Im Forschungs- und Entwicklungsprojekt PROBE soll eine Methode zur Metallgehaltsbestimmung feinkörniger Abfallströme mit Hilfe eines bildauswertenden Verfahrens entwickelt werden. Auf der Basis von RGB-Farbbildern sind Partikel anhand von Farbwerten und Formfaktoren in verschiedene Materialklassen zu klassifizieren und mittels in einer Datenbank hinterlegten Flächengewichten zu massenbezogenen, stofflichen Zusammensetzungen zu aggregieren. Für die Klassifizierung werden zwei verschiedene Machine Learning Ansätze getestet. Das Training der Machine Learning Modelle erfordert gelabelte Trainingsdaten, d.h. einen Datensatz aus Farbbildern der Partikel mit zugehöriger Materialklasse. Dazu werden Referenzmaterialien in mehrere Materialklassen sortiert und partikelweise erfasst (RGB-Farbbild inkl. Partikelgewicht). Erste Untersuchungen zeigen einen starken subjektiven Einfluss des Sortierenden auf das Ergebnis der Handsortierung. Durch ein mehrstufiges Sortierverfahren mit eingebauter Qualitätskontrolle sowie angepasstem Sortierkatalog kann der subjektive Einfluss bei Handsortierungen reduziert und die Erstellung von Trainingsdatensätzen in hoher Qualität ermöglicht werden.
Der Ursprungsabfallstrom sowie die Prozesskettengestaltung des Aufbereitungsprozesses bestimmen die Zusammensetzung dieser Sekundärabfälle. Insbesondere Feinfraktionen aus der Aufbereitung stark metallhaltiger Abfällen, wie bspw. Shredder- oder Elektronikschrott, können Metallgehalte von bis zu 30 Ma.-% aufweisen (Johnen 2018). In Deutschland werden diese Abfälle nur in wenigen spezialisier-ten Anlagen aufbereitet, die mit der Behandlung ein wirtschaftliches Risiko eingehen, da Zusammensetzung oder Wertstoffgehalte dieser Feinfraktionen in der Regel unbekannt sind und starken Schwankungen unterliegen. Die Feststellung stofflicher Zusammensetzungen mittels Handsortierungen nach Stand der Technik wird insbesondere durch die Heterogenität und geringen Partikelgrößen dieser Feinfraktionen erschwert. Aufgrund des hohen Zeit- und Kostenaufwands finden Analysen – wenn überhaupt – nur unregelmäßig statt und weisen aufgrund der geringen Probenmenge in Kombination mit den hohen Schwankungsbreiten der Zusammensetzungen nur eine geringe Aussagekraft auf. Eine spezifisch angepasste Prozessführung so-wie Prozessbewertung ist daher nur stark eingeschränkt möglich. Aktuell erfolgt die Aufbereitung der Feinfraktionen nach einer oberflächlichen Sichtung, Erfahrungs-werten und der händischen Analyse von Einzelproben. Ein schnelles und zuverlässiges Verfahren zur Analyse des angelieferten Metallgemisches sowie der erzeugten Produktfraktionen fehlt bislang.
Copyright: | © Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben | |
Quelle: | Recy & Depotech 2020 (November 2020) | |
Seiten: | 6 | |
Preis inkl. MwSt.: | € 3,00 | |
Autor: | Kay Johnen M. Sc. Nils Kroell Dr. Alexander Feil | |
Artikel weiterleiten | In den Warenkorb legen | Artikel kommentieren |
Residual municipal waste composition analysis – New methods for Czech waste management
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (11/2020)
Relevant information about MW composition and proper forecasting of MW composition is crucial for relevant technical and economical modelling and business planning in the field of waste management. These include techno-economical models of MW treatment units, e.g. sorting line, transfer station, energy recovery, waste collection and transport or a regional waste collection and treatment system modelling (Kropáč et al. 2018) and complex business models concerning specific investments in waste management. In this context, there is a project under the Ministry of Environment of the Czech Republic.
Ergebnisse am Pilotversuch Wertstoffscanner – Abfallvermeidungspotential
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (11/2020)
Der Wertstoffscanner wurde 2018 das erste Mal vorgestellt. Seitdem werden unterschiedliche Experimente und Pilotversuche durchgeführt. In jeder Region ist die Ausgangslage und die Art der Kommunikationsunterstützung unterschiedlich, deshalb ist auch die Auswirkung des Wertstoffscanners auf die Trennqualität nicht einheitlich. Die Resultate bisher zeigen aber, dass man mit solch einem System das Trennverhalten von Bürgern in den meisten Fällen deutlich verbessern kann. Bisherige Pilotversuche haben die Klassifikation von Restmüll und Biomüll als Hauptfraktion beinhaltet. Um die EU-Vorgaben hinsichtlich der Recyclingquoten zu erreichen, ist der Einsatz innovativer Systeme unumgänglich.
DeSort - Störstoffmanagement in biogenen Abfällen
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (11/2020)
Kompost aus biogenen Abfällen ist ein wichtiger Nährstofflieferant für Böden in Europa. Aufgrund von Fehlwürfen in die Bioabfallsammlung wird jedoch das Ausgangsmaterial für qualitativ hochwertigen Kompost mehr oder weniger stör-stoffbehaftet. Ein großes Problem entsteht durch die Verwendung von nicht-abbaubaren aber auch biologisch abbaubaren Kunststoffsäcken, die zur Entsorgung von in Haushalten anfallenden biogenen Abfällen verwendet werden. Zusätzlich ge-langen unterschiedlichste Kunststoffteile, meist in Form von Verpackungsmateria-lien, durch den Verbraucher in die Bioabfallsammlung, Metalle und Glas rangieren weit dahinter. Im Projekt „DeSort“ werden Grundlagen für die automatische Erkennung (Detection) und die sensorgestützte Sortierung (Sorting) von Störstoffen in biogenen Abfällen erforscht. Technisch wird eine Kunststoffdetektion am Sammelfahr-zeug installiert und eine verbesserte Technologie zur Kompostreinigung entworfen. Organisatorisch werden entsprechende Maßnahmen zur Reduzierung der Kunststofffehlwürfe mit strukturellen, materiellen, ideellen und finanziellen Anreizen kombiniert.
Charakterisierung von Partikeln gemischten Gewerbeabfalls über Partikeldeskriptoren zur sensorischen Messung der Korngröße
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (11/2020)
Die Echtzeitsteuerung von Korngrößenverteilungen von grob zerkleinerten festen gemischten Abfällen bietet großes Potenzial zur Optimierung von Outputströmen mechanischer Abfallaufbereitungsanlagen. Hierbei ist neben geeigneter Aktorik – welche es beispielsweise ermöglicht den Schnittspalt eines Zerkleinerungsaggregates zu verstellen – auch eine Echtzeitmesstechnik für die Korngrößenverteilung notwendig. Der vorliegende Beitrag zeigt Möglichkeiten, vereinzelte Partikel basierend auf Partikeldeskriptoren, welche aus einem zweidimensionalen Bild berechnet wurden, über Regressionsmodelle in ihre tatsächliche Kornklasse einzustufen und deren Ergebnisse.
Optimierte Vorzerkleinerung gemischter Gewerbeabfälle auf Basis empirischer Modelle
© Lehrstuhl für Abfallverwertungstechnik und Abfallwirtschaft der Montanuniversität Leoben (11/2020)
In der mechanischen Aufbereitung gemischter Gewerbeabfälle stellen Vorzerkleinerer für gewöhnlich den ersten Verfahrensschritt dar und sorgen nicht nur für den nötigen Aufschluss, sondern wirken auch als primäres Dosierag-gregat. Entsprechend groß ist ihr Einfluss auf das Verhalten des Gesamtprozesses. Aufgrund der hohen Variabilität der Gewerbeabfälle erscheint die Gewinnung theo-retischer Modelle nicht sinnvoll, um solche Vorzerkleinerer zu optimieren, da die nö-tigen Informationen über das Material für solche Modelle in der Praxis nicht wirt-schaftlich gewonnen werden können. Zugleich erfordert die Ermittlung signifikanter empirischer Modelle den Aufwand von viel Arbeit und Geld und wurde daher bisher für die Vorzerkleinerung gemischter Gewerbeabfälle noch nicht gemacht. Diese Arbeit gibt einen Überblick sowohl über die Forschungstätigkeiten bezüglich der Datenqualität aufgrund der Probenahme bei Zerkleinerungsversuchen mit Gewerbeabfällen, als auch über Arbeiten zur Beeinflussung und potentiellen Optimierung der Zerkleinerung hinsichtlich Durchsatzverhalten, Energieverbrauch und Materialqualität mittels einstellbarer Parameter. Abschließend werden erste Überlegungen und Forschungen zur dynamischen Prozessführung der Vorzerkleinerung vorgestellt.