Green Factory: Mit Regression zum Erfolg

Der Druck auf die Unternehmen, grüner zu produzieren, steigt immer mehr. Doch wie ermitteln Unternehmen in der Praxis die Projekte, welche erfolgreich zur Reduzierung des CO2-Ausstoßes beitragen?
Im ersten Schritt ist diese Fragestellung noch sehr einfach, und es gibt Maßnahmen, die schnell zu finden sind, zum Beispiel Glühbirnen durch LEDs zu ersetzen. Einsparung und ROI lassen sich in diesem Fall einfach nachweisen.
Sind aber diese Maßnahmen alle abgeschöpft, wird das Finden der entsprechenden Einsparungsprojekte sehr viel schwieriger und komplexer. Die Vorhersage der möglichen Einsparung lässt sich nur noch sehr schwierig ermitteln.

Die Regressionsanalyse

Die Regressionsanalyse ist ein mathematisches Verfahren zur Modellierung von Beziehungen von einer abhängigen und mindestens einer unabhängigen Variablen. Bei der Regression werden Zusammenhänge beschrieben und Werte der abhängigen Variablen prognostiziert.
Der Energy Advisor von Transition Technologies PSC bietet die Grundlagen für dieses Verfahren.

Projekte definieren und Verbräuche simulieren

Der Energy Advisor liefert Daten zum Energieressourcen-Verbrauch. Diese müssen analysiert und sinnvolle Regressionen gefunden werden. Der Einsatz einer Statistiksoftware wie Python ist hierfür notwendig.
Neben diesen technischen Voraussetzungen ist ein strategisches Vorgehen wichtig, um die entsprechenden Projekte zu erkennen:

1. Erhebung der wesentlichen Verbraucher der Anlage

In diesem Schritt geht es darum, die wesentlichen Verbraucher (SEUs) zu benennen und deren Verbrauchsleistung festzustellen.
Wichtig ist hierbei, dass 80 Prozent der Anlagenleistung erfasst sein müssen. Dieses kann durch eine einfache Datenanalyse erfolgen, da die SEUs meistens im Unternehmen bekannt sind.

2. Erhebung variabler Einflussfaktoren

Hier werden alle relevanten Einflussfaktoren, die Auswirkungen auf den Energieverbrauch am wesentlichen Verbraucher haben können, beschrieben und mit den erfassten Daten in der Datenbank des Energy Advisors verglichen.

3. Aufbereitung der Daten

Je mehr Daten zur Verfügung stehen, desto aussagekräftiger wird das Ergebnis der Regressionsanalyse. Fehlende Datensätze im Energy Advisor können im Regressionsverfahren durch Missing-Data-Techniken ersetzt werden.
Eventuell ist eine Überführung der Datenformate in ein einheitliches Schema notwendig.

4. Modellauswahl

Bereits vor der Durchführung der Regressionsanalyse sollten alle Voraussetzungen für das jeweilige Modell geprüft werden. Außerdem arbeiten einige Softwarelösungen zur Regressionsanalyse mit statistischen Fehlerkorrekturen, sodass trotz Abweichungen ein vereinfachtes Ergebnis zustande kommt.

5. Kritische Betriebsparameter für wesentliche Verbraucher durch Regressionsanalyse finden

Kritische Betriebsparameter sind vor allem jene Einflussfaktoren, die sich bei der Betriebsführung aktiv managen lassen. Mittels Regressionsanalyse kann man enge Korrelation ermitteln. Dabei sind diese kritischen Betriebsparameter zu definieren und im weiteren Verlauf für Kennzahlen und Betriebsführung zu berücksichtigen.

6. Einsparpotenziale kritischer Betriebsparameter simulieren

Die in der Regressionsanalyse ermittelten Betriebsparameter sollten nun auf ihr Einsparpotenzial untersucht und entsprechend dem zukünftigen Verbrauch simuliert werden. Dabei gibt es verschiedene Faktoren, welche einen unterschiedlichen Einfluss auf das gesamte Einsparpotenzial der jeweiligen SEU haben.

7. Festlegung von Kennzahlen

Um den Energieverbrauch managen zu können, bedarf es einer oder mehrerer Kennzahlen des wesentlichen Verbrauchers. In diesen Kennzahlen wird der Energieverbrauch in Bezug zur Produktionseinheit, zum Beispiel Tonne erzeugtes Produkt, oder Einflussfaktoren wie Temperatur oder Druck gesetzt.
Wesentlich sind hier Nachweise der Verbesserung der energiebezogenen Leistung, auf denen diese Kennzahlen basieren.

8. Modellanpassung

Nachdem die ersten Erfahrungen gesammelt sind, sollte man noch einmal überprüfen, ob sich das ausgewählte Regressionsmodell optimieren lässt.

Fazit

Die Regressionsanalyse trägt wesentlich zum Erfolg der Energieeinsparinitiativen in einer Green Factory bei. Sie dient zur Analyse und Vorhersage komplexer Zusammenhänge und somit zur Definition weiterer Einsparmaßnahmen.

Mehr Informationen erhalten Sie hier.