Zużycie energii elektrycznej w tekturnicy – możliwości optymalizacji oraz prognozowania. Część 2.

• Autorzy: Musielak S.

Warianty tytułu

EN

Electricity Energy Consumption in the Corrugated Board Plant – Possibilities of Optimization and Forecast. Part 2.

• Języki publikacji: PL

Abstrakty

PL

W pierwszej części artykułu (1) omówiono metodykę badań i systemy pomiarowe wykorzystywane do określania zużycia energii elektrycznej przez tekturnicę oraz poszczególne jej moduły. W tej części przedstawiono badania zużycia energii w zależności od prędkości tekturnicy i rodzaju fali w tekturze. Dokonano analizy poboru energii oraz możliwości jego optymalizacji. Do prognozowania zapotrzebowania na energię oraz optymalnego jej wykorzystania zaproponowano model systemu wykorzystujący sieci neuronowe. Opisano hierarchię Systemu Realizacji Produkcji (MES – Manufacturing Execution System). Przedstawiono korzyści wynikające z zastosowania tego systemu w prognozowaniu i optymalizacji produkcji.

EN

In the first part of the article (1) the methodology and measuring systems used for determination of corrugator and its individual modules electric energy consumption was discussed. This part describes testing of energy consumption in relation to corrugator speed and flute type. Power consumption and possibilities of its optimization are discussed. For energy consumption forecasting and its optimizing the system based on neural network was proposed. The hierarchy of the Manufacturing Execution System is described. The benefits resulting from the use of this system in forecasting and production optimization are presented.

Słowa kluczowe

PL

tektura falista; zużycie energii; metody prognozowania; sieci neuronowe

EN

corrugator; corrugated board; energy consumption; forecasting methods; neural network

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Papierniczy
• Rocznik: 2014
• Tom: R. 70, nr 10
• Strony: 623--626, 628
• Opis fizyczny: Bibliogr. 10 poz.

Twórcy

autor

Musielak S.

• BHS Corrugated Maschinen- und Anlagenbau GmbH, Paul-Engel-Str. 1, 92729 Weiherhammer, Niemcy

Bibliografia

• 1. Musielak S.: „Zużycie energii elektrycznej w tekturnicy – możliwości optymalizacji oraz prognozowania. Cz. 1”, Przegl. Papiern. 70, 9, 537-542 (2014).
• 2. Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R.: „Sieci Neuronowe. Tom 6”, Akademicka Oficyna Wydawnicza Exit, Warszawa 2000.
• 3. Piotrowski P.: „Analiza doboru zmiennych w zadaniu prognozowania ultrakrótkoterminowego produkcji energii elektrycznej w systemach fotogalwanicznych”, Przegl. Elektrotechn. 90, 4 1-4 (2014).
• 4. Osowski S.: „Sieci neuronowe do przetwarzania informacji”, Wydawnictwo Politechniki Warszawskiej 2006.
• 5. Korbicz J.: „Sztuczne sieci neuronowe i ich zastosowanie w elektrotechnice i energetyce”, Przegl. Elektotechn. 85, 9, 194-200 (2009).
• 6. http:/de.wikipedia.org/wiki/Manufacturing_Execution_System.18.08.2014.
• 7. Louis P.M.: “Manufacturing Execution System”, Gabler Edition Wissenschaft, Wiesbaden 2009.
• 8. Biały W., Midor K.: „Systemy wspomagania w inżynierii produkcji”,Wydawnictwo P.A.NOVA, Gliwice 2013.
• 9. Atłasiewicz K.: „Jak efektywnie wspomagać logistykę w przedsiębiorstwie przemysłowym?”, IT Logistic Tech, Kraków 2013.
• 10. Lenart A.: „System relalizacji produkcji jako rozszerzenie systemu ERP”, Katedra Informatyki Ekonomicznej, Uniwersytet Gdański 2014.