Höhere Anlagenperformance in der Prozessindustrie

Performancekennzahlen zur Entscheidungsunterstützung

  • Udo Enste LEIKON

Abstract

Der Beitrag zeigt systematisch auf, wie sich Maßzahlen zur Bewertung der Anlagenperformance in der Prozessindustrie nutzen lassen. Dabei wird der Fokus auf die operative, zeitnahe Nutzung der Maßzahlen gelegt. Es wird Bezug auf Forschungsergebnisse des EU-Projektes MORE genommen. Industriell umgesetzte Beispiele verdeutlichen den Nutzen, aber ebenso die Herausforderungen bei der Umsetzung von Lösungen zur Steigerung der Anlagenperformance durch Maßnahmen im operativen Betrieb.

References

  1. Mobley, R.K. (1999). Total Plant Performance Management. Gulf Publishing Company
  2. Dhafr, N. and Ahmad, M. (2006). Chemical Plants: Performance Measurement of Processes. Ullmann‘s Encyclopedia of Industrial Chemistry. Wiley-VCH Verlag
  3. Lindberg, C. F., Tan, S. T., Yan, J. Y., Starfelt, F. (2015). Key performance indicators improve industrial performance. Energy Procedia, 75, S. 1785 - 1790
  4. ISO 50001 (2011). Energy management – Requirements with guidance for use. http://www.iso.org.
  5. ISO 50003 (2014). Energy management systems – Requirements for bodies providing audit and certification of energy management systems. http://www.iso.org
  6. ISO 22400 (2014). Automation systems and integration – Key performance indicators (KPIs) for manufacturing operations management. http://www.iso.org
  7. ISO/DIS 20140-5 (2014). Automation systems and integration – Evaluating energy efficiency and other factors of manufacturing systems that influence the environment – Part 5: Environmental influence evaluation data. http://www.iso.org
  8. VDMA 66412 (2010). Manufacturing Execution Systems (MES) Kennzahlen. http://www.vdma.org
  9. VDI 4800 (2016). Blatt 1: Ressourceneffizienz; Methodische Grundlagen, Prinzipien und Strategien. http://www.beuth.de
  10. NE 162 (2017). Ressourceneffizienzindikatoren für die Überwachung und Verbesserung der Ressourceneffizienz in verfahrenstechnischen Anlagen. http://www.namur.net
  11. Real-time Monitoring and Optimization of Resource Efficiency in Integrated Processing Plants.[online] MORE-NMP. Verfügbar unter: http://www.more-nmp.eu
  12. Kalliski, M., Krahé, D., Beisheim, B., Krämer, S. and Engell, S. (2015). Resource efficiency indicators for real-time monitoring and optimization of integrated chemical production plants. Computer Aided Chemical Engineering, 37, S. 1949 – 1954
  13. Kalliski, M., Beisheim, B., Krahe, D., Engell, S., Krämer, S. and Enste, U. (2016). Real-time resource efficiency Indicators – Material and energy efficient plant operation. atp edition, 58(1), S. 64–71
  14. Kalliski M. and Engell, S. (2016). Real-Time Resource Efficiency Indicators for Monitoring and Optimization of Batch-Processing Plants. The Canadian Journal of Chemical Engineering, 95(2), S. 265–280
  15. Krämer S. and Engell S. (2017) Improving Resource Efficiency in Processing Plants. Wiley-VCH Verlag
  16. Vinnemeier, P., Tomberg, M., Gibbert, M. and Wirsum, M. (2014). Dynamische Modellierung und Simulation des Wasser-/Dampfkreislaufs eines Solarturmkraftwerks für ein Betriebsassistenzsystem. In: Kraftwerkstechnik 2014: Strategien, Anlagentechnik und Betrieb; Beiträge des 46. Kraftwerkstechnischen Kolloquiums am 14. und 15. Oktober 2014 in Dresden, Freiberg: Saxonia, S. 425-442
  17. Kampert D. und Epple U. (2015). Challenges in the Modelling and Operation of Physically Coupled Systems of Systems. In: 8th Vienna International Conference on Mathematical Modelling (MATHMOD 2015), Elsevier
  18. Intexc.[online] Intexc – Integrational Excellence. Verfügbar unter: http://www.intexc.de
Veröffentlicht
2017-03-09
Zitieren
ENSTE, Udo. Höhere Anlagenperformance in der Prozessindustrie. atp magazin, [S.l.], v. 59, n. 01-02, p. 48-57, märz 2017. ISSN 2364-3137. Verfügbar unter: <http://ojs.di-verlag.de/index.php/atp_edition/article/view/622>. Date accessed: 21 aug. 2019. doi: https://doi.org/10.17560/atp.v59i01-02.622.