Ressourceneffizienz, besonders die enthaltene Energieeffizienz, ist und bleibt ein Kernthema aller Produktionsprozesse. Durch die wachsende Bedeutung der Ressourcenschonung und des Emissionsrückgangs entstehen neue Herausforderungen für die Betreiber von Anlagen im Bereich Anlagendesign und Anlagenfahrweise.
Grundlage dazu ist die Fähigkeit, die Ressourceneffizienz objektiv zu messen, zu vergleichen und eine Verbesserung unabhängig von externen Einflussgrößen darzustellen. Dabei müssen diese Werte auch online zur Verfügung stehen, um kurzfristig Einfluss auf die Anlagenfahrweise nehmen zu können. Die NAMUR-Empfehlung 162 zeigt Leitlinien für die Verwendung von Ressourceneffizienzindikatoren (REI) auf, die den Energie- und Materialeinsatz sowie die Umweltauswirkungen der Produktion, insbesondere für den betrieblichen (nicht nur retrospektiven) Einsatz, einheitlich vorgeben.
Die Ergebnisse können sowohl von Betreibern wie auch von Herstellern von Prozessleitsystemen und Betriebsdatenerfassungssystemen dazu benutzt werden, den Arbeitspunkt des minimalen Ressourceneinsatzes darzustellen und anzufahren. Auf Basis der Ressourceneffizienzindikatoren (REI) können vorhandene Energiemanagementsysteme zu Ressourcenmanagementsystemen mit einheitlichen, durchgängig hierarchischen Kennzahlensystemen erweitert werden.
An der Erstellung der NE 162 war der NAMUR-Arbeitskreis AK 4.17 Energieeffizienz über Ad-hoc AK 4.17.1 „Ressourceneffizienzindikatoren für den operativen Einsatz“ maßgeblich beteiligt.
Erstveröffentlichung NE 159 ebenfalls erschienen
Die NE 159 beschreibt Anforderungen an Datenmodelle für den Informationsaustausch zwischen CAE-Systemen der Verfahrensauslegung und des PLT-Engineerings. Sie bildet die Grundlage für einen automatischen, iterativen und bidirektionalen Datenaustausch zwischen diesen Systemen. Urheber der neuen NE 159 ist der NAMUR-Arbeitskreis AK 1.3 Computer Aided Engineering.
Sprachverarbeitung: Gehirn und KI arbeiten mit Vorhersagen
Bereits beim Zuhören versucht das Gehirn, die nächsten Worte zu antizipieren. Dies hat eine aktuelle Studie eines interdisziplinären Forschungsteams um PD Dr. Patrick Krauss, Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), und PD Dr. Achim Schilling, Universität Heidelberg, ergeben. Dafür kombinierten die Forschenden drei Methoden: eine natürliche Hörsituation, hochauflösende Messungen der Hirnaktivität und ein KI-Sprachmodell als Referenz.







