HD-SmartClean: Optimierung des Wasserstrahlbildes einer HD-Düse und Verfahren zur Ermittlung des Reinigungsergebnisses sowie Korrelation der Untersuchungsergebnisse zur selbstlernenden maschinellen Wärmetauscherreinigung

In verschiedensten Industriezweigen kommen Wärmetauscher zum Einsatz. Viele der im Einsatz befindlichen Wärmetauscher sind Rohrbündelwärmetauscher, deren zahlreiche Rohre sich kontinuierlich mit Verunreinigungen zusetzen. Dieser Prozess wird Fouling genannt und erfordert eine regelmäßige Reinigung. Dabei müssen die Rohre mit einem hohen Arbeitsaufwand einzeln gereinigt werden. Der Reinigungsprozess findet überwiegend bei Anlagenabschaltungen, Stillständen oder
Revisionen statt. Die Anzahl der in einer chemischen Anlage verbauten Wärmetauscher reicht oft in den dreistelligen Bereich. Besteht die Möglichkeit die Rohrbündelwärmetauscher für eine Reinigung aus der Anlage zu extrahieren, findet diese in industriellem Umfeld auf Waschplätzen statt. Hier kann die Reinigung von leistungsstarken Maschinen und unter der Abschirmung der Umwelt vorgenommen werden. Andernfalls werden mobile Maschinen zur direkten Montage am zu reinigenden Wärmetauscher eingesetzt.

AUTOCLEAN im Einsatz

Das Ziel des Projektes HD-SmartClean ist die Entwicklung eines integrierten selbstlernenden Systems zur effektiven und ressourcenschonenden Reinigung von Rohrbündelwärmetauschern. Dazu wird eine Datenbank mit Produktverunreinigungsklassen und einer Auswahlhilfe für den Anwender aufgebaut. Der Anwender bekommt die effizienteste und effektivste Reinigungsmethode mit den benötigten Maschinenparametern vor Ort durch eine Schnittstelle zur Datenbank angezeigt. Durch die Digitalisierung der Daten, wird ein „State of the Art“ Reinigungsvorgang für eine charakterisierte Verunreinigung ermittelt, welcher als Benchmark genutzt werden kann, um weitere Prozessoptimierungen aussagekräftig zu evaluieren. Um die Reinigungswirkung nachzuweisen, soll ein in-situ Verfahren zur Ermittlung des Wärmeübergangswiderstandes / der Wärmeübertragungsleistung des Wärmetauscherrohrs entwickelt werden. Dadurch sind Rückschlüsse über die verbleibende Verunreinigung / Inkrustierung möglich. Erstmals kann somit durch die intelligente Maschine ein selbstlernender Algorithmus den „State of the Art“ Reinigungsprozess kontinuierlich verbessern und die Datenbank erweitern.

Triovent GmbH

01.09.2020 – 31.12.2022