Abfallbunker als digitaler Zwilling
Beim Konzept für Müllverbrennungsanlagen steht die Integration lokaler Bildverarbeitung im Mittelpunkt. Der Müll soll von Lastwagen in einen großen Bunker entladen werden. Von dort soll ein Kran jeweils mehrere Tonnen Material greifen und zum Verbrennungstrichter transportieren.
Die Herausforderung: Zusammensetzung und Brennwert des Mülls unterscheiden sich stark. „Material mit hohem Brennwert lässt die Verbrennungstemperatur steigen. Bei einem niedrigen Brennwert sinkt sie. Um die erforderliche Temperatur zu halten, muss die Anlage entweder zusätzliches Gas einsetzen oder Wärme durch Kühlung abführen“, erklärt N. Kurtenbach.
Scios Konzept sieht deshalb vor, den gesamten Bunker- und Entladeprozess mit einem Multikamerasystem zu erfassen. Die KI-basierte Bildauswertung zur Erfassung der Brennwerte des abgeladenen Materials wird vom Projektpartner StableFlame entwickelt und bereitgestellt. Während der Müll aus dem Lkw fällt, kann die StableFlame-KI die sichtbaren Materialeigenschaften und das Fallverhalten analysieren und daraus den voraussichtlichen Kalorienwert ableiten.
Parallel dazu erstellt StableFlame einen digitalen Zwilling des Abfallbunkers. Er bildet ab, an welcher Position Material mit welchem Brennwert liegt, und gibt dem zunächst weitgehend unbekannten Müllberg so eine räumliche und energetische Struktur. „Dank des digitalen Zwillings des Müllbergs wissen wir, welcher Brennwert an welcher Stelle zu finden ist“, so N. Kurtenbach.
Die Verarbeitung der Kamera- und Prozessdaten erfolgt auf einem Siemens Industrial Edge Device. Siemens liefert damit die Technologieplattform, auf der Scio das trainierte KI-Modell zur Erkennung und Klassifizierung des Mülls unmittelbar an der Anlage ausführen soll.
„Die lokale Topologie ist für den Anwendungsfall besonders relevant. Beim Multikamerasystem entstehen kontinuierlich große Bilddatenmengen. Würden sämtliche Aufnahmen für die Auswertung an eine Cloud übertragen, wären eine leistungsfähige Verbindung und hohe Übertragungskapazitäten erforderlich. Durch die Verarbeitung auf dem Edge Device sollen die Bilddaten in der Anlage verbleiben, während nur die daraus gewonnenen Informationen an die Steuerung weitergegeben werden“, erklärt der Scio-Experte. Auch die Reaktionszeit soll sich dadurch verkürzen: Der digitale Zwilling ließe sich fortlaufend aktualisieren und für die Positionierung des Krans nutzen. Teilt die Anlage mit, welchen Kalorienwert sie aktuell benötigt, würde der Kran gezielt in den Bereich des Bunkers greifen, in dem sich geeignetes Material befindet.
Die Lösung ist als Retrofit-Konzept angelegt: Der Kran, der den Müll in den Verbrennungstrichter befördert, wird entsprechend nachgerüstet. Die bestehende Anlage lässt sich damit um KI-Funktionen erweitern, ohne den gesamten Prozess neu aufzubauen.