Definition Simulation
- Abbildung der Realität von verfahrenstechnischen (Teil-)Prozessen oder Teilaspekten dieser Prozesse in Form von mathematischen Modellen in einer Software/auf einem Rechner mit dem Ziel das Prozessverhalten oder den Einfluss auf den Prozess unter sich verändernden Parameter vorherzusagen oder zu analysieren, um damit den Prozess oder verknüpfte andere Prozesse gezielt zu optimieren oder auszulegen.
Welche Arten von Modellen kennen Sie?
- Empirische Modelle
o Werden auch Black-Box-Modelle genannt
o Einfache Anwendung
o Bestehen aus algebraischen Gleichungen, die durch Anwendung von Regressions- und Statistikmethoden entstehen
o Die eigentlichen Vorgänge (in der Mühle) werden nicht berücksichtigen
o muss oft noch angepasst werden
o haben eine begrenzte Vorhersagengenauigkeit
o V.a. vor 60er Jahren entstanden, da es noch keine leistungsfähigen PCs gab
o Beispielmodell:
Bond-Modell
- Phänomenologische Modelle
o Bestehen aus algebraischen und/oder differentiellen Gleichungen
o Weiterentwicklung empirischer Modelle
o Grundlagen sind Ansätze aus der Physik, der Chemie oder des Ingenieurswesens, die z.B. die Bruchphänomene in Abhängigkeit von Prozessparametern im Ganzen beschreiben, aber nicht die physikalischen Vorgänge dahinter -> betrachtet die Zerkleinerung als Prozess
o Ein gewisser Anteil an Empirie lässt sich daher nicht vermeiden
o Ein Grundmodell muss nicht mehr zwingend an neue Anwendungen angepasst werden, wie es bei empirischem Modell, die nur auf experimentellen Daten beruhen
o Phänomenologische Modelle bieten eine deutlich bessere Vorhersage komplexer Mahlanlagen als empirische Modelle
o Bei den phänomenologischen Modellen werden die Materialparameter unabhängig von dem eigentlichen Modellen ermittelt
o Erfordert Hochskalierung anhand von Laborexperimenten
o Berücksichtigt nicht das (Mühlen-)Design
o Beispielmodelle
§ Austin-Modell
§ Spannungsmodelle nach Kwade
- Mechanistisch/Fundamentale Modelle
o Bestehen aus algebraischen und differentiellen Gleichungen, die auf grundlegenden physikalischen oder chemischen Gesetzten beruhen, wie z.B. die Newt’schen Bewegungsgleichungen (Quantitative Beschreibung)
o Individuelle (Bruchmechanismen)
o Hohe Flexibilität
o Berücksichtigen Prozessparametern
o Modellieren den Bruchvorgang als Interaktion eines Partikels mit Maschinenelementen und bieten daher eine Beziehung zwischen detaillierten physikalischen Prozessbedingungen und den Produkteigenschaften
o Sehr komplex im Aufbau und benötigen leistungsstarke PCs zur Anwendung. Daher haben diese Modelle momentan keinen großen Stellenwert in der Praxis
o Umfangreiche Charakterisierung erforderlich
o DEM-Simulationen sind aufwendig
§ Erweitertes Spannungsmodell
§ UFRJ mechanistic model
Wie ist eine Simulationsstudie aufgebaut? Was sind die wesentlichen Arbeitsschritte in jeder Phase?
- Es gibt nicht zwingend DIE eine Lösung
- Gegebenes Problem kann unterschiedliche Lösungsansätze denkbar sein
- Erforderlich, Herausforderungen und Aufwand konsequent in Abhängigkeit der getroffenen Auswahl und Entscheidungen zu bewerten.
- Phase 1 – Problemspezifikation
o Verbale Beschreibung der Aufgabenstellung/der Problemstellung und des Ziels
o Zielgrößen?
o Einflussgrößen?
o Reduktion der Betrachtung auf die relevanten Aspekte der Problemstellung
Was ist relevant?
Welche Eingangsgrößen sind zulässig?
Welche Größen sind bekannt oder messbar?
o Festlegung experimenteller Rahmen
o Erste Abschätzung der Machbarkeit/Überprüfung der Datenverfügbarkeit
- Phase 2 – Modellbildung
o Suche nach geeignetem mathematischem Modell bzw. nach Möglichkeit nach einem bereits erprobten, passenden Modell
o Reduktion des realen Systems auf ein (vereinfachtes) Ersatzmodell, z.B. inkompressibles Gas, Punktmassen
o Herleitung von Modellgleichungen
o Zuordnung der Modellparameter
o Modellvereinfachung/-analyse
- Phase 3 – Implementierung
o Direkte Programmierung/Nutzung von Simulationswerkzeugen oder Bibliotheken
o Bereitstellung der benötigten Modelldaten und Parameter (Geometrien, Prozessdaten, Stoffdaten, ...)
o Laufzeitanforderungen
o Lizenzen (Kosten)
- Phase 4 – Validierung
o Verifikation: Tippfehler, Algorithmus Fehler?
o Konsistenzprüfung: Sind logische Widersprüche vorhanden? Absurde Resultate?
o Bestimmung unbekannter Parameter durch Vergleich mit realen Ergebnissen
o Vergleich Simulation – Realität!
- Phase 5 – Simulationsläufe
o Durchführung von „Experimenten“ am mathematischen Modell
o Erarbeiten einer Lösung für die eigentliche Problemstellung
o Erst wird hier „simuliert“ – alles davor war nur die Vorbereitung
o Parametervariationen: Trial and Error oder gezielte Optimierungsprobleme
- Phase 6 – Ergebnispräsentation
o Visualisierung von Simulationsergebnissen
o Animation von Ergebnissen
o Berechnung von Kennzahlen
o Verfassen eines Berichtes / Erstellen einer Präsentation
o Nicht zu unterschätzen:
Sie müssen in der Lage sind, die Sprache der Auftraggeber / Anwender zu sprechen
Was bedeutet vor diesem Hintergrund „iteratives Vorgehen“? – Geben Sie ein Beispiel
- Bedeutet, dass die Schritte innerhalb der Simulationsstudie nicht nur einmal in einer festen Abfolge durchlaufen, sondern b.Bd. wiederholt werden, um das Modell schrittweise zu verbessern und die Ergebnisse zu optimieren
- Ermöglicht es, aus Zwischenergebnissen zu lernen und Anpassungen vorzunehmen, bevor das Endergebnis präsentiert, wird
- Ziel ist es, Modell so zu verfeinern, dass die Realität möglichst präzise abbildet, indem Fehler Schritt für Schritt behoben werden
- Beispiele - > Simulationstechnische Aufgabenstellung
Welche Hürden/Probleme kann es geben? Welche davon kann man frühzeitig abklären?
- Umfang und Komplexität
o Einfache Studien:
Basieren auf groben Annahmen und einfacheren Modellen
Geringe Rechenzeit und kostengünstig
Beispiel: Druckverlustberechnungen in Rohrleitungen
o Komplexe Studien:
Detaillierte Berücksichtigung mehrerer physikalischer Effekte (z.B. Strömung, Wärmeübertragung, Chemie)
Hohe Rechenzeit und aufwendige Modellerstellung
Beispiel: Multiphysik-Simulation für Reaktoren und Destillationskolonnen
o Faktoren, die den Umfang beeinflussen
Anzahl der Parameter und Variablen
Genaue Modellierung von Nichtlinearitäten und Störfaktoren
Anzahl der Szenarien und Iterationen
- Modellgenauigkeit:
Die Qualität der Simulation hängt stark von der Genauigkeit des Modells ab
Fehlende oder ungenaue Eingangsdaten können zu falschen Ergebnissen führen
- Rechenaufwand und Zeit:
Komplexe Modelle erfordern hohe Rechenleistung und lange Simulationszeiten
Einsatz von High-Performance-Computing (HPC) oder Cloud Lösungen ist oft notwendig
- Validierung:
Schwierigkeiten bei der Validierung des Modells, insbesondere bei innovativen oder komplexen Prozessen, da keine Vergleichsdaten vorliegen.
- Kosten
Software- und Hardwarekosten:
Teure Simulationssoftware (Lizenzen) und spezielle Hardware (HPC) treiben die Kosten in die Höhe
Arbeitsaufwand:
Die Erstellung, Validierung und Optimierung des Modells erfordert hochqualifiziertes Personal und viele Stunden Arbeitszeit
Rechenressourcen:
Hohe Rechenzeit bei komplexen Simulationen, insbesondere bei der Nutzung von Supercomputern oder Cloud-Services, beeinflusst die Kosten
Iterationen und Optimierungsschleifen:
Je mehr Iterationen zur Optimierung eines Prozesses nötig sind, desto höher die Kosten
Fehler und Nacharbeit:
Unzulängliche Modellierung oder falsche Annahmen können zu zusätzlichen Simulationsläufen und erhöhter Fehlerkorrektur führen
- Modellierungsfehler
Falsche Annahmen oder Vereinfachungen im Modell führen zu unbrauchbaren Ergebnissen
- Komplexität der Ergebnisse
Die Ergebnisse können so komplex sein, dass sie schwer interpretierbar sind
- Datensicherheit und -integrität
Insbesondere bei Cloud-Simulationen muss die Datensicherheit gewährleistet werden
- Abhängigkeit von Eingangsdaten
Ungenaue oder veraltete Eingangsdaten führen zu falschen Ergebnissen und suboptimalen Entscheidungen
Vorgehen bei einer Systemanalyse?
- Steht zwischen Definition der Aufgabenstellung und der Modellbildung
- Analyse des Systems:
Welche physikalischen/chemischen (...) Prozesse liegen vor?
Welche Prozesse sind relevant, d.h. interessant oder unverzichtbar in Hinblick auf die Zielstellung?
Wo liegen die Systemgrenzen?
Welche Zeitregime sind relevant?
Was kann vernachlässigt werden?
Last changed11 days ago
