提高仓库能源效率

汽车管理和工业生产研究所（AIP）在Technische Universität不伦瑞克研究内部物流，他们可以告诉你，在公司内部运输货物是能源密集型的。在Thomas S. Spengler教授的指导下，科学硕士Patrick Oetjegerdes和研究助理带领下，他的团队揭示了使用路径和空间优化存储变体的惊人的高节能潜力。为了对其进行建模，AIP在Tecnomatix®产品组合中使用了西门子数字工业软件的工厂仿真，该产品组合是西门子Xcelerator业务平台的软件、硬件和服务的一部分。

了解仓库的结构和能耗

全球竞争和更短的时间框架使得从第一个想法到批量生产的效率变得更加重要。因此，米其林在Tecnomatix产品组合中使用西门子数字工业软件的工厂模拟来创建其制造设施的数字孪生，以在实施之前虚拟测试变化并优化流程，或者能够更快地对生产中的变化或危险的需求做出反应。 这为整个公司带来了巨大的节约潜力。自然，节约资源会影响可持续性，这是米其林未来的另一个关键部分。

此外，大多数仓库和生产环境需要各种尺寸和类型的桥式起重机。使用电动机，它们通常消耗数千千瓦时，使其成为减少能源消耗的一个有价值的领域。因此，这些过程消耗大量的二氧化碳。

了解仓库的结构和能耗

以钢铁制造企业为例，AIP研究的仓库面积为400米× 60米，每个仓库区域最多存放2000卷钢。此外，这些存储区域由多达三台桥式起重机操作，由三部分组成：门或桥，手推车和钩子。有三个运动轴，每个轴的特征是速度和每个元素的能量消耗。例如，移动整个入口比移动手推车更耗能；然而，这可能会根据它举起的重量而改变。

制造商根据客户的规格生产钢卷，这些钢卷有各种合金、尺寸和表面性能，并以三角形的形式堆叠。如果他们需要在底部取回一个特定的线圈，他们必须移动几个高达32吨的线圈，这是能源密集型的。

优化仓库配置

AIP团队使用工厂模拟来了解仓库结构、起重机使用和存储分配如何影响能源消耗，以及在做出决策时如何考虑这一点。

Oetjegerdes说：“首先，我们对能耗进行了实证调查，并根据钢卷的重量为每次运动定义了能耗函数。“入口、小车和上下运动都有功能。然后，我们将这些功能集成到Plant simulation中的现有仿真模型中，其中包括各种仓库部分和起重机。在Plant Simulation中，我们使用了起重机和更多的库以及移动到功能，这允许我们集成一个自定义功能，计算和记录每次移动的能量消耗。此外，我们还使用了为合作伙伴开发的生产系统模型。实现这些功能非常简单。”

可视化能源消耗

仿真是第一次可视化所有起重机当前能耗的能力。以前，制造商只知道特定的生产环境消耗一定的能量，专门的起重机调度是不可行的。

通过工厂模拟模型，AIP可以进一步研究场景，即仔细研究一个使用率约为600至1,400线圈的存储区域的能源导向仓库配置。此外，AIP将存储空间分配改为以能量为导向的方法，在为钢卷分配位置时考虑消耗的能量。

检查仓库配置

两种类型的线圈堆叠。一种是2.5层堆叠（存储2002个线圈），在第三层堆叠时每个线圈之间留下空白位置，另一种是只有两层堆叠线圈的2层堆叠（存储1642个线圈）。一种假设是，可用的存储空间越多，起重机必须移动的距离就越短。另一个假设是，越少的堆叠级别导致越少的洗牌。目标是了解哪种存储配置在保持运行服务水平的同时消耗更少的能量。

“对于2.5级的变体，在最坏的情况下，制造商需要移动四个线圈，”Oetjegerdes说。“或者，在2级变体中，他们只需要移动两个就可以到达中间的底部线圈。然而，使用Plant Simulation分析，在2.5级变体中，起重机覆盖的距离较短，而在2级变体中，起重机的洗牌次数明显较少。结果是，在2级变体中，能耗降低了7.4%，这表明就能耗而言，洗牌次数比起重机覆盖的距离更重要。这意味着优化的仓库配置每年可节省近25,000欧元，每年可减少59吨的二氧化碳排放量。通过Plant Simulation，我们终于能够评估各种仓库配置的影响。”

利用以能源为导向的存储分配

AIP还探索了通过检查线圈放置选项，使用植物模拟来进行能量导向的存储位置分配。在仓库中，有进线线圈，出线线圈和阻塞线圈，这些线圈需要移开以到达某些出线线圈。此外，在起重机调度过程中，工人需要确定起重机的运动顺序和位置分配。这些决策是相互依存的，并显著影响起重机的运行效率。

为了了解应该将哪个位置分配给进线线圈和阻塞线圈，AIP使用Plant Simulation根据各种参数（接近度、水平、尺寸等）评估每个位置，为每个参数分配一个分数，并选择得分最高的位置。在第二个变体中，AIP改变了评估，为能源消耗增加了一个分数。这样，他们就可以将现状与新的、以能源为导向的位置分配进行比较。

“我们问自己，这个新概念能节省多少能源，它对起重机作业有什么影响？Oetjegerdes说。“结果表明，以能源为导向的位置分配每年节省了近3.7万欧元和84吨二氧化碳，而起重机的使用仅增加了0.4%。我们通过观察以能源为导向的方法经常使用较慢的起重机小车进行运输来解释这一点，这比更快的门户运动消耗更少的能量。利用Plant Simulation技术，我们不仅可以为战术仓库配置提供明确的决策支持，还可以为作业起重机调度期间的存储位置分配提供明确的决策支持。”

未来的规划

总的来说，使用Plant Simulation分析提供了有价值的见解。Oetjegerdes说：“通过Plant Simulation，我们展示了如何将能量定向集成到模拟模型中。”“此外，我们还展示了作为钢铁行业各种规划问题的决策支持的实际效益。作为行业合作伙伴，我们可以与参与的制造商一起，通过验证模型支持决策，从而显著节省存储钢卷的起重机能耗。

“由于Plant Simulation，我们通过易于实施的调整，在不改变现有设施的情况下，每年节省了约62,000欧元的能源成本和143吨的二氧化碳。这是一个令人印象深刻的结果，这就是为什么我们看到一种扩展的以能源为导向的方法来同时规划仓库配置、订单顺序和存储分配，这是未来研究的前景。它还有望探索将基于能源的方法转移到各种应用中，例如集装箱码头和任何其他使用桥式起重机的行业。Plant Simulation使这些宝贵的贡献成为可能，并帮助我们通过优化规划实现更大的可持续性。”

更多的数字化工厂仿真