SPEAR ist ein europaweites Forschungsprojekt mit ITEA-Kennzeichnung. Das Konsoortium umfasst 26 Partner aus sechs europäischen Ländern. SPEAR zielt darauf ab, wegweisende Forschungsergebnisse und -prototypen zur Energieoptimierung in industriellen Produktionsprozessen zu erzielen. 

Der Kern von SPEAR ist eine extrem flexible und hoch generische Optimierungsplattform. Die Optimierungsplattform beinhaltet dabei eine umfangreiche Sammlung von Optimierungsalgirithmen. Jeder Algorithmus ermöglicht dabei eine effektive und profitable Energieooptimierung von hochkomplexen produktionsprozessen. Das SPEAR-Projekt wird sich dabei nicht auf einen isolierten Industriezweig konzentrieren, sondern strebt die Unterstützung eines weiten Spektums von Anwendungsdomänen an, bspw.

Produktionsprozesse in Fabriken, Produktionslinien, Gebäuden oder Hybridantrieben. Außerdem wird eine Energieoptimierung sowohl von existierenden als auch neuen Produktionsstätten durch Virtualisierung auch während der laufenden Produktion unterstützt. 

SPEAR überflügelt dabei bisherige Ansätze mittels eines einzigartigen Ansatzes. Statt der Abstraktion oder Abschätzung von Modellen für eine simulationsbasierte Optimierung wird die angestrebte Lösung an den real existrierenden Geräten angekoppelt, um deren Energieverbrauch exakt zu ermitteln. Mihilfe dieser Verbrauchswerte wird eine Simulation der virtualisierten Geräte eine hochpräzise Verbrauchsprognose eines industriellen Produktionsprozesses erzeugen. Die Präzision der Prognose erlaubt es eine Optimierung des Prozesses zu finden.

Ziele

• Entwicklung einer erweiterbaren Plattform zur Energie- und Effizienzoptimierung in Produktionssystemen:
• Verwendung als Cloud-basierte oder lokale Lösung
• Anpassen des Energieverbrauch von Produktionssystem an die aktuelle Versorgung
• Aufrüsten klassischer Produktionssysteme als cyberphysikalische Systeme (CPS) um Messungen zu verarbeite
• Simulation des Energieverbrauchs in Echtzeit auf preiswerter Hardware
• Vorhersagen des Energieverbrauchs von Produktionskompoenten über Zeit
• Kontinuierliche Aktualisierung des Simulationsmodells mit virtualisierten, physikalischen Messungen
• Erstellen einer erweiterbaren Bibliothek von Optimierungsmethoden
• Unabhängigkeit von der Optimierungsplattform