کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8093699 1522056 2018 28 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A big data driven analytical framework for energy-intensive manufacturing industries
ترجمه فارسی عنوان
چارچوب تحلیلی داده های بزرگ برای صنایع تولید انرژی پر انرژی
کلمات کلیدی
صنایع تولید انرژی پر انرژی، تجزیه و تحلیل داده های بزرگ، تولید تمیزکننده، داده کاوی،
ترجمه چکیده
صنایع انرژی فشرده تقریبا 51 درصد از مصرف انرژی در چین را تشکیل می دهند. بهبود مستمر در بهره وری انرژی برای صنایع انرژی پر انرژی مهم است. تولید کننده تمیز کننده خود را به عنوان یک راه موثر برای بهبود بهره وری انرژی و کاهش مصرف انرژی ثابت کرده است. با این حال، کمبود داده های تولیدی ناشی از اجرای سختی سنسور ها در محیط های تولید سخت، مانند دمای بالا، فشار بالا، اسیدیته بالا، قلیایی بالا و محیط دود است که مانع اجرای استراتژی تولید پاکیزه می شود. با تشکر از توسعه سریع اینترنت اشیاء، بسیاری از داده ها را می توان در فرایندهای تولید حس کرد و جمع آوری کرد. در این مقاله، یک چارچوب تحلیلی داده شده با داده های بزرگ پیشنهاد شده است تا مصرف انرژی و انتشار آن را برای صنایع تولید انرژی پر مصرف کاهش دهد. سپس، دو تکنولوژی کلیدی چارچوب پیشنهادی، یعنی جمع آوری داده های انرژی و استخراج داده های انرژی بزرگ، برای تحقق بخشیدن به داده های بزرگ انرژی استفاده می شود. در نهایت، یک سناریوی کاربرد آسیاب توپ در یک کارگاه خمیر یک شرکت شریک ارائه می شود تا چارچوب پیشنهادی را نشان دهد. نتایج نشان می دهد که مصرف انرژی و هزینه های انرژی به ترتیب به میزان 3٪ و 4٪ کاهش می یابد. این پیشرفت ها می تواند پیاده سازی استراتژی تولید پاکیزه را ارتقاء بخشند و به توسعه پایدار صنایع تولید انرژی مستمر کمک نماید.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی های تجدید پذیر، توسعه پایدار و محیط زیست
پیش نمایش مقاله
چارچوب تحلیلی داده های بزرگ برای صنایع تولید انرژی پر انرژی
چکیده انگلیسی
Energy-intensive industries account for almost 51% of energy consumption in China. A continuous improvement in energy efficiency is important for energy-intensive industries. Cleaner production has proven itself as an effective way to improve energy efficiency and reduce energy consumption. However, there is a lack of manufacturing data due to the difficult implementation of sensors in harsh production environment, such as high temperature, high pressure, high acid, high alkali, and smoky environment which hinders the implementation of the cleaner production strategy. Thanks to the rapid development of the Internet of Things, many data can be sensed and collected in the manufacturing processes. In this paper, a big data driven analytical framework is proposed to reduce the energy consumption and emission for energy-intensive manufacturing industries. Then, two key technologies of the proposed framework, namely energy big data acquisition and energy big data mining, are utilized to implement energy big data analytics. Finally, an application scenario of ball mills in a pulp workshop of a partner company is presented to demonstrate the proposed framework. The results show that the energy consumption and energy costs are reduced by 3% and 4% respectively. These improvements can promote the implementation of cleaner production strategy and contribute to the sustainable development of energy-intensive manufacturing industries.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Cleaner Production - Volume 197, Part 1, 1 October 2018, Pages 57-72
نویسندگان
, , , , ,