Virtuelle Sensoren für reale Einsparungen.
OPOP bringt Machine Learning in die Produktion.
Anwendungsbeispiele
1
Entschwefelungsprozess
Kostenersparnis durch Ressourceneffizienz
In einer Entschwefelungsanlage einer Erdölraffinerie wurde der Schwefelgehalt im Endprodukt bislang nur wöchentlich im Labor analysiert. Aus Sicherheitsgründen
wurde daher oft tiefer entschwefelt als nötig. Mit OPOP lässt sich der Schwefelgehalt nun dauerhaft in Echtzeit vorhersagen. Das ermöglicht eine präzise Steuerung auf
ein stabiles Zielniveau, spart rund 2 % Wasserstoff ein und schont den Katalysator.
2
Ofenaustrittstemperatur
Mehr Verfügbarkeit durch digitale Flexibilität
Bei einem Ausfall der Ofenaustrittstemperatur-Messung war der Betrieb eingeschränkt. Mit OPOP konnte in 30 Minuten ein virtueller Sensor erstellt werden, der auf historischen Daten basiert. So wurde die Temperatur präzise geschätzt – der Betrieb der Anlage blieb flexibel steuerbar, Stillstände oder Give-Aways wurden vermieden.
3
Rauchgasanalyse
Energieeinsparung durch digitale Redundanz
Fällt der Oâ‚‚-Analysator im Ofen aus, erhöhen Operatoren vorsorglich den Brennluftanteil – mit bis zu 10 % Mehrverbrauch an Brennstoff. OPOP ersetzt die Analyse digital in Echtzeit. So wird auch während Wartungsphasen die Verbrennung optimal geregelt – effizienter, sicherer, nachhaltiger.
Jetzt Broschüre herunterladen und mehr über datenbasierte Prozessoptimierung durch virtuelle Sensoren erfahren.
Gründerteam
.jpg)
.jpeg)
Unverbindlich anfragen
Unterstützt von
