Vertieftes Prozessverständnis und grosse Kosteneinsparungen durch CFD

Im Jahr 2017 wiesen Delvigne et al. [1] in ihrer Publikation darauf hin, dass mit Hilfe von numerischer Strömungssimulation (CFD) die Anzahl der Scale-up-Versuche um 80 % reduziert und Kosteneinsparungen pro Versuch zwischen 40k $ und 80k $ erzielt werden können. V. Atiemo-Obeng und S. Kresta, E. Paul schätzten die Kosteneinsparungen durch den Einsatz von CFD in ihrem Buch „Handbook of Industrial Mixing: Science and Practice“ [2] für jeden einzelnen Prozessversuch auf 500k $ bis 1 Mio. $.

Dies sind nur zwei Beispiele, die den grossen Nutzen von CFD für Scale-up und Technologietransfer in Rührreaktoren aufzeigen. Der vorliegende Anwendungsfall zeigt eine spezifische Anwendung von CFD und wie Simulation helfen kann, ein vertieftes Verständnis für den Prozess zu gewinnen und Schlussfolgerungen für eine fundierte Entscheidungsfindung im Zusammenhang mit Scale-up und Technologietransfer abzuleiten.

Problemstellung

In vielen Fällen ist eine stationäre, einphasige CFD-Modellierung beim Scale-up ausreichend.

Einphasige Simulationen genügen jedoch nicht, wenn räumlich und zeitlich auflösende Informationen der Partikelbewegungen im Reaktor benötigt werden. Dies ist der Fall bei der Analyse von Sedimentation und Homogenität im Reaktor.

Der „Brute-Force“-Ansatz besteht darin, die Rührerdrehzahl auf das Maximum der Maschine oder des Prozesses einzustellen. Dies kann jedoch zu Partikelabrieb, Lufteintrag und anderen nachteiligen Effekten führen.

Ausserdem skaliert der Stromverbrauch ungefähr mit der dritten Potenz der Laufraddrehzahl. Bei grossen Reaktoren, die fast rund um die Uhr laufen, kann die Einstellung einer CFD-optimierten Laufraddrehzahl zu erheblichen Energieeinsparungen führen.

Um eine optimierte Rührerdrehzahl für partikelbeladene Reaktoren mit volumetrischen Feststoffanteilen von bis zu 15 % zu erhalten, kann ein Lagrange-Ansatz mit Zweiwegekopplung verwendet werden.

Simulationsmetriken

Die Simulation wurde mit OpenFOAM v9 durchgeführt:

  • Löser: denseParticleFoam
  • Dispersionsmodell: stochasticDispersionRAS
  • Turbulenzmodell: kEpsilon
  • Rotationsmodell des Laufrads: Bewegtes Gitter
  • Zweiphasensystem: Wasser-Feststoff
  • Gittergrösse: ~ 1Mio

Referenzen

  1. Christian Weiland, Eike Steuwe, Jürgen Fitschen, Marko Hoffmann, Michael Schlüter, Kathrin Padberg-Gehle, Alexandra von Kameke, Chemical Engineering Journal Advances Volume 14, 15 May 2023, 100448: Computational study of three-dimensional Lagrangian transport and mixing in a stirred tank reactor.
  2. Ananda J. Jadhav, Mostafa Barigou, International Journal of Multiphase Flow, Volume 155, October 2022, 104191: Eulerian-Lagrangian Modelling of Turbulent Two-Phase Particle-Liquid
    Flow in a Stirred Vessel: CFD and Experiments Compared.
  3. V. Atiemo-Obeng, S. Kresta, E. Paul. Handbook of Industrial Mixing Science and Practice (Wiley, Hoboken, NJ, 2004)