REWO-SORT

Anwendung multimodaler Sensortechnologien zur Vorkonzentration von Wertmineralien

REWO-SORT

In den letzten Jahren wurde die Bergbauindustrie in Europa und auch weltweit vor zahlreiche Herausforderungen gestellt. Darunter ist der Bedarf, auf Grund von zunehmender Verarmung der Lagerstätten Erze mit immer geringeren Konzentrationen an Wertmaterial zu verarbeiten. Dies führt zu einem erhöhten Verbrauch an Energie und Wasser folglich höheren Betriebskosten. Es wurden schon zahlreiche Ansätze evaluiert, diese Herausforderung zu lösen, aber bisher konnten keiner dieser Ansätze als voll zufriedenstellende Lösung validiert werden. Die Anwendung multimodaler Sensortechnologien zur Vorkonzentration der Wertminerale in einem möglichst frühen Prozessschritt stellt dafür einen vielversprechenden Ansatz dar.  

In diesem Projekt soll eine Sensordatenfusion von LIBS (Laser induced breakdown spectroscopy) und ME-XRT (multi energy X-ray transmission) entwickelt werden, die mit Hilfe von Methoden des maschinellen Lernens und deep learning eine Klassifikation der gebrochenen Erzstücke auf einem Förderband ermöglicht. Die Kombination von LIBS und ME-XRT ist besonders erfolgsversprechend, da sich die Technologien bezüglich ihrer analytischen Leistungsfähigkeit sehr gut ergänzen: LIBS kann eine Analyse der chemischen Zusammensetzung der Oberfläche liefern, während ME-XRT elementare Information des gesamten Volumens mit geringerer Genauigkeit erzeugt. Die technologische Zusammenführung dieser beiden Sensortechnologien soll die Extrapolation der präzisen Oberflächeninformation auf das gesamte Volumen ermöglichen, um so repräsentative Werte für das gesamte Erz zu liefern. Dabei soll die Verwendung neuronaler Netzwerktechnologien die Anpassung an variierende Erztypen und geologische Parameter ermöglichen.

Die zu entwickelnde Fusion der Sensortechnologien soll konstante und genaue Überwachung der Mineralogie des abgebauten Gesteins bieten und Online- und In-situ-Messungen der geologischen, mineralogischen, gesteinsmechanischen und metallurgischen Eigenschaften des Erzes erlauben. Die Entwicklung einer Online-Einspeisung dieser Daten in geologische 3D-Modelle der Erzkörper, deren Genauigkeit und Objektivität für eine erfolgreiche Minenplanung entscheidend ist, ist vorgesehen.

 

Das übergeordnete Ziel des Gesamtvorhabens „Reduction of Energy and Water consumption of mining Operations by fusion of sorting technologies LIBS and ME-XRT“ ist die Entwicklung und die Bewertung der technischen Machbarkeit einer verbesserten Sortiertechnologie für Rohstoffe mittels multimodalen Sensordatenfusion von Laserinduzierte Plasmaspektroskopie (LIBS) und Multienergie-Röntgenbildgebung (ME-XRT). Durch die in der Prozesskette frühe Abtrennung des Materials von geringem Wert soll nicht nur die Effizienz der Aufbereitung gesteigert werden, sondern auch der Verbrauch an Wasser und Energie in den folgenden Prozessstritten reduziert werden.

Dazu muss im Teilvorhaben „ME-XRT optimization, measurements and fusion with LIBS data using deep neural networks“ die ME-XRT angepasst und für die Fusion mit der zweiten, komplementären Sensortechnologie LIBS vorbereitet werden. Die Sensordatenfusion erfolgt auf Basis tiefer neuronaler Netze (DNNs). Das Projekt wird nicht nur die Robustheit der Methodik unter variablen geologischen Bedingungen untersuchen, sondern auch Strategien zur Verbesserung der Sortiereffizienz mithilfe tiefer neuronaler Netze evaluieren.

Für eine Sensordatenfusion muss ME-XRT optimiert und angepasst werden. Dazu werden in Größe und Beschaffenheit für den Bergbau repräsentative Proben definiert und ME-XRT Bildaufnahmen dieser realer Proben erstellt, die als Referenz/Trainingsdaten im Nachgang chemisch analysiert werden. Die Fusion der vorverarbeiteten Daten mit den Daten der zweiten Sensortechnologie LIBS erfolgt hier mithilfe tiefer neuronaler Netze, die mit dem bekannten und analysierten Probenmaterial angelernt werden. Verschiedene Netzwerktopologien und Trainingsmethoden werden dafür entworfen und evaluiert.  Die Einzelergebnisse der beiden Sensortechnologien werden mit den Ergebnissen der Sensordatenfusion verglichen und bewertet.

Die Ergebnisse des Projekts sollen vor allem in den Bereichen Sortierung primärer Rohstoffe sowie im Bereich Recycling verwendet und vermarktet werden. Beide Bereiche stellen die Hersteller von Sortiermitteln durch komplexer werdende Fragestellungen vor große Herausforderungen.

Das Fraunhofer EZRT arbeitet seit Jahren mit mehreren industriellen Partnern im Bereich der Röntgensortierung zusammen. Viele Fragestellungen können hier nicht durch eine einzelne Sensortechnologie beantwortet werden. Die Sensorfusion von komplementären Sensortechnologien, wie sie in diesem Projekt entwickelt und evaluiert werden soll, beinhaltet ein hohes Potential, diese Anwendungsfälle anzugehen oder kostenintensive Aufbereitungsschritte einzusparen und somit eine wirtschaftlich interessante Lösung bieten zu können.

Nicht nur Fragestellungen aus dem Bereich der primären Rohstoffe, sondern auch des Recyclings sind von steigender Wichtigkeit für den deutschen Wirtschaftsraum und von immer größer werdendem industriellem Interesse. So sind beispielsweise Fragestellungen aus den Bereichen KFZ-Recycling, Aufbereitung von Biomasse oder die Sortierung von Bauschutt potentielle Anwendungsgebiete des Projektergebnisses. Die bestehenden Kooperationen mit industriellen Partnern sollen dazu genutzt werden, die bestehenden Röntgensortieranlagen zum einen ggf. zu Mehrenergie-Röntgensystemen weiterzuentwickeln und auf der anderen Seite durch die Sensorfusion neue Anwendungsgebiete für die Partnerunternehmen zu erschließen.

Die Ergebnisse hinsichtlich der Verwendung von tiefen neuronalen Netzwerken soll genutzt werden, um flexibel auf sich ändernde Anforderungen reagieren zu können, sowie das Einlernen von Materialströmen bzw. die Konfiguration zur Sortierung dieser zu erleichtern. Für die industriellen Partner stellen diese Vorteile große Alleinstellungsmerkmale gegenüber Ihrer Konkurrenz und somit ein wirtschaftlich interessantes Angebot dar.

 

 

Weiterführende Informationen

Projektlaufzeit: 1.5.2018 – 30.4.2021
Förderkennzeichen: 033RU003A


Gefördert vom Bundesministerium für Bildung und Forschung BMBF: https://www.bmbf.de/
Projektträger Jülich: https://www.ptj.de/
Gefördert im Rahmen der transnationalen Ausschreibung des ERA-Nets ERA-MIN 2: https://www.era-min.eu/

Projektpartner

Das Fraunhofer EZRT ist ein international führendes Forschungs- und Entwicklungszentrum mit Kernkompetenzen auf dem Gebiet des Zerstörungsfreien Monitorings entlang der gesamten Wertschöpfungskette des Produktlebenszyklus, angefangen vom Rohstoff über die Produktion bis zum Recycling. Es definiert und erweitert den aktuellen Stand der Technik auf diesem Gebiet, insbesondere mittels bildgebenden Röntgen- und Magnetresonanztechnologien sowie optischen Prüftechniken. Dabei werden die Themen Sensorik und Simulation zur Datengewinnung, Bildverarbeitung zur Datenverbesserung und -auswertung (Metadatengewinnung), Systementwicklung, Messtechnik sowie Applikationen und Ausbildung bearbeitet.

Die Technische Universität Luleå (Luleå University of Technology, LTU) ist die nördlichste Technische Universität Skandinaviens. Durch die geographische Nähe und enge Zusammenarbeit mit der nordischen Bergbauindustrie hat sich die LTU eine Expertise in der gesamten Prozesskette Bergbau auf Weltklasse-Niveau erarbeitet. Bergbaubezogene Forschung an der LTU hat das Ziel, neue und verbesserte Lösungen zur Sicherung einer nachhaltigen Rohstoffversorgung zu liefern, die für die Entwicklung der modernen Gesellschaft entscheidend ist. Die Erz-Geologie Forschungsgruppe an der LTU trägt zum geologischen Verständnis von Erzlagerstätten bei, indem sie 3D-geologische und geophysikalische Unterbodenmodellierung mit Erzbildungsstudien und mikroanalytischer Ressourcencharakterisierung integriert. Dieser Ansatz und die daraus resultierenden verbesserten wissenschaftlichen Kenntnisse über Erzlagerstätten tragen weiterhin wesentlich zur Verbesserung der Explorations- und Abbaueffizienz bei.

Die Laser-Emissionsspektroskopie (LIBS) ist eine der schnellsten und fortgeschrittensten optischen spektroskopischen Techniken für die atomare Charakterisierung von Materialien. Als eines der innovativsten deutschen Unternehmen vereint SECOPTA analytics GmbH die modernsten photonischen Technologien mit der neuesten Entwicklung in der LIBS-Spektroskopie. Seit mehr als 10 Jahren bietet es das modernste spektroskopische Messsystem im Bereich der industriellen Qualitätskontrolle und Prozessanalyse. Mit den Hauptprodukten FiberLIBS lab, FiberLIBS Inline, MobaLIBS und Mineral LIBS betreibt SECOPTA positive Materialerkennung (PMI), Anwendungen im Recycling, Untersuchungen von Oberflächenbeschichtungen und Oberflächenablösungen, Analysen von feurfesten Steinen und heißen Metallen, Konstruktionen von Materialanlaytik sowie quantitative und qualitative Analysen des Fließverhaltens von Schüttgut und den darin enthaltenen Mineralien. Speziell für Anwendungen im Bergbau charakterisiert das neue und hochentwickelte Multielement-Analyse-System "MineralLIBS" verschiedene atomare Zusammensetzungen von sich bewegenden Rohmineralien, während es gleichzeitig die individuell enthaltenen Elemente mit einer äußersten analytischen Präzision und bis zu einer Konzentrationsgrenze von 100 ppm überwacht.

Die Universität Chile wurde 1842 gegründet und ist damit die älteste Bildungseinrichtung in Chile. Obwohl man seit 1853 eine wissenschaftliche Laufbahn in der Bergbautechnik einschlagen kann, wurde die Fakultät für Bergbautechnik formell erst 1964 gegründet. Laut des QS World University Rankings zählt die Universität Chile zu den zehn besten Bildungseinrichtungen im Bereich der Bergbautechnik. Die Forschungsgruppe für die Charakterisierung und Trennung von Mineralien und Metallen (M2CS) wurde 2012 von Dr. G. Montes-Atenas gegründet. Sie strebt Produktlösungen für die Bergbauindustrie in den Bereichen Mineralaufbereitung und Metallgewinnung an. Dr. Montes-Atenas Forschunsgruppe ist der chilenische Ansprechpartner des REWO-SORT-Projekts, welches die Entwicklung von Sortierungstechnologien leitet, die die Energiekosten von Konzentratoren weltweit stark senken. Der Fokus des Projektes liegt nicht nur darauf, die Trennleistung von wertvollem Material im Anfanggstadium der Mineralienaufbereitung zu erhöhen, sondern auch auf der Verbesserung der Aufbereitungskapazität von Sortierungstechnolgien.