Für eine bessere Benutzererfahrung verwendet diese Website Cookies. Mehr dazu finden Sie in unseren Datenschutzbestimmungen.

Ersatzbrennstoffe: Was Ihnen die Stichprobe niemals verraten kann...
Applikationsentwicklung

Ersatzbrennstoffe: Was Ihnen die Stichprobe niemals verraten kann...

April 2018 von EVK Service • ca. 5 Minuten

Das 2017 vorgestellte SQALAR-Tool von EVK ermöglicht das quantitative Messen chemischer Parameter an Produktstömen ortsaufgelöst und in Echtzeit, woraus sich neue und ungeahnte Möglichkeiten in der Prozess-Steuerung und –Optimierung ergeben. Wir stellen hier ein konkretes Anwendungsbeispiel vor.

Einleitung

Die Qualitätsverbesserung der Materialströme von Ersatzbrennstoffen (RDF) und der damit einhergehende energieeffiziente Einsatz in industriellen Anwendungen sowie eine gesteigerte Umweltverträglichkeit und die damit verbundene Einhaltung verschiedenster Umweltrichtlinien in Bezug auf Ersatzbrennstoffe sind ein Ziel von Industriebetrieben, die den Anforderungen der EU-Richtlinie (2010/75/EU) zur Verbrennung und Mitverbrennung von Abfällen entsprechen.

Hyperspectral Imaging (HSI) bietet eine Lösung, um die Qualität von Schüttgut unterschiedlichster Zusammenstellung zu analysieren und relevante Parameter wie den Brennwert und/oder den Heizwert zu erheben, um so den Prozess optimieren zu können. Dazu braucht es neben der Aufnahme mit HSI-Kameras vor allem die passende Klassifizierungs- und Sortiertechnologie.

Die EVK hat durch ihre langjährige Expertise in embedded vision systems die Fähigkeit, neben der Bereitstellung einer industriell erprobten Gesamtlösung für die Prozesssteuerung und -Optimierung mit hauseigener Klassifizierungssoftware sowie -Engine, Kamera und Sortier-Engine auch die notwendige Software und das Knowhow zur qualitativen und quantitativen Analyse von Schüttgut anzubieten.

Die 2017 vorgestellte SQALAR Software erlaubt quantitative Messungen mit dem HELIOS Classification System, sowie das Heranziehen dieser Messungen für Entscheidungen in Echtzeit. Daraus ergibt sich nachhaltiges Prozessoptimierungs-Potential und damit eine Verbesserung des Return on Investment.

Geräte und Verfahren

Die optische Anordnung zur Bestimmung der Qualitätsparameter des Ersatzbrennstoffes beruht auf einer HELIOS NIR G2 Class Nahinfrarot-Hyperspektralkamera von EVK. Die Datenanalyse und Erstellung der Modellierung für die Kamera wird mit der SQALAR-Software von EVK durchgeführt.

Die Referenzmesswerte für den Feuchtigkeitsgehalt werden über Einwaage einer Referenzmenge und anschließende Trocknung ermittelt, die Werte für den Heizwert über Kalorimetrie.

Ergebnisse

Die Auswertung der Feuchte-Messung ist in Abbildung 1 dargestellt. Links in im Bild in Abbildung 1 werden die Eingangsbilder der Kamera in Form einer örtlichen Darstellung zur Selektion von Referenzpunkten und –Flächen gezeigt, in der Mitte sind die relevanten Daten zur Messmodell-Erstellung dargestellt (Referenzspektren-Sätze, Referenzmesswerte, Korrelations-Linie, sowie statistische Qualitätsparameter des Modells). Der rechte Bereich zeigt die Mess-Ergebnisse des auf die Eingangsdaten angewandten Modells in einer Falschfarben-Darstellung, welche die Messwerte am Materialstrom wiedergibt.

Das konkret in Abbildung 1 gezeigte Modell erreicht eine Präzision (RMSEC) von 1,52% relativer Feuchte, bei einem Bestimmtheitsmaß von 0,927. Die Modellqualität ist damit hinreichend für eine Steuerung eines Produktstroms.

Ergebnisse

Abbildung 1: Quantitative Feuchtigkeitsmessung am Schüttgut: Links HSI-Eingangsbilder in spektral gemittelter, normierter Intensität. Mitte: Oben Referenzspektren-Sätze, sowie Feature-Kurve für die Feuchtigkeitsmessung(Rot), Messwerttabelle, Kalibrations-Linie mit Datenpunkten, sowie statistische Qualitätsparameter der Messung. Rechts: Die Ausgangs-Bilddaten wie sie auch von der parametrierten Kamera als Stream ausgegeben werden mit in falschfarben skalierten Feuchtigkeits-Messwerten. Das Feuchte-Modell erreicht eine Präzision (RMSEC) von 1,52% RH bei einem Bestimmtheitsmaß (R2) von 0.927.

Die Ergebnisse der Heizwert-Messung sind in Abbildung 2 dargestellt. Die Aufteilung der Elemente in der Abbildung ist völlig analog zu Abbildung 1, mit den Eingangs-Bilddaten links, den Modellerstellungsdaten in der Mitte und den Messergebnissen in Falschfarbendarstellung rechts im Bild. Hier ist ebenfalls eine gute Korrelation mit einer recht hohen Streuung feststellbar (Bestimmtheitsmaß 0.903, RMSEC 1,68 kJ/g also ca. 3,7% des Maximalwerts).

Die hohe Streuung der Modell-Messergebnisse kann in erster Linie auf die hohe Inhomogenität des Produktstroms zurückgeführt werden. Man sieht in beiden Messungen (Abbildung 1 und Abbildung 2) eine massive Messwert-Streuung innerhalb der Stichprobe (0,5% - 20% R.H. bzw. 22,7 – 44,5 kJ/g) über die Bildfläche, die Streuung innerhalb einer einzelnen Referenzprobe ist also betragsmäßig in der Größenordnung des gesamten gemittelten Messbereichs der Referenzmessungen. Dasselbe trifft natürlich auch auf Labor-Messwerte zu, die immer nur einen Ausschnitt gemittelt vermessen können, ohne eine Information über die Streuung innerhalb der Stichprobe geben zu können.

 

Abbildung 2: Quantitative Heizwert-Messung am Schüttgut: Links HSI-Eingangsbilder. Mitte: Oben Referenzspektren-Sätze, sowie Feature-Kurve für die Heizwert-Messung (Grün), Messwerttabelle, Kalibrations-Linie mit Datenpunkten, sowie statistische Qualitätsparameter der Messung. Rechts: Die Ausgangs-Bilddaten wie sie auch von der parametrierten Kamera als Stream ausgegeben werden mit in falschfarben skalierten Heizwert-Messwerten. Das Heizwert-Modell erreicht eine Präzision (RMSEC) von 1,681 kJ/g bei einer Korrelation (R2) von 0.903.

Diskussion

Die Unsicherheit der Referenzmesswerte ist daher ein grundsätzliches Problem, welches einen limitierenden Faktor der Datenqualität darstellt. Das gilt für die Anwendung als Referenzmessung genauso wie für die Anwendung als Qualitäts-Monitoring. Ist die Stichprobe nicht repräsentativ (und das kann a priori nicht festgestellt werden, da in einer Stichprobe keine orts- und zeitaufgelösten Daten erhalten werden können) dann ist der erhaltene Messwert, ganz unabhängig davon wie genau er ist, für den Produktstrom ebenso wenig repräsentativ. Durch diese Methode werden die massiven Limitierungen solcher laborseitigen Stichprobenanalysen erst deutlich sichtbar.

Zusammenfassung und Ausblick

Die statistische Mächtigkeit einer Echtzeit-Messung relevanter Prozess-Parameter über den gesamten Produktstrom ist Stichprobenanalysen im Labor weit überlegen, da auch eine hochgenaue Laboranalyse wenig Aussagekraft hat, wenn die Stichprobe nicht repräsentativ ist. Je inhomogener ein Materialstrom ist, desto deutlicher wird dieser Effekt und desto größer werden die Vorzüge einer Echtzeit-Messung über den gesamten Produktstrom. Die Zeit- und Ortsauflösung des Verfahrens und die Echtzeitfähigkeit erlauben darüber hinaus selektive Optimierungen des Stroms, und direkte steuertechnische Eingriffe in Echtzeit wohingegen eine Stichprobenanalyse letztlich nur im Nachhinein Informationen über die Qualität des gemittelten Produktes liefern kann.

Vorreiter in dieser Technologie haben erkannt, dass es funktionierende abgeschlossene Lösungen, die damit verbundene Erfahrung und das Wissen in Bezug auf die unterschiedlichsten Anwendungen sind, nach denen der Markt jetzt verlangt. Es geht darum, einen fundierten Wissensstand in Bezug auf ungelöste und komplexe Applikationen aus den unterschiedlichsten Branchen aufzubauen der mit funktionierenden technischen Lösungen untermauert werden muss.

Autor

EVK Service
EVK Service


+43 316 461664 10

Artikel teilen

Wie können wir Ihnen helfen?

EVK Service
EVK Service


+43 316 461664 10

Kontakt