In dem Forschungsvorhaben werden bestehende Gebaeude mit Hilfe einer zweistufigen Methodik oekologisch bewertet. Zuerst werden mit Hilfe einer Datenbank typische Wand-, Decken- und Dachkonstruktionen bezogen auf 1 m2 Konstruktionsflaeche quantitativ erfasst. Diese werden anschliessend mit den Gebaeudedaten der zu bewertenden Wohngebaeude verknuepft. In der zweiten Stufe wird eine Bewertungsmatrix fuer das Gebaeude erstellt, die Werte fuer eine oekologische Belastung in der Herstellungs- und Betriebsphase und qualitative Aussagen zu Trennbarkeit, Recyclingfaehigkeit etc. enthaelt.
Die Energiewende und der Einstieg in die Kreislaufwirtschaft stellen die chemische Industrie vor enorme Herausforderungen im Bereich der Prozessentwicklung; DiKey stellt zentrale digitale Technologien für deren Bewältigung bereit. Mittels Methoden des Maschinellen Lernen (ML) werden hochgenaue und breit anwendbare Stoffdatenmodelle entwickelt, wobei in einem Federated Learning Ansatz unter Nutzung neuer Verschlüsselungstechnologien erstmals auch die Stoffdaten verschiedener Unternehmen mit denen aus der Wissenschaft zusammengeführt und mit hoch leistungsfähigen neuen digitalen Methoden für die Prozessentwicklung anwendbar gemacht werden; hierbei ergeben sich auch ganz neue Geschäftsmodelle. In DiKey wird demonstriert, dass so die Entwicklung neuer Prozesse erheblich beschleunigt und die transparente Erfüllung von Nachhaltigkeitszielen bei gleichzeitiger Berücksichtigung wirtschaftlicher Kenngrößen überhaupt erst möglich wird.
Die Energiewende und der Einstieg in die Kreislaufwirtschaft stellen die chemische Industrie vor enorme Herausforderungen im Bereich der Prozessentwicklung; DiKey stellt zentrale digitale Technologien für deren Bewältigung bereit. Mittels Methoden des Maschinellen Lernen (ML) werden hochgenaue und breit anwendbare Stoffdatenmodelle entwickelt, wobei in einem Federated Learning Ansatz unter Nutzung neuer Verschlüsselungstechnologien erstmals auch die Stoffdaten verschiedener Unternehmen mit denen aus der Wissenschaft zusammengeführt und mit hoch leistungsfähigen neuen digitalen Methoden für die Prozessentwicklung anwendbar gemacht werden; hierbei ergeben sich auch ganz neue Geschäftsmodelle. In DiKey wird demonstriert, dass so die Entwicklung neuer Prozesse erheblich beschleunigt und die transparente Erfüllung von Nachhaltigkeitszielen bei gleichzeitiger Berücksichtigung wirtschaftlicher Kenngrößen überhaupt erst möglich wird.
Die Energiewende und der Einstieg in die Kreislaufwirtschaft stellen die chemische Industrie vor enorme Herausforderungen im Bereich der Prozessentwicklung; DiKey stellt zentrale digitale Technologien für deren Bewältigung bereit. Mittels Methoden des Maschinellen Lernen (ML) werden hochgenaue und breit anwendbare Stoffdatenmodelle entwickelt, wobei in einem Federated Learning Ansatz unter Nutzung neuer Verschlüsselungstechnologien erstmals auch die Stoffdaten verschiedener Unternehmen mit denen aus der Wissenschaft zusammengeführt und mit hoch leistungsfähigen neuen digitalen Methoden für die Prozessentwicklung anwendbar gemacht werden; hierbei ergeben sich auch ganz neue Geschäftsmodelle. In DiKey wird demonstriert, dass so die Entwicklung neuer Prozesse erheblich beschleunigt und die transparente Erfüllung von Nachhaltigkeitszielen bei gleichzeitiger Berücksichtigung wirtschaftlicher Kenngrößen überhaupt erst möglich wird.
Die Energiewende und der Einstieg in die Kreislaufwirtschaft stellen die chemische Industrie vor enorme Herausforderungen im Bereich der Prozessentwicklung; DiKey stellt zentrale digitale Technologien für deren Bewältigung bereit. Mittels Methoden des Maschinellen Lernen (ML) werden hochgenaue und breit anwendbare Stoffdatenmodelle entwickelt, wobei in einem Federated Learning Ansatz unter Nutzung neuer Verschlüsselungstechnologien erstmals auch die Stoffdaten verschiedener Unternehmen mit denen aus der Wissenschaft zusammengeführt und mit hoch leistungsfähigen neuen digitalen Methoden für die Prozessentwicklung anwendbar gemacht werden; hierbei ergeben sich auch ganz neue Geschäftsmodelle. In DiKey wird demonstriert, dass so die Entwicklung neuer Prozesse erheblich beschleunigt und die transparente Erfüllung von Nachhaltigkeitszielen bei gleichzeitiger Berücksichtigung wirtschaftlicher Kenngrößen überhaupt erst möglich wird.
Die Energiewende und der Einstieg in die Kreislaufwirtschaft stellen die chemische Industrie vor enorme Herausforderungen im Bereich der Prozessentwicklung; DiKey stellt zentrale digitale Technologien für deren Bewältigung bereit. Mittels Methoden des Maschinellen Lernen (ML) werden hochgenaue und breit anwendbare Stoffdatenmodelle entwickelt, wobei in einem Federated Learning Ansatz unter Nutzung neuer Verschlüsselungstechnologien erstmals auch die Stoffdaten verschiedener Unternehmen mit denen aus der Wissenschaft zusammengeführt und mit hoch leistungsfähigen neuen digitalen Methoden für die Prozessentwicklung anwendbar gemacht werden; hierbei ergeben sich auch ganz neue Geschäftsmodelle. In DiKey wird demonstriert, dass so die Entwicklung neuer Prozesse erheblich beschleunigt und die transparente Erfüllung von Nachhaltigkeitszielen bei gleichzeitiger Berücksichtigung wirtschaftlicher Kenngrößen überhaupt erst möglich wird.
In Elektrodenanordnungen mit zwischengeschaltetem Dielektrikum koennen bei Anlegen einer hinreichend hohen Wechselspannung Entladungsvorgaenge eingeleitet werden, die zur Zersetzung des Gases fuehren (auf diese Art und Weise ist beispielsweise auch Ozon fuer die Trink- und Abwasseraufbereitung erzeugbar). Es ist naheliegend zu untersuchen, ob bei einer solchen Art von 'Stiller Elektrischer Entladung' auch Schadgase zersetzt werden koennen. Die Untersuchungen wurden mit NOx und SO2 durchgefuehrt.
Der erste Teil des Forschungsvorhabens (Start April 2006) wurde erfolgreich abgeschlossen. Im folgenden werden die Erfolge des ersten Projektabschnitts und die Ziele und Ergebnisse des zweiten Projektabschnitts zusammengefasst. 1. Abschnitt: Zu Beginn des Projekts waren CFD-Simulationen von zweiphasigen flüssig-flüssig betriebenen Extraktionskolonnen in der Literatur quasi nicht vorhanden. Im ersten Teil wurden daher zunächst zweiphasige CFD.Simulationen mit konstanten Tropfendurchmessern ohne Berücksichtigung von Populationsbilanzen erfolgreich durchgeführt. In beiden CFD Tools konnten die ein- und zweiphasigen Strömungsbedingungen in einem Rotating Disc Contactor vorhergesagt werden (1,2). Ein- und zweiphasige Particle Image Velocimetry Messungen ermöglichten einen Vergleich und eine Validierung der Simulationen. Im nächsten Schritt wurden Methoden zur Lösung der Populationsbilanzen in die CFD codes integriert. Die Standardvorgehensweise ist, dass für jede Phase in CFD ein Fluid verwendet wird (Two-Fluid Model) und sich die disperse Tropfenphase mit dem Sauterdurchmesser (d32) bewegt, der mit Hilfe der Populationsbilanzen berechnet wird. Die klassischen Lösungsmethoden, Klassenmethode und Momentenmethode (Quadrature Method of Moments), wurden im Rahmen von Fluent untersucht (4). In diesem Zusammenhang wurden auch mehrere Literaturmodelle für Zerfall und Koaleszenz der Tropfen in Fluent integriert und verglichen. Es zeigte sich, dass eine Vorhersage der Tropfengröße in einer 5 Compartment Sektion eines RDC Extraktors, bei richtiger Wahl der Modelle, möglich ist. Bei der Kopplung zwischen CFD und PBM ist die Momentenmethode vorzuziehen, da hier der Rechenaufwand wesentlich geringer ist, bei besserer Genauigkeit des Sauterdurchmessers. Sowohl in Fluent als auch in FPM wurde die Sectional Quadrature Method of Moments (SQMOM) implementiert (5-7). Die SQMOM als eine adaptive Methode ist für die Verwendung in CFD sehr gut geeignet. Im Gegensatz zum Zwei-Fluid CFD-Modell können im Multi-Fluid Modell tropfengrößenspezifische Aufstiegsgeschwindigkeiten wiedergegben werden. 2. Abschnitt: Während die reine Verknüpfung und die Vorhersage der Zweiphasenströmung im ersten Forschungsabschnitt realisiert wurden, sollen im weiteren Forschungsvorhaben die Vorhersagemöglichkeiten weiterentwickelt werden. Ziele sind hierbei ein Turbulenzmodell für FPM zu realisieren und zu validieren, mit dessen Hilfe Zerfall und Koaleszenz der Tropfen modelliert werden. Am Lehrstuhl f. Thermische Verfahrenstechnik sind Untersuchungen zur Messung der Turbulenz und zum Zerfall der Tropfen geplant. Eine integrierte Betrachtung von experimentellen und simulierten Turbulenzgrößen zusammen mit Zerfall und Koaleszenz der Tropfen soll zu einer Verbesserung der Vorhersage führen. Die Berücksichtigung von Stofftransport mit Hilfe eines bivariaten Populationsbilanzmodells wird die Beschreibung des Stoffaustauschs ermöglichen. (Text gekürzt)
| Organisation | Count |
|---|---|
| Bund | 971 |
| Europa | 49 |
| Kommune | 1 |
| Land | 31 |
| Weitere | 4 |
| Wirtschaft | 4 |
| Wissenschaft | 317 |
| Zivilgesellschaft | 79 |
| Type | Count |
|---|---|
| Förderprogramm | 971 |
| Text | 3 |
| unbekannt | 2 |
| License | Count |
|---|---|
| Geschlossen | 3 |
| Offen | 973 |
| Language | Count |
|---|---|
| Deutsch | 928 |
| Englisch | 103 |
| Resource type | Count |
|---|---|
| Dokument | 1 |
| Keine | 498 |
| Webseite | 477 |
| Topic | Count |
|---|---|
| Boden | 651 |
| Lebewesen und Lebensräume | 635 |
| Luft | 453 |
| Mensch und Umwelt | 976 |
| Wasser | 469 |
| Weitere | 974 |