Suchergebnisse

ZusammenfassungReWaste4.0 ist ein innovatives und kooperatives K‑Projekt, welches im Zeitraum von 2017–2021 umgesetzt wurde. Mit ReWaste4.0 geschieht ein Wandel der Branche, welche nicht gefährliche gemischte Siedlungs- und Gewerbeabfälle behandelt, hin zu einer Kreislaufwirtschaft, realisiert durch die Erforschung und Anwendung der neuen Ansätze der Industrie 4.0. Die Vision von ReWaste4.0 ist unter anderem die (Weiter‑)Entwicklung von Abfallbehandlungsanlagen für nicht gefährliche Abfälle zu einer "Smart Waste Factory", in der eine digitale Kommunikation und Vernetzung zwischen Materialqualität und Maschinen- sowie Anlagenleistung erreicht wird. Nach vier Jahren Forschung und Entwicklung wurden verschiedene Ergebnisse erzielt. Der vorliegende "Review"-Beitrag fasst die Ergebnisse (insbesondere aus peer-reviewten Papers) von insgesamt sieben Teilprojekten innerhalb des K‑Projekts zusammen. Erkenntnisse werden verknüpft und deren Relevanz und Bedeutung für die weitere Entwicklung des Abfallbehandlungssektors diskutiert. Die Ergebnisse werden in drei Bereiche eingeteilt: Schadstoffe in gemischten Abfällen und technische Möglichkeiten zu ihrer Reduktion und Entfernung; Sekundärrohstoffe und Energieträger in gemischten Abfällen und Digitalisierung der Abfallcharakterisierung und der Behandlungsprozesse für gemischte Abfälle. Die in ReWaste4.0 durchgeführte Forschung wird in ReWaste F fortgesetzt, um die Entwicklung hin zu einer partikel-, sensor- und datenbasierten Kreislaufwirtschaft im Zeitraum 2021 bis 2025 weiter voranzutreiben.

ZusammenfassungDie Abfallwirtschaft wandelt sich zu einer produzierenden Industrie in der Kreislaufwirtschaft. Trotz Fortschritten und Optimierungen bei der automatischen sensor-basierten Sortierung bleibt die Handsortierung von Abfällen relevant. Das Projekt recAIcle hat es sich zum Ziel gesetzt, die Digitalisierung der Handsortierung in der Abfallwirtschaft mithilfe von künstlicher Intelligenz (KI), Machine Learning (ML) und Human-Machine Interaction (HMI) voranzutreiben. KI und ML haben mehrfach gezeigt, wie sie ganze Industrien und Branchen revolutionieren können. Das Projekt RecAIcle fokussiert sich auf die Kunststoff- und Batterieerkennung und -sortierung. Die Produktivität und Qualität der Handsortierung sollen dadurch gesteigert werden. Hierfür wird ein digitales Assistenzsystem, das die Sortiermitarbeiter:innen bei der Sortierentscheidung unterstützt, entwickelt. Aufgrund der speziellen Anforderungen an ein solches System wurde das Framework Design entsprechend angepasst. Für die Entwicklung dieses Systems werden fortschrittliche, lebenslang lernende ML-Modelle benötigt, welche wiederum große Mengen an hochqualitativen Trainingsdaten und Rechenleistung benötigen. Um genügend use-case-spezifische Trainingsdaten bereitstellen zu können, wurden Versuche unter kontrollierten Bedingungen im Technikumsmaßstab zur Trainingsdatenakquise durchgeführt. Die Ergebnisse des Systemdesignprozesses und der ersten Trainingsdatenakquise werden in dieser Veröffentlichung präsentiert. Ebenso wird ein Ausblick auf künftige Entwicklungen und weitere geplante Versuche gegeben.

ZusammenfassungMit dem Digital Waste Research Lab konnte eine neue Forschungsinfrastruktur in Betrieb genommen werden. Die innovative Versuchsanlage für großtechnische experimentelle Forschung im Bereich digitaler Abfallanalytik und -behandlung ist modular aufgebaut und besteht grundsätzlich aus förder- und verfahrenstechnischen Aggregaten, verschiedenen Sensoren, einer Sortiereinheit und einer digitalen Datenmanagementplattform. Die Anlage ist mit folgenden Sensoren zur Partikel- und Stoffstromcharakterisierung ausgestattet: Eine Nahinfrarot-Kamera ermöglicht die Erfassung von Materialarten und eine RGB-Zeilenkamera dient zur farblichen Charakterisierung von Objekten. Mit der Technologie der 3D-Lasertriangulation werden Volumeninformationen detektiert und zur Erkennung von metallischen Objekten ist eine Induktionsleiste installiert. (Semi-)mobile Förder- und Maschinentechnik ermöglichen neben der internen Kreislaufführung auch eine Linienschaltung der Anlage, um diverse Aufbereitungsaggregate im Verfahrensprozess der Sortieranlage vor- bzw. nachzuschalten. In der Anlage wurden bereits erste Untersuchungen durchgeführt, um diese für die Online-Ontime-Qualitätssicherung zu kalibrieren. Zusätzlich wurde das mobile Modul Nahinfrarot-Sensor in einer realen mechanischen Abfallaufbereitungsanlage installiert, um Materialdaten an unterschiedlichen Positionen in der Anlage während des üblichen Betriebs zu messen. Dabei wurden umfangreiche Daten gewonnen, mit denen der digitale Grundstein gelegt wurde, das Prozessverhalten in der Anlage zu beschreiben. Dies ist unter anderem auch Ziel der Forschungsvision "Smart Waste Factory" für nicht gefährliche gemischte Abfälle, in der unter anderem die gleichzeitige Überwachung der Materialqualität und der Maschinenperformance sowie daraus resultierende dynamische Maschinensteuerung und optimale Abfallbehandlung einen wichtigen Stellenwert haben.