【工业4.0案例分析之六八】EnyFlow智能优化能量流实时测量

节能和降低成本是工业企业（尤其是中小型生产企业）的关键议题。c4c工程公司和布伦瑞克工业大学工具机及制造工艺研究所（IWF）合作开发了EnyFlow应用。借助这款App和其他智能测量技术，可以在iPad上显现机器能量流，包括电、燃料、压缩空气及其他方面的数值。

这个方案是基于如下构想：先在机器中集成适用于中小企业的测量技术，进而获取能源数据，再把它输入一个数据采集系统，使能量流和材料流的相关数据与其它生产数据结合。从这些协同数据中了解到：要耗费多少能源，才能生产出一种特定的产品。由此，人们更有针对性地发现耗能的生产流程，并对其进行优化。

EnyFlow能量流测量和优化方案的具体做法是：把功率测量设备连接到机床、设备组件和机器的外围设备，如空气压缩机或冷却过滤器。通过集成传感器，掌握能效和能耗数据。这些数据将存储在中央数据库，并在EnyFlow应用的一个独立界面上呈现。在后台，可以获取存储在数据库上的机器生产和测量数据，这些信息也可以通过App上获取。在iPad上展现设备的实时能耗情况。

在产量相同的情况下，数据分析结果可用于实现全面节能。通过数据分析得知：在生产过程中通入电流和压缩空气后，产生的热量只有少量得到利用，大部分只是作为余热。这些余热可以为主机和蒸汽机供热，这样便能够节省燃油。

布伦瑞克工业大学机床及制造工艺研究所（IWF）与智能工厂能量流优化

位于德国的布伦瑞克工业大学(TU Braunschweig)是一所具有270年历史的公立大学。它是德国历史上第一所工业大学，也是德国第一所设立工科和自然科学专业的大学，隶属于TU9（德国历史最为悠久，具有最高声誉和最高教研水平的的9所理工大学联盟）。布伦瑞克工业大学的传统强项是有关工程技术的专业。布伦瑞克工业大学的机械学院是德国重点科研机构之一。机械学院的汽车研究所在国际上颇具盛名，不仅在传统的车辆传动方面有所贡献，还是谷歌无人驾驶汽车研究团队以及下萨克森车辆工程研究中心（NFF）的重要一员。学校所位于的布伦瑞克市距离大众总部沃尔夫斯堡最短距离仅18公里。

布伦瑞克工业大学机床及制造工艺研究所（IWF）由工程学博士Klaus Dröder教授和工程学博士Christoph Herrmann教授领头领导，他们两位是制造工艺与过程自动化、可持续生产、工程生命周期方面的专家。该研究所的重点在于解决生产过程中的能源及资源效率问题。该研究所在两个实验工厂中进行的研究课题对科研界有着重要影响：一个研究动力电池的电池实验工厂（BLB）；一个是在德国联邦教育与研究部（BMBF）的资助下，在沃尔夫斯堡建立了开放式混合实验工厂，这个工厂处于在建状态，其研究的核心主题在于混合轻质元件的批量生产。

布伦瑞克工业大学机床及制造工艺研究所（IWF）认为，智能工厂应节省开支并确保环境可持续发展，为此必须对所有能量流和物料流进行监控和优化。其中，Christoph Herrmann教授指出：“提高能源效率和降低成本是生产企业及整个工业行业的核心主题。在EnyFlow项目中，我们开发出一套能够节省能源和原料使用的解决方案。为使这个解决方案得以实施，我们需要一个软件工程方面的合作伙伴，c4c工程公司便是理想的伙伴。”

德国c4c工程公司与物联网

作为工业及中小型企业的合作伙伴，c4c工程公司致力于促进物联网方面的项目：从传感器及复杂云系统的信息传递，到更加安全的数据传输，再到不同移动系统的数据可视化。

安全性、性能、可操纵性及可靠性在工业解决方案中占据核心地位。c4c工程公司有着高水平的工程师及计算机科学家，他们致力于完成开发工业物联网解决方案这一复杂任务。

为完成对物联网解决方案的开发，c4c工程公司将采用最先进技术，如微软公司Windows Azure平台。如此一来可使数据服务、应用服务及网络服务快捷低价且安全可用。

EnyFlow优化机器能量流

在EnyFlow项目的解决方案中，机床、建筑设备组件和外围设备（如空气压缩机和切削液过滤器）会与测量仪器相互连接。通过集成传感器可以持续获得性能和消耗数据。这些数据被集中地保存在数据库里，后台获取各台机器在数据库保存的生产和测量信息，并把这些信息传输给App，再在iPad上呈现某台机器最新的点对点消耗水平。数据分析结果可用于大幅降低能耗。这个项目说明了，生产中的能量流和物料流蕴藏着巨大的成本节约潜力。因此工业企业必须从整个生产链和工厂着眼，借助现代传感器和智能应用迅速确定成本产生的地方。

为了更直观地展示项目成果并阐明这种方法的适用性，该项目在布伦瑞克工业大学机床及制造工艺研究所（IWF）建立了“学习工厂”。“学习工厂”可以互动地介绍“生产中的能源和资源使用效率”主题下的不同内容。“学习工厂”中有铣床、磨床等设备，为小型企业提供试验场所。c4c工程公司的工程师在EnyFlow项目启动三个月后成功开发出应用，并在“学习工厂”进行测试。

能量流的可视化

机器的能量流和物料流是进行改善必要前提。“人是无法改进不能测量的东西的。”这句话是管理基础的经典名句，同样适用于生产机器的能量能源使用。只有掌握所有的相关使用数据，才能对可选择的程序和机器工作效率以及优化方案的实施效率进行评估。此外研究工作的问题还在于数据收集加工理念的开发创造以及机器能源物料流在某个目标群体的特殊性可视化（比如机器操作者）。

生产机器的能量流

必须对所有有关能量流和物料流进行整体关注，才能建立工厂和设备的整体概念背景。在整体分析的过程中用户能看到操作领域，同时开发和评估具体的改进措施。

例如研磨机器能够从除了纯原料能量（电、压缩空气）和辅料（冷却润滑剂）以外的能量获得满足价值创造活动所需能量。刚开始的生产过程除了产生产品（工件）外还有废气/废热或者废料以及一些附加产品（金属屑、磨屑油泥）。

在此一个生产机器的消耗和排放不应该是静止的，而是应该和机器运行状态动态相关。我们会发现研磨机在不同运行状态下完成工件制造的电能需求，通过对每个部分单独能量消耗的回顾总结和对有潜力的改进方案进行分析，形成了这个针对各种典型阶段的运作模式。相关组成部分的细节解释分析通过能量分配图展现，比如只有大约16%的消耗能量进入到了原本的生产过程中（在该情况下是研磨机研磨金属的耗损）。

测量策略/测量方式

就像刚才所说的，能量流和物料流的了解和掌握对提高生产型企业的能量能源效率意义重大。一方面来说，目标就是尽量准确地最大化能量和辅助原料的消耗情况的可视程度—以此找到能量消耗模型，推导出操作范围，按照原因对能量消耗进行归类（比如成本账目或碳排放量）。另一方面减少对测量仪器安装和购买的必要投资以及运行评估的现行成本。例如，不同精准度的电能测试过程存在以下矛盾：更高准确度和及时的解决方案能够明显提高测量的有效性，可是另一方面这又会提高增加数据需求从而增加数据加工成本。

开发合适的测量方法（数据收集加工系统）以及该方法针对某个机器的消耗和排放形成的特殊测量方法的应用成为了该背景下最根本的任务。IWF在该方面的方式差距最大：从移动测量机器的一次性测量，到最粗略最便利的持续测量方案（适合中小型企业）直到能细节化操作必要时主动进入控制的实时测量系统。

学习工厂——能源效率的学习

在布伦瑞克工业大学机床及制造工艺研究所（IWF）建立的“学习工厂”中，可以进行能量测量、能源效率分析、生产过程评估和用户行为的影响。

在生产工程中的持续性这门大课的实验室中，学生可以独立把复杂的能源测量和效率评估切实投入到简单的生产系统中。学生可以按照自己在简单生产系统中的学习经验有目标地应用工业测量技术，其中既有移动临时的能量流测量，又有有关工业化控制固定持续的信息收集。

实验参与者将不停地应用课堂上的理论知识来应对实际挑战，在这个过程中他们学会了如何推进电力消耗测量，如何分析范例，如何进行评估等。在实验室的后续项目中，参与者还有可能在工业化操作的基础上自己构建个性化应用，该应用必须有这样的目标：针对性地向电力消费品的用户展示关于实时工作需求和某个特定过程能量短缺情况的信息，就电能消耗品的能量使用了解方面影响其操作。如何有针对性地自动过滤复杂的测量数据，如何在人机界面上醒目清晰地展示信息，这些都成为了挑战。

“学习工厂”最具意义的目标就是，给学生提供一个理论投入实践应用的平台，加深对知识的理解。“学习工厂”不仅针对学生们的技术兴趣，而且还希望能得出解决技术难题的跨专业研究成果。