsätzlich der Lastgang sämtlicher Bearbeitungstechnologien auf das gewählte Approximationsverfahren Energy Blocks übertragbar ist, besitzt der Ansatz somit das Potenzial, Prognosen über Lastgänge für eine große Anzahl an Technologien abzugeben. Er bildet so die Basis für eine energieflexible Produktionsplanung.

Mehr Informationen
Autor Ellerich, Max
Gewicht 0.349 kg
Erscheinungsdatum 16.04.2021
Eigene Bewertung schreiben
Sie bewerten: Potenziale von Machine Learning Modellen zur Prognose von Lastgängen bei Fertigungsprozessen
Adresse

Institut für Industriekommunikation und Fachmedien (IIF) GmbH an der RWTH Aachen

Steinbachstr. 25
52074 Aachen
Deutschland