Otimização do processo de pintura automóvel pelo desenvolvimento de modelos de simulação numéricos CFD e ANN e de um modelo de gestão integrado
- CCEnergias - Auditoria e Consultadoria Energética, lda(líder)
- Universidade da Beira Interior(parceiro)
- Universidade de Évora(parceiro)
Summary
The automotive industry faces permanent technological challenges to improve the sustainability of production processes, namely those related to energy efficiency, the rational use of energy and the energy transition. In this sense, activities within the scope of the MOSIPO project focus on the process with the greatest energy consumption in the automotive assembly industry, which is e-coat painting. In this process, the main energy drivers are hot air for drying the paint, hot water for stabilizing the temperature of the baths in the surface treatment tunnel and electricity to drive a set of peripheral equipment, namely fans and pumps, necessary for the system to function. This project will pursue different lines of investigation aiming the implementation of energy optimization techniques. One of the lines of research to be developed is based on the creation of a smart digital twin of the e-coat curing process that results from the creation of a CFD - Structural coupled model, integrated into an Artificial Neural Network (ANN) database, which will ensure the optimum quality requirements of the process. Another line of research focus on the possibility of decarbonizing the painting process by CFD modeling of VOC thermal incinerators, to accurately predict the optimized performance of these equipment, which will culminate in a simplified model for the operation and control of the incinerator. In this analysis, the impacts of using also hydrogen as an energy vector for the production process will be explored. Another line of research is the development of a global model that will integrate the lines of research identified above with a simplified model of the network of peripheral equipment, thus allowing the simulation and analysis of the performance of the entire installation, both under normal operating conditions and its response as a result of changing operating conditions. In this way, improvement measures will be proposed aimed at reducing energy consumption and CO2 emissions and the incorporation of alternative fuels, ensuring adequate operating conditions for the production process, as well as exploring the increase quality and/or increase production rate of the e-coat process.
Goals, activities and expected/achieved results
O objetivo principal consiste em desenvolver um conjunto de ferramentas que permitam fazer a gestão otimizada da infraestrutura do processo de pintura e-coat de modo a conseguir tornar mais eficiente a utilização de energia, reduzir custos operacionais e descarbonizar o processo, sem colocar em causa a eficácia do processo industrial ou afetar negativamente a qualidade dos produtos. Para tal, propõe-se criar uma plataforma de gestão integrada do processo de pintura (protótipo) que permita simular as condições para obter um balanço energético ótimo. O protótipo assenta na digitalização de toda a infraestrutura do processo de pintura e-coat (equipamentos principais e periféricos), no desenvolvimento de um modelo simplificado de análise e na modelação detalhada da estufa e do incinerador de COVs. Assim, pretende-se criar um protótipo de solução com uma arquitetura modular que engloba:
- A digitalização/ virtualização de toda a infraestrutura de produção do processo de pintura, o que inclui a modelação do circuito e equipamentos (principais e periféricos) associados à estufa e- coat;
- A modelação de equipamentos consumidores de gás natural, com especial relevância para a simulação CFD do incinerador de COVs;
- A modelação da estufa e-coat através de uma simulação CFD-CSD, criando um modelo digital que permite definir as suas condições ótimas de funcionamento e os respetivos parâmetros de afinação que cumpram os requisitos operacionais;
- A criação do Smart-digital-twin (modelo CFD-Estrutural acoplado integrado numa base de dados Artificial Neural Network -ANN) para melhorar a qualidade do processo de secagem e tratamento térmico pós e-coating.
Foram selecionados os seguintes indicadores de performance para cada módulo da solução:
- O Modelo CFD Incinerador deve gerar soluções ótimas para o seu funcionamento com diferentes misturas de combustível (gás natural e hidrogénio);
- O Modelo CFD-CSD da estufa deve prever uma distribuição de temperaturas no interior da estufa para o respetivo ponto de afinação ótimo;
- O modelo ANN deve conseguir estimar a afinação ótima da estufa;
- O modelo global simplificado deverá permitir definir o ponto ótimo de funcionamento da generalidade da instalação da estufa de e-coat que resulta numa eficiência energética mais elevada.
| Attribute | Type | Value |
|---|---|---|
| id | integer | 5033 |
