Die Menge an erzeugten Kunststoffabfällen beträgt in Europa jährlich etwa 25 Mio. Tonnen. Jede/r Deutsche produziert pro Jahr durchschnittlich 37 kg Plastikmüll [1] nur aus Verpackungsmüll. Diese Kunststoffe enden oftmals als Mikroplastik in der Luft, im Boden und im Meer und damit in unseren Lebensmitteln. Um diesem negativen Einfluss auf unsere Umwelt und unsere Gesundheit entgegenzuwirken, verfolgt die EU das Ziel einer kreislauforientierten Wirtschaft [2], um Ressourcen so lange wie möglich zu erhalten.
Die zukünftigen Energieziele der europäischen Union sind definiert
Ein Schritt dazu besteht darin, Einwegkunststoffe auf ein Minimum zu beschränken, weil alle Kunststoffverpackungen auf dem EU-Markt bis 2030 recyclingfähig sein sollen [4].
Die künftigen Energieziele der EU sind mit zumindest 27% Anteil aus erneuerbaren Energien und zumindest 27% Steigerung in der Energieeffizienz bis 2030 festgemacht [3]. Für diese Ziele müssen aber die Nachfrage nach Sekundärkunststoffen und der Einsatz von hochwertigen Rezyklaten gesteigert werden.
Am globalen Recyclingmarkt ist Chinas National Sword Politik ebenfalls nicht zu unterschätzen, welche mit immer strikteren Gesetzen zur Einfuhr von Abfällen nach China aufwartet und zusätzlich Druck auf die Recyclingindustrie ausübt.
Die Wiederaufbereitung sowie die Sekundärnutzung von Abfällen als Brennstoff oder als Verpackung ist somit eines der komplexesten und dabei wichtigsten Themen unserer Zeit.
Wenn es zum Beispiel um die lange Lebensdauer qualitativ hochwertiger Endprodukte aus Plastik geht, sind die Sortenreinheit in Bezug auf ihre chemische Zusammensetzung sowie die Sortierung verschiedener Kunststoffe (PET, HDPE, LDPE, PP, PVC, PS, POM, PA usw.) nach Farben relevante Faktoren.
Dies gestaltet sich oftmals schwierig, da sich die unterschiedlichen Polymere in ihrer Farbe, Dichte und den elektrischen Eigenschaften unzureichend unterscheiden, um sie nur mittels Farbkamera, Dichtesortierung oder elektrostatischer Sortierung zu trennen.
Hyperspektrale Kamerasysteme (HSI) im Wellenlängenbereich von 900-1700 nm bieten hierzu einen idealen Ersatz oder eine Ergänzung zu Farbkameras, weil ihr Wellenlängenbereich jenseits jenes des sichtbaren Lichts im Infrarotbereich liegt und sie es so ermöglichen, die chemische Zusammensetzung von verschiedenen Polymeren zu erkennen, ohne von der sichtbaren Farbe beeinflusst zu werden.
Aufgrund des enormen Potenziales, dass diese Technologie birgt, bietet EVK seit vielen Jahren Know-How im Bereich der Kunststoffsortierung und Qualitätssicherung an und liefert Komplettlösungen von der Datenerfassung bis zur Entscheidungsfindung.
EVK Hyperspektral Imaging Systeme funktionieren dabei nach dem so genannten Push-Broom-Prinzip. Dies bedeutet, dass Aufnahmen zeilenweise erfolgen und ein Bild im herkömmlichen Sinn erst durch die Kopplung der Bewegungsgeschwindigkeit des Objekts mit der Zeilenerfassung des Sensors entsteht. Auf diese Weise entstehen hyperspektrale Aufnahmen, welche – zusätzlich zu einer Ortsauflösung von 320 Pixeln – eine spektrale Auflösung von 258 Wellenlängen aufweisen. Trotz dieser hohen spektralen Auflösung und der damit verbundenen großen Datenmenge ist es durch die Verwendung einer Zeilenkamera mit integrierter Echtzeit-Auswertung möglich, eine Full-Frame-Rate von bis zu 500 Hz – bzw. bei einer Reduzierung des Spektralbereichs sogar Frequenzen über 1 kHz – zu erreichen. Die Kombination der hohen Frameraten mit dem verwendeten Wellenlängenbereich machen es möglich, sogar kleinste Objekte wie etwa Kunststoffflakes zu erkennen und in Abhängigkeit ihres Materials zu klassifizieren.
Für die Identifikation stehen dabei unterschiedliche Algorithmen zur Verfügung, welche es unter anderem ermöglichen; klassifizierte Materialien in einem RGB-Falschfarbenbild, wie es in Abbildung 1 zu sehen ist, darzustellen. Eine solche Darstellung, wie sie in Abbildung 1 rechts zu sehen ist, würde auch im klassifizierten Stream der Kamera wiedergegeben werden und ermöglicht es einzelne Störstoffe leicht zu erkennen.
Quantitative measurement of the net calorific value (NCV) of the bulk material
Ein weiteres Beispiel aus der Wirtschaft zeigt die Problematik bei der Weiterverwendung von Ersatzbrennstoffen.
Von 8,3 Mrd. Tonnen aus der jährlichen Plastikherstellung 2015 wurden nur 600 Mio. Tonnen tatsächlich recycelt, 800 Mio. Tonnen wurden verbrannt (Ref. [1]). Die Weiterverwendung von Kunststoffabfällen zu Ersatzbrennstoffen ist daher aus umweltpolitischer und wirtschaftspolitischer Sicht ein Beitrag zu einer nachhaltigen Recyclingpolitik. Durch die Analyse der zu verbrennenden Materialien kann im Vorfeld bestimmt werden, wie viel Material dem Verbrennungsprozess zugeführt werden muss, um einen stabilen Prozess zu erreichen.
Der damit verbundene verantwortungsvolle Umgang mit werthaltigen Brennstoffen schont die Umwelt und hilft zusätzlich, die Wirtschaftlichkeit von Verbrennungsanlagen zu erhöhen.
Konkret heißt das, dass durch die Verwendung einer quantitativen hyperspektralen Analyse direkt in der Linie die Wirtschaftlichkeit dieser direkt verbessert werden kann.
Hierzu hat EVK mit dem quantitativen Analysetool SQALAR eine Lösung entwickelt, die mit Hilfe multivariater Datenanalyse zur quantitativen Überwachung von Materialströmen in Echtzeit eingesetzt werden kann. Durch das so genannte “Quantitative Chemical Imaging” (QCI) werden relevante Messgrößen direkt in der Linie erfasst, um bei Bedarf rasch in den laufenden Prozess einzugreifen und diesen gegebenenfalls zu verändern. Man nutzt dabei das Reflexionsspektrum des Materials, welches sich proportional zum Vorkommen von funktionalen Gruppen im Material ändert.
Der große Vorteil dabei ist, dass man in Echtzeit über den gesamten Stoffstrom einen repräsentativen Messwert von wichtigen Prozessgrößen wie etwa jenen der Feuchtigkeit, des Heizwertes oder auch des Brennwerts ermitteln kann.
Eine solche Analyse des Gesamtstromes ermöglicht eine exaktere Prozesskontrolle und auch die Bewertung unterschiedlicher Lieferanten und deren angelieferten Materialqualitäten.
Um eine solche quantitative Analyse mittels HSI zu realisieren, werden anfänglich mehrere Aufnahmen des Produktstroms benötigt. Anschließend werden gezielt Proben aus diesem Material entnommen und mittels referenzanalytischer Methoden untersucht. Die daraus resultierenden Referenzwerte werden dann mit Hilfe von multivariater Datenanalyse zu den passenden Spektren korreliert.
Es entsteht ein Modell, welches genutzt werden kann, um Messwerte anhand von spektralen Daten vorherzusagen.
So können HSI-Kamerasysteme mit dem richtigen Know- How dazu verwendet werden, die Klinkerherstellung in Zementwerken zu überwachen. Hierbei werden zur Befeuerung von Brennöfen Ersatzbrennstoffe verwendet. Fällt der Heizwert dieser Ersatzbrennstoffe zu gering aus, kommt es zu einem kritischen Absinken der Temperatur und somit zu einer Qualitätsminderung des Klinkers.
Bislang werden Proben dieser Sekundärbrennstoffe nur stichprobenartig laboranalytisch untersucht, was jedoch aufgrund des heterogenen Materialstroms sowie zu kleiner Probenmengen zu nicht aussagekräftigen Ergebnissen führt. Weiters können solche Labormessungen nicht in Echtzeit erfolgen und sind stark von lokalen Fluktuationen abhängig.
Mithilfe von QCI ist es möglich, die für die Zementherstellung relevanten Prozessgrößen wie etwa die Feuchtigkeit, den Heizwert und den Brennwert quantitativ zu erfassen. Da der gesamte Produktstrom in Echtzeit überwacht wird, unterliegt die Messung keiner Fluktuation aufgrund von unzureichendem Sampling und ist ein Nachregeln ohne Verzögerung möglich.
Für eine solche auf HSI basierende quantitative Analyse werden anfänglich mehrere Proben aus dem Produktstrom aufgenommen und referenzanalytisch untersucht.
Anschließend werden die spektralen Bilddaten mit Hilfe von SQALAR ausgewertet. Das Ergebnis einer solchen quantitativen Heizwertmessung ist in Abbildung 2 zu sehen. Die abgebildete Korrelationsfunktion der Referenzwerte mit den spektralen Daten sowie die daraus resultierende Feature-Kurve werden genutzt, um den Heizwert zu bestimmen. Im endklassifizierten Kamera-Stream werden die Ausgangs-Bilddaten anhand der Messgrößen skaliert und in Falschfarben dargestellt, wodurch eine Quantifizierung der Prozessgrößen ermöglich wird.
Somit stellt die Hyperspectral Imaging-Technologie mithilfe von konkretem Applikations-Know-How der richtigen Datenverarbeitung und klugem Informationsmanagement eine Mess,- Überwachungs- und Sortiermöglichkeit dar, die den Return on Investment in einer Anlage nachhaltig verbessern kann.
Quellen:
[1] Schüler, K.,
Aufkommen und Verwertung von Verpackungsabfällen in Deutschland
im Jahr 2015, Umweltbundesamt, Dessau-Roßlau 2017, https://www.umweltbundesamt.de/sites/default/files/medien/1410/publikationen/2017-11-29_texte_106-2017_verpackungsabfaelle-2015.pdf
[3] European Commission, 2030 Climate & Energy Framework, Brussels 2014, http://europa.eu/rapid/press-release_IP-14-54_en.htm
[2] Europäische Kommission, Den Kreislauf schließen – Ein Aktionsplan der EU für die
Kreislaufwirtschaft, Brüssel 2015,
https://eur-lex.europa.eu/legal-content/DE/TXT/HTML/?uri=CELEX:52015DC0614&from=EN
[4] Europäische Kommission, Kunststoffabfälle: eine europäische Strategie zum Schutz
unseres Planeten und unserer Bürger und zur Stärkung unserer Industrie,
Straßburg 2018, https://www.ara.at/fileadmin/user_upload/Downloads/EU_Kreislaufwirtschaftspaket/EU_Kunststoffstrategie.pdf