Kunde:
Rosatom State Atomic Energy Corporation (Rosatom) ist eine staatliche Holding, die mehr als 360 Unternehmen im Nuklearbereich umfasst. Es umfasst alle Arten nichtmilitärischer Unternehmen im Nuklearbereich, Unternehmen aus dem Nuklearwaffensektor, Forschungsorganisationen und nukleare Eisbrecherflotten. Rosatom ist eine führende Organisation in der Nuklearindustrie. Es hält den zweiten Platz bei den weltweiten Uranvorkommen, den fünften im Bergbau und den vierten Platz in der weltweiten Kernenergieproduktion. Rosatom kontrolliert 17 Prozent des Weltmarktes für Kernbrennstoffe und 40 Prozent des Weltmarktes für Anreicherungsdienstleistungen.
Modellentwickler: Yuriy Podvalny, Denis Gerasimov.
Problemstellung:
Bei der Planung der Leckerkennungsanlage für Brennelemente mussten die Entwickler die Daten und Systemparameter in Fällen von Fehlern in der Brennelementeproduktion sammeln.
Die Mantelleckerkennungsanlage ist Teil einer automatisierten Fertigungslinie für Brennelemente. Die Leckkontrolle basiert auf der Erwärmung der Brennelementgruppen. Während des Aufwärmens stoßen defekte Einheiten das Kontrollgas aus, das von einem Lecksuchgerät erkannt wird. Eine Gruppe mit einem defekten Element wird in zwei Teile geteilt. Jeder Teil wird auf die gleiche Weise überprüft, bis das undichte Brennelement gefunden ist.
Systemingenieure mussten die Abhängigkeit zwischen der Jahresproduktion, dem Eingabespeichervolumen und der Gruppengröße der Brennelemente, mit der sie in den Ofen geladen werden, oder unterschiedliche Ausschussquoten definieren. Darüber hinaus mussten sie die Anzahl nicht erfolgter Brennelementmontagen aufgrund von Systemausfallzeiten definieren, wenn der Eingabespeicher voll ist.
Lösung:
Da die Leckrate stochastischer Natur ist, erstellten die Entwickler ein Simulationsmodell einer Mantelleckerkennungsanlage und testeten verschiedene Szenarien und Systembetriebsalgorithmen, wobei sie mehrere Experimente mit dem Modell durchführten.
Das mit AnyLogic entwickelte Modell simuliert zwei Algorithmen für den Betrieb der Mantelleckerkennungsanlage. Die Algorithmen basieren auf unterschiedlichen Ansätzen für die Erkennung eines undichten Brennstoffelements, wenn die Brennelementgruppe überprüft wird und ein Leck festgestellt wird.
Erster Algorithmus: Wenn ein Leck festgestellt wird, wird die Hälfte der Brennelementgruppe von Ofen Nr. 1 nach Ofen Nr. 2 überführt. Beide Gruppen werden beheizt und auf undichte Brennelemente untersucht. Die unauffällige Gruppe wird in den Ausgabespeicher geladen. Die fehlerhafte Gruppe wird wieder in zwei Gruppen unterteilt und auf das undichte Brennstoffelement untersucht, und so weiter.
Wenn beide Gruppen fehlerhaft sind, wird die Hälfte jeder Gruppe in den Ausgabespeicher geladen und die Untersuchung der restlichen Hälften beginnt. Die Brennelementgruppen im Ausgabespeicher werden nach Abschluss der Prüfung der ersten Hälften überprüft. Der Eingabespeicher nimmt eingehende Baugruppen mit geplanter Häufigkeit auf. Somit wird die fehlerhafte Gruppe durch zwei Öfen abgewickelt. Eine neue Gruppe von Brennelementen wird nicht geladen, bis das defekte Element gefunden ist. Falls kein Leck gefunden wird, arbeiten die Öfen im Gleichlauf, wobei der zweite Ofen darauf wartet, dass der erste die Untersuchung der Brennstoffelementegruppe abschließt.
Zweiter Algorithmus: Die Öfen arbeiten unabhängig voneinander. Die fehlerhafte Gruppe wird durch einen Ofen isoliert abgewickelt, bis das undichte Element gefunden ist. Eine neue Gruppe von Brennelementen wird nicht in den Ofen geladen, bis die vorherige Gruppe vollständig untersucht ist. Mit diesem Ansatz können zwei Öfen gleichzeitig betrieben werden.
Modellnutzer können die folgenden Parameter der Algorithmen ändern:
- Häufigkeit von Lecks
- Größe der Brennelementgruppe, die zur Untersuchung in den Ofen geladen wird
- Eingabespeichergröße
Im Verlauf der Untersuchung wurde jede Kombination von Wertparametern ungefähr 100 Mal auf dem Modell ausgeführt, um ein Jahr Simulationsmodellzeit zu erhalten.
Ergebnisse:
- Die Produktionsrate der Betriebsalgorithmen wurde für verschiedene Leckhäufigkeiten getestet.
- Die Größe der Brennelementgruppe, die in einen Ofen eingebracht werden soll, wurde so definiert, um für eine gegebene Leckhäufigkeit die maximale Produktionsrate bereitzustellen.
- Die Simulation zeigte eine mögliche Verlustreduzierung aufgrund von Ausfallzeiten durch eine Erhöhung des Eingangsspeichervolumens.
- Für verschiedene Leckhäufigkeiten und andere Parameter wurden Produktionsstatistiken der Lecksuche bestimmt. Jedes Mal wurde das Modell für 100 „Simulationsjahre“ ausgeführt.
- Durch die Simulation wurde die Abhängigkeit zwischen dem maximalen Volumen des Eingangsspeichers und der Größe der Brennelementgruppe, die in den Ofen eingebracht werden sollte, erkannt. Mit Hilfe Numerische Werte konnte diese Abhängigkeit für verschiedene Leckhäufigkeiten ausgedrückt werden.
Fazit:
In der Phase der Konstruktion der Leckerkennungsanlage für Brennelemente verursachten Experimente mit dem realen System hohe finanzielle und zeitliche Kosten. Die Analyse der während der Simulation gesammelten Daten ermöglichte es den Ingenieuren die optimalen Entwurfsparameter für eine maximale Produktion zu definieren.
Der Kunde plant, das Simulationsmodell für einen Test von mögliche Änderungen in der Produktionslinie, wie z. B. das Hinzufügen eines neuen Ofens, zu verwenden. Nutzer können Parameter variieren, indem sie Daten in der Modellschnittstelle bearbeiten. Das Simulationsmodell wird dem Ausrüstungskäufer als Entscheidungshilfe für viele Jahre dienen.