Climate change is the main challenge for the 21st century society. The latest IPCC report (2018) highlights that the increase in global greenhouse gas emissions is rapidly altering the climate and states that, if nothing is done, the climate change will deeply influence future development opportunities. The industrial sector, which represents about one third of global final energy use and 40% of global energy-related CO2 emissions, could make a significant contribution in this regard. Research and innovation for the factories of the future is not only a matter of developing and integrating new technologies, but also a challenge to make manufacturing less dependent on energy. Energy efficiency represents an important action for mitigating the environmental impacts of manufacturing processes, and it is the first step towards the implementation of sustainable production. The goal of this thesis is to develop a method to support companies in the enhancement of energy efficiency in manufacturing processes. While existing methods usually only perform a process assessment, this work also contributes to the implementation of efficiency measures. The method is then implemented into a software tool to support companies in the continuous improvement of energy performance and to take advantage of Smart Manufacturing technologies. Through the intelligent interpretation of data, it allows identifying and characterizing the energy flow to multiple levels (e.g., machine, line, plant) and detecting its value-added component. Moreover, it allows to suggest corrective action to eliminate wasteful activities and reduce non value-added activities. The research contribution lies in a method and tool that contain metrics to identify inefficiencies using the lean approach, logics and algorithms to generate knowledge about the process efficiency status, and decision-making algorithms to appropriately suggest energy efficiency measures. The validation in two different case studies has highlighted how the method and tool support all stakeholders in the assessment of process energy efficiency. In both case studies, they have supported the analysis and improvement process, leading to a considerable increase in efficiency and energy saving. Results demonstrate the usefulness of the proposed tool as a support for energy management toward the maximization of the manufacturing system energy efficiency and minimization of correlated environmental impact.
Il cambiamento climatico rappresenta la sfida principale per la società del 21° secolo. L'ultimo rapporto dell'IPCC (2018) evidenzia che l'aumento delle emissioni globali di gas serra sta alterando rapidamente il clima e afferma che, se non si interviene, il cambiamento climatico influenzerà profondamente le future opportunità di sviluppo. Il settore industriale, che rappresenta circa un terzo dell'uso finale globale di energia e il 40% delle emissioni globali di CO2 legate all'energia, potrebbe dare un contributo significativo in questo senso. La ricerca e l'innovazione per le fabbriche del futuro non rappresentano solo una questione di sviluppo e integrazione di nuove tecnologie, ma anche una sfida per rendere la produzione meno dipendente dall'energia. L'efficienza energetica rappresenta un'azione importante per mitigare gli impatti ambientali dei processi produttivi, ed è il primo passo verso l'implementazione di una produzione sostenibile. L'obiettivo di questa tesi è sviluppare un metodo per supportare le aziende nel miglioramento dell'efficienza energetica nei processi produttivi. Sebbene i metodi esistenti spesso eseguano solo un'analisi del processo, questo lavoro contribuisce anche all'implementazione di misure di efficienza. Il metodo è poi implementato in uno strumento software per supportare le aziende nel miglioramento continuo delle prestazioni energetiche e per sfruttare le tecnologie della Smart Manufacturing. Attraverso l'interpretazione intelligente dei dati, consente di identificare e caratterizzare il flusso di energia a più livelli (es. macchina, linea, impianto) e di rilevarne la componente a valore aggiunto. Inoltre, permette di suggerire l'azione correttiva per eliminare le attività dispendiose e ridurre le attività non a valore aggiunto. Il contributo della ricerca è dato da un metodo e uno strumento che contengono metriche per identificare le inefficienze utilizzando l'approccio lean, logiche e algoritmi per generare conoscenza sullo stato di efficienza del processo e algoritmi decisionali per suggerire appropriate misure di efficienza energetica. La validazione in due diversi casi studio ha evidenziato come il metodo e lo strumento supportino tutti gli stakeholder nella valutazione dell'efficienza energetica del processo. In entrambi i casi studio, hanno supportato il processo di analisi e miglioramento, portando ad un notevole aumento dell'efficienza e del risparmio energetico. I risultati dimostrano l'utilità dello strumento proposto come supporto per la gestione energetica verso la massimizzazione dell'efficienza energetica del sistema produttivo e la minimizzazione dell'impatto ambientale correlato.
A method and tool to improve the energy efficiency of production systems in the context of smart manufacturing / Menghi, Roberto. - (2021 May 28).
A method and tool to improve the energy efficiency of production systems in the context of smart manufacturing
MENGHI, Roberto
2021-05-28
Abstract
Climate change is the main challenge for the 21st century society. The latest IPCC report (2018) highlights that the increase in global greenhouse gas emissions is rapidly altering the climate and states that, if nothing is done, the climate change will deeply influence future development opportunities. The industrial sector, which represents about one third of global final energy use and 40% of global energy-related CO2 emissions, could make a significant contribution in this regard. Research and innovation for the factories of the future is not only a matter of developing and integrating new technologies, but also a challenge to make manufacturing less dependent on energy. Energy efficiency represents an important action for mitigating the environmental impacts of manufacturing processes, and it is the first step towards the implementation of sustainable production. The goal of this thesis is to develop a method to support companies in the enhancement of energy efficiency in manufacturing processes. While existing methods usually only perform a process assessment, this work also contributes to the implementation of efficiency measures. The method is then implemented into a software tool to support companies in the continuous improvement of energy performance and to take advantage of Smart Manufacturing technologies. Through the intelligent interpretation of data, it allows identifying and characterizing the energy flow to multiple levels (e.g., machine, line, plant) and detecting its value-added component. Moreover, it allows to suggest corrective action to eliminate wasteful activities and reduce non value-added activities. The research contribution lies in a method and tool that contain metrics to identify inefficiencies using the lean approach, logics and algorithms to generate knowledge about the process efficiency status, and decision-making algorithms to appropriately suggest energy efficiency measures. The validation in two different case studies has highlighted how the method and tool support all stakeholders in the assessment of process energy efficiency. In both case studies, they have supported the analysis and improvement process, leading to a considerable increase in efficiency and energy saving. Results demonstrate the usefulness of the proposed tool as a support for energy management toward the maximization of the manufacturing system energy efficiency and minimization of correlated environmental impact.File | Dimensione | Formato | |
---|---|---|---|
Tesi_Menghi.pdf
Open Access dal 29/11/2022
Descrizione: Tesi_Menghi
Tipologia:
Tesi di dottorato
Licenza d'uso:
Creative commons
Dimensione
19.49 MB
Formato
Adobe PDF
|
19.49 MB | Adobe PDF | Visualizza/Apri |
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.