Optimierung der Schrottbewertung

Mit Machine Learning metallische Reststoffe klassifizieren

Das Recycling der in Europa vorhandenen Schrotte als Sekundärrohstoffe ist die sicherste, ökologischste und ökonomischste Form der Rohstoffversorgung. Obwohl Metalle im Prinzip unendlich oft recycelt werden können, ist ein Wiedereinschmelzen ohne Qualitätsverlust und die Erhöhung der Sekundärrohstoffanteile nur möglich, wenn die Zusammensetzung vor dem Wiedereinschmelzen erfasst wird und Störstoffe aus dem Recyclingkreislauf entfernt werden. „Aktuell geschieht die Bewertung von Schrotten durch Proben, die als repräsentativ angesehen werden. Eingangsströme des Recyclingprozesses könnten optimal gesteuert werden, wenn man die Elementzusammensetzung von Schrotten zerstörungsfrei in Echtzeit erfassen könnte. Derzeit ist allerdings weder für die Kupfer- noch für die Aluminiumproduktion eine messtechnische Lösung vorhanden“, sagt Professor Markus Lange-Hegermann vom Fachbereich Elektrotechnik und Technische Informatik der Technischen Hochschule Ostwestfalen-Lippe (TH OWL).

Genau an diesem Ausgangspunkt setzt das am 01. Januar 2021 gestartete Verbundprojekt, welches mit den Projektpartnern AiNT GmbH und Wieland Werke AG bearbeitet wird, „MetalClass – KI-basierte Echtzeit-Klassifikation metallischer Sekundärrohstoffe mittels PGNAA“ an. Das Projekt wird vom Bundesministerium für Bildung und Forschung im Rahmen der Fördermaßnahme „KMU-innovativ: Informations- und Kommunikationstechnologie (IKT)“ gefördert und läuft über drei Jahre.

„Mit dem Projekt verfolgen wir das Ziel, ein Messverfahren für die die zerstörungsfreie Echtzeit-Klassifizierung von Kupfer- oder Aluminiumschrotten auf Grundlage der PGNAA zu entwickeln. Kernstück der Innovation ist die Entwicklung neuartiger KI-Auswertealgorithmen, welche die Messdaten nicht reduziert auf einzelne Peaks betrachten, sondern die Gesamtheit der Zähldaten nutzen. Außerdem sollen mit einer vereinfachten, datengetriebenen und passgenauen Auswertung und eines kostenreduzierten Detektionssystems deutlich kürzere Messzeiten realisiert werden“, beschreibt Helmand Shayan, Projektmitarbeiter der TH OWL. Zu diesem Thema läuft aktuell am Fachbereich auch bereits eine Masterarbeit und eine studentische Hilfskraft soll in Kürze eingestellt werden.

Text: Jana Suton