DigiFloat

Das Projekt DigiFloat möchte durch Digitalisierung generische Impulse für die Optimierung komplexer Aufbereitungsprozesse liefern. Als Beispiel dient die Flotation, ein physikalisch-chemisches Trennverfahren für feinkörnige Feststoffe, welche u.a. in der Erzaufbereitung, Abwasserreinigung und Recycling bedeutend ist.

Ein wichtiger Punkt ist die detaillierte und vollumfängliche Erfassung von Prozessdaten. Im Projekt sollen die Möglichkeiten der stoffbezogenen Sensorik dahingehend erweitert werden, dass ein System zur Online-Erfassung chemischer Zusammensetzungen in komplexen Strukturen (z.B. Schaum) im dynamischen Prozess unter industrieüblichen Bedingungen durch spektroskopische Systeme etabliert wird. Außerdem wird durch Miniaturisierung von medienberührenden Sensoren die Zuverlässigkeit und Relevanz der Prozessdaten verbessert, da die invasive Messtechnik den Prozess weniger beeinflusst.

Der nächste Schritt im Datenfluss ist die Erfassung, Validierung und Auswertung. Hier knüpft das Projekt durch die Etablierung eines Data Lakes an, der die Rohdaten der neuen Sensoren verarbeitet. Diese Daten werden gemeinsam mit Offline-Ergebnissen und Informationen zum Energie- und Rohstoffeinsatz angereichert, analysiert und so visualisiert, dass multivariate Zusammenhänge des komplexen Flotationsprozesses transparent werden. Es entsteht ein System, welches Anwender mit KI-unterstützter Datenfusion auf möglichen Handlungsbedarf hinweisen kann. Das System wird außerdem die Funktion der prädiktiven Prozesskontrolle ausweisen. Hierzu werden KPI aus Daten und Informationen gebildet, mit denen der Flotationsprozess dynamisch bewertet und gesteuert werden kann. Hauptziel ist somit die Optimierung komplexer Prozesse hinsichtlich Ausbeute und Effizienz durch die Prädiktion der Prozessergebnisse. Hierzu wird am Ende des Projektes eine Konzeptstudie vorliegen, die die Erkenntnisse der Einzelziele zusammenfasst und daraus das Scale-Up für Industrieanlagen detailliert beschreibt.