Zusammenfassung
Im Zuge eines EU-Projektes arbeitet CEMTEC Cement and Mining Technology GmbH gemeinsam mit dem LCM Linz Center of Mechatronics GmbH an neuwertigen und innovativen Regelungsansätzen für Granulierprozesse mittels Pelletierteller. Es werden hierbei sowohl physikalisch basierte als auch datenbasierte Modelle in Form eines hybriden Systems kombiniert. Ziel des Projektes ist es, ein Regelsystem zu schaffen, das die jeweiligen Stärken der physikalischen und datenbasierten Modelle erkennt und situativ den optimalen Lösungsweg mit der maximal erzielbaren Anlagenenergieeffizienz wählt.
Abstract
As part of an EU funded R&D project, CEMTEC Cement and Mining Technology GmbH is working together with LCM Linz Center of Mechatronics GmbH on new and innovative control philosophies for industrial pelletizing machines. Both physically based and purely data-driven models will be combined to form a hybrid system. The aim of the project is to create a control system that recognizes the respective strengths of the physical and data-driven models and is therefore able to select the optimal solution with the highest output.
Avoid common mistakes on your manuscript.
1 Einleitung
Die Firma CEMTEC Cement and Mining Technology GmbH (nachfolgend mit CEMTEC abgekürzt) ist ein weltweit agierender Spezialist für Nass- und Trockenmahltechnologien für viele Arten von Schüttgütern, Steine/Erden und Erzen. Aufgrund der steigenden Sensibilisierung der Rohstoffkonzerne in Hinblick auf Nachhaltigkeit und dem damit verbundenen steigenden Umweltbewusstsein hat CEMTEC in den letzten Jahren das Sortiment im Bereich der „smarten“ Automatisierungslösungen sehr stark erweitert. Im Jahr 2010 wurde hierfür eine F&E-Abteilung gegründet, die sich auf innovative Entwicklungen im Bereich der Anlagenautomatisierung spezialisiert hat.
Nach der erfolgreichen Implementierung des CEOPS (Cemtec Online Particle Sizer) Systems wurde in einem nächsten Schritt ein Messverfahren für die online-Messung der Kornverteilungen bei einem Granulierprozess mittels Pelletierteller in Angriff genommen. Als Resultat entstand ein Kamera-gestütztes Messverfahren mit dem Namen COPA (Cemtec Online Pellets Analyzer). (Abb. 1).
2 Pelletierprozess inkl. COPA
Beim Pelletieren wird die feindisperse Aufgabe mittels eines rotierenden Pelletiertellers unter Zusatz von Bindemitteln zu einem Granulat mit meist vorgegebener Pelletgröße verarbeitet.
In einem nachfolgenden Klassierprozess werden Pellets, welche das vordefinierte Kornband größenmäßig über- oder auch unteren ausklassiert und im Prozess recycelt. Dieses interne Recyceln von zu großen und kleinen Pellets ist zum einen kostspielig und führt zum anderen auch zu einer Reduktion der Durchsatzleistung im Pelletierprozess. Das resultierende Pelletgrößenband ist hierbei neben der chemischen Zusammensetzung der Einsatzrohstoffe (Rohstoff, Wasser, Binder) auch von der Verweilzeit am Pelletierteller abhängig.
Um die Effizienz des Pelletierprozesses nachhaltig zu optimieren, bedarf es somit einer Echtzeitanalyse des produzierten Granulats hinsichtlich der Pelletgröße. Mithilfe der Implementierung des COPA-Messsystems kann dieser Anforderung nachgekommen werden. Wurde dieses Messsystem bisher primär als Werkzeug für die Qualitätssicherung verwendet, so soll damit künftig ein robustes Regelsystem zur Verfügung stehen, welches aufgrund der Messresultate den Anlagenbetrieb optimiert. Seit 2019 wurde das COPA-Messsystem in einigen Bestandsanlagen erprobt und weiter optimiert.
3 „Smart Granulation“
3.1 Forschungsfrage
Das grundlegende Ziel dieser Dissertation ist das Erforschen und Entwickeln eines autonomen Überwachungs- und Regler-Algorithmus für die Granulierung mittels Pelletierteller. Modernste Sensorik, wie bildverarbeitende Systeme und Mikrowellentechnik, gelangen dabei zum Einsatz, um Echtzeitdaten des Prozesses zu erfassen. Im Zuge der Arbeit sollen diese Daten evaluiert und in einer cloudbasierten Datenbank aufgezeichnet werden. Auf Basis dieser Daten, der vorhandenen physikalischen Gesetzmäßigkeiten und dem intelligenten Einbinden der Erfahrungen der Anlagenbetreiber soll eine Prozesssteuerung abgeleitet werden, die flexibel und selbstlernend auf schwankende Prozessparameter reagiert und somit eine optimale Produktion gewährleistet.
Begleitende Ziele dieser Forschungsaktivitäten sind die Steigerung der Produktivität und die Senkung der Produktionskosten.
3.2 Stand der Forschung
Durch die globale forcierte Kreislaufwirtschaft gewinnt die Granulierung als Aufbereitungsprozess immer mehr an Bedeutung und neue Anwendungsgebiete eröffnen sich dieser Methode. Neueste und nun auch erschwingliche Messtechnik, wie optische Bildverarbeitungssysteme und Mikrowellentechnik, eröffnen nun auch die Möglichkeit, Echtzeitdaten der Prozessparameter zu erfassen. Eine der wesentlichsten Messgrößen des Granulierprozesses ist die Pelletgrößenverteilung der „Grünen Pellets“. In der Arbeit von Xin Wu [1] wurde ein neuer Ansatz zur exakten Bestimmung dieser Pelletgrößenverteilung mittels Bildanalyse betrachtet. In der Industrie werden solche Systeme bis dato nur für die Qualitätssicherung eingesetzt, aktive Eingriffe werden weiterhin manuell von erfahrenen Mitarbeitern durchgeführt. Aufgrund des komplexen Zusammenspiels der unterschiedlichen Einflussgrößen im Prozess fällt es den Produktionsmitarbeitern nicht immer leicht mittels Adjustierung der Betriebsparameter eine konstante Produktqualität zu bewerkstelligen. Jose Carlos Borim geht in seiner Veröffentlichung [2] so weit, den Pelletierprozess als einen Prozess zu beschreiben, „der eher der Kunst als der Wissenschaft nahe kommt“.
Sehr einfache, aktuell verwendete Regelansätze können dieses Wissen der geschulten Mitarbeiter nicht verwerten und reagieren oft bei Abweichungen der Prozessparameter mit suboptimalen Eingriffen. Der im Zuge der Dissertationsarbeit verfolgte Forschungsansatz verfolgt eine Kombination aus datengebundenen Erfahrungswerten und Echtzeit-Messungen relevanter Prozessparameter. In der Literatur findet man in anderen Branchen bereits einige Methoden, die mittels „Deep Learning“- und „Reinforcement“ Ansätzen solche Kombinationen aus Erfahrung und Messdaten erfolgreich anwenden.
4 Erwartete Ergebnisse
Folgende neue wissenschaftlichen Ergebnisse werden erwartet:
-
Besseres Verständnis über die komplexen und gegenseitig beeinflussenden Zusammenhänge des Granulier-Prozesses
-
Neuwertiges hybrides Regelkonzept, das einerseits auf modernste Sensorik zurückgreift und andererseits ein datenbasiertes Modell beinhaltet, um prozessoptimale Entscheidungen zu liefern
-
Neues Prozess-Steuerungskonzept für Pelletierteller
-
Neue Ansätze für das Einbinden langjähriger Betriebserfahrungen in einen Regel-Algorithmus
Literatur
Verwendete Literatur
Wu, X.: An Image-based Method for online Measurement of the Size Distribution of Iron Green Pellets Using Dual Morphological Reconstruction and Circle-scan, China (2019)
Borim:, J.C., Freitas, R.: Automatic Control Of Iron Ore Pellets Size Distribution at a Pelletizing Plant, VALE (2014)
Weiterführende Literatur
Legare, B., Bouchard, J., Poulin, E.: A Modular Dynamic Simulation Model for Comminution Circuits. IFAC-PapersOnLine, Bd. 49–20. (2016)
Schubert, H.: Aufbereitung fester mineralischer Rohstoffe, Bd. 1–3. VEB Deutscher Verlag für Grundstoffindustrie, Leipzig (1968)
Schubert, H.: Handbuch der Mechanischen Verfahrenstechnik. Wiley-VCH, Weinheim (2002)
Serno, P., Kleinebudde, P., Knop, K.: Granulieren: Grundlagen, Verfahren, Formulierungen (2016)
Funding
Open access funding provided by Montanuniversität Leoben.
Author information
Authors and Affiliations
Corresponding author
Additional information
Hinweis des Verlags
Der Verlag bleibt in Hinblick auf geografische Zuordnungen und Gebietsbezeichnungen in veröffentlichten Karten und Institutsadressen neutral.
Rights and permissions
Open Access Dieser Artikel wird unter der Creative Commons Namensnennung 4.0 International Lizenz veröffentlicht, welche die Nutzung, Vervielfältigung, Bearbeitung, Verbreitung und Wiedergabe in jeglichem Medium und Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle ordnungsgemäß nennen, einen Link zur Creative Commons Lizenz beifügen und angeben, ob Änderungen vorgenommen wurden.
Die in diesem Artikel enthaltenen Bilder und sonstiges Drittmaterial unterliegen ebenfalls der genannten Creative Commons Lizenz, sofern sich aus der Abbildungslegende nichts anderes ergibt. Sofern das betreffende Material nicht unter der genannten Creative Commons Lizenz steht und die betreffende Handlung nicht nach gesetzlichen Vorschriften erlaubt ist, ist für die oben aufgeführten Weiterverwendungen des Materials die Einwilligung des jeweiligen Rechteinhabers einzuholen.
Weitere Details zur Lizenz entnehmen Sie bitte der Lizenzinformation auf http://creativecommons.org/licenses/by/4.0/deed.de.
About this article
Cite this article
Reisinger, F. „Smart Granulation“ – Sensorunterstützte Regelungskonzepte für Granulierprozesse mittels Pelletierteller. Berg Huettenmaenn Monatsh 167, 393–395 (2022). https://doi.org/10.1007/s00501-022-01266-8
Published:
Issue Date:
DOI: https://doi.org/10.1007/s00501-022-01266-8