Simulieren statt probieren

CFD-Simulationen von Rührkesseln

Anlagenbau
Chemie
Pharma
Ausrüster
Planer
Betreiber
Einkäufer
Manager

22.03.2016 Je höher die Ansprüche an die Effizienz von Mischern, desto weniger greifen bei deren Konstruktion klassische Ansätze oder das Prinzip „Trial and Error“. Der Einsatz von Simulationswerkzeugen ist heute ein effizientes Mittel, um Mischerkonstruktionen zu optimieren. Wie das in der Praxis geht, erklärt dieser Beitrag.

Anzeige

Entscheider-Facts für Planer

  • Das Upscaling von Anlagen vom Labor- auf den Produktionsmaßstab ist ein aufwendiger Prozess, bei dem die Entwickler zeitintensive und teure Experimente fahren müssen.
  • Eine Software-Lösung kann hier entlasten: Mittels CFD-Simulation ist es möglich, Anlagen in ihrer realen Größe zu simulieren und Informationen über wichtige Parameter zu sammeln.
  • Das Praxis-Beispiel eines Herstellers von Prozessmischbehältern zeigt, dass die Ergebnisse der Simulationen nur wenige Prozent von der Realität abweichen – und dabei deutlich schneller zur Verfügung stehen.

Die Mischung macht´s – und das nicht erst seit 1949. Das in jenem Jahr gegründete Unternehmen Pierre Guerin ist heute der wichtigste Anbieter von Prozessmischbehältern aus Edelstahl in Europa für die Bereiche Chemie, Lebensmittel/Getränke und Pharmazie. In diesen Branchen ist das Mischen ein Schlüsselprozess, denn die Qualität der Produkte ist stark davon abhängig, wie effizient und effektiv die Komponenten mit ihren unterschiedlichen Eigenschaften vermischt werden, um eine gleichmäßige Mischung mit den gewünschten Eigenschaften zu erhalten. Daher ist es oberste Priorität des Herstellers, Anlagen so zu entwickeln und zu fertigen, dass sie bei geringstmöglicher Arbeitszeit und niedrigen Betriebskosten möglichst optimale Mischungen erzeugen. Kompliziert wurde es hier bisher beim traditionellen Scale-up-Ansatz vom Labor auf die reale Anlage. Er beinhaltet zeitraubende und teure Experimente, um Ideen im Designprozess zu testen und zu verifizieren. CFD-Simulationen (Computational Fluid Dynamics) können Herstellern hier als robustes Werkzeug dienen, um ein System in realer Größe zu modellieren und dabei alle wichtigen physikalischen Größen zu berücksichtigen. Zudem lässt sich ein Lösungsraum effizient untersuchen und damit der optimal ausgelegte Rührkessel schneller finden. Damit sind die Ingenieure in der Lage, für die realen Prototypentests nur die vielversprechendsten Designs zu liefern. In Rührkesselanwendungen sind die wichtigsten Kenngrößen die Pumpkennzahl (pumping number), die Leistungs- oder Newtonzahl und die Mischzeit. Um das effizienteste CFD-Werkzeug zur Vorhersage dieser Kennzahlen auszuwählen, führten die Ingenieure bei Pierre Guerin eine Reihe von Validationsstudien mit verschiedenen CFD-Programmen durch, darunter Star-CCM+.

Geometrie und Gitter
Mit Software modellierten sie verschiedene Arten von Rührern und Behältern, die das Unternehmen herstellt. Beispielsweise kombinierte das Team in der hier vorgestellten Studie ein Gefäß mit flachem Boden und vier Leitblechen mit einem HTPG-Impeller. Die Geometrie des Rührbehälters und der Stromstörer erstellten sie mithilfe des 3D-CAD-Modellierers der Software. Den Impeller dagegen erzeugten sie mit der Surface-wrapping-Technologie aus einem Neutral-CAD-Format, um ein geschlossenes Volumen zu erzeugen, das zur automatischen Erstellung eines unstrukturierten Polyeder-Volumengitters zum Einsatz kam. Ein wichtiger Vorteil der Polyedergitter-Methode ist, dass die Polyederzellen viele – meist um die zehn – Nachbarzellen haben, was wiederum einen effizienteren Transport von Variablen über Nachbarzellen hinweg ermöglicht. Und diese geringere Zellenzahl bedeutet wiederum kürzere Rechenzeiten. Die global/lokalen Verfeinerungsmöglichkeiten von Polyedergittern in Verbindung mit den Prismenschichten entlang der Wandrandbedingungen ermöglichten es, die Strömung um den Rührer genau zu erfassen, was wiederum ein Schlüsselkriterium für eine exakte Berechnung der Kräfte ist.

Annahmen
und Randbedingungen
Als Prozessfluid für die Simulation nahmen die Ingenieure eine einphasige Flüssigkeit mit konstanter Dichte an. Die Moving Reference Frame (MRF)-Methode setzten sie ein, um eine Rotation zu simulieren. Die Bewegung des Impellers wurde mit Hilfe des „Rotor-Stator“-Ansatzes modelliert. Um die Drehung des Impellerschafts zu simulieren, ordneten sie dem Schaft in der Statordomäne eine relative Rotation in Gegenrichtung zu. Der RANS-Ansatz (Reynolds Averaged Navier-Stokes) wurde gewählt, um die Turbulenz mit Hilfe des ‚realiable k-ε-two-layer-[TE1]‘Modell zu modellieren. Die Modellierung des Mischvorgangs ermöglicht mittels eines sogenannten ‚Passive Scalars‘. Dabei handelt es sich um anwenderdefinierte Variablen mit beliebigem Wert, die Fluidphasen oder einzelnen Partikeln zugeordnet werden. Letztere können sowohl masse- als auch volumenlos sein, damit sie auf die physikalischen Eigenschaften der Simulation keinen Einfluss haben; zudem lassen sich mehrere passive Indikatoren definieren und in die Domäne einbringen. Diese Funktion ist sehr nützlich, um ähnlich einer „numerischen Tinte“ Strömungen sichtbar machen zu können, was wiederum für die Analyse des Mischens zweier oder mehr Flüssigkeiten mit gleichen Eigenschaften nützlich ist. In dieser Studie wurde nach Eintreten eines Gleichgewichtszustands der Strömungssolver angehalten, um die Transportgleichungen der skalaren Indikatoren zu lösen.

Ergebnisse und Bewertung
Eine Konvergenz der Berechnung stellte sich auf einem Vierkern-Computersystem nach etwa 17 min ein. Numerische Ergebnisse der Geschwindigkeitsvektoren sind an jedem Punkt in der gesamten Domäne verfügbar – ein großer Unterschied zum Experiment, wo lediglich möglich ist, an einer begrenzten Anzahl von Stellen zu messen. Die Verteilung der Geschwindigkeitsvektoren und anderer Werte ermöglichen wertvolle Einblicke in die Strömungsformen und den Ablauf des Mischvorgangs im gesamten System. Um die Güte der Ergebnisse zu beurteilen, berechneten die Ingenieure bestimmte Kennzahlen wie die Newtonzahl Np, die Pumpkennzahl NQ und die Mischzeitkennzahl n*t. Diese sind für geometrische Konfigurationen und Betriebszustände charakteristisch und wurden mit Versuchsergebnissen verglichen. In der Tabelle zeigt sich, dass die mit der Software ermittelten Ergebnisse gut mit den experimentell ermittelten Werten übereinstimmen. Die Abweichungen betragen 1,94 und 0,92 % bei Newton- und Pumpkennzahl und 5 % bei der Mischzeitkennzahl.

Mischdauer
Die Mischdauer ist einer der Schlüsselwerte für die Beurteilung der Mischleistung. Sie ist definiert die Zeit, die das System zum Erreichen einer bestimmten, vordefinierten Homogenität benötigt, in diesem Fall 95 % einer idealen Gleichverteilung des injizierten Indikatoren. Das Messen des zeitlichen Verlaufs der Verteilung des Indikators erfolgt entweder visuell oder mithilfe von Sonden, die an bestimmten Stellen angebracht werden. Auch wenn diese Methoden dem Entwickler nur punktuell Auskunft über die Verhältnisse im Rührkessel geben, sind sie als einzig praktikable experimentelle Methode anerkannt. Im Gegensatz zu diesen punktuellen Messungen kann CFD die Strömungs- und Konzentrationsverhältnisse des gesamten Raums erfassen. Dies ermöglicht es, die Qualität der Vermischung in jeder einzelnen Zelle des Rechengebiets zu berücksichtigen und damit ein statistisch weitaus genaueres Resultat für die Messung der Mischdauer zu erhalten. Dafür bietet die Software eine vordefinierte Gleichung, die die Gleichförmigkeit im gesamten Rechengebiet bestimmt. Der Indikator wird als passiver Skalar am Boden des Rührkessels vorgegeben und anschließend durch den Rührvorgang im Rührkessel verteilt.

Fazit
Im Vergleich mit anderen Softwarelösungen liefert Star-CCM+ bei vergleichbarer Zellanzahl und bei gleicher Genauigkeit am schnellsten Ergebnisse. Zudem ermöglichen die einfache Bedienung, das problemlose Setup der Simulation sowie die schnellen Turnaround-Zeiten der Software gemeinsam mit einer breiten Palette von Auswertungsmöglichkeiten Pierre Guerin einen Vorsprung vor den Mitbewerbern im Markt. Dies führte dazu, dass sich das Unternehmen entschloss, in Zukunft auf das Simulationstool zu vertrauen.●
Powtech 2016 Halle 4 – 141

Hier gelangen Sie zum Anbieter.

Auf unserem Portal finden Sie weitere Beiträge zum Thema Simulationstechnik

Heftausgabe: April 2016

Über den Autor

Nicolas Chastan, Entwicklungsleiter, Pierre Guerin
Loader-Icon