Zentrifugen, speziell Tellerseparatoren, werden in vielen Industriezweigen zur Trennung von Fest-Flüssig oder Flüssig-Flüssig-Systemen eingesetzt. Bereits geringe Optimierungen im Betrieb der Maschinen können dazu beitragen, den Energieverbrauch und damit auch die Kosten für viele Unternehmen des verarbeitenden Gewerbes zu senken. Optimale Betriebszustände sind bisher jedoch die Ausnahme: Die komplexen Produkteigenschaften führen eher zu Stillstandzeiten, zum Beispiel im Fall einer fälligen Reinigung. Die Maschine muss immer wieder neu anfahren, was wiederum den Energieverbrauch drastisch erhöht.

Intelligente Zentrifugen, deren Betrieb sich automatisiert an wechselnde Produkteigenschaften anpassen lässt, sind bislang am Markt nicht vorhanden, da zum einen die geeignete Sensorik sehr teuer, zum anderen teilweise gar nicht verfügbar ist. Wichtige Aussagen über Zustand und Verhalten der Stoffe in der Zentrifuge sind somit nur eingeschränkt möglich, da sie sich nicht genau messen lassen.

Hier setzt die Arbeit der Wuppertaler Wissenschaftler an. Im Rahmen ihres Teilvorhabens liegt der Fokus auf einer einfach messbaren Größe: den Schwingungsverläufen der Maschine. „Im Projekt nutzen wir diese Schwingungsparameter erstmalig, um Rückschlüsse auf die strömungsmechanischen und verfahrenstechnischen Vorgänge in der Zentrifuge zu ziehen. Einfach gesagt: Wir schauen wie die Zentrifuge schwingt und wie sich die Schwingungsmuster über die Zeit verändern und leiten daraus bestimmte Kenngrößen ab, die uns wiederum mehr über den Zustand der Maschine verraten“, erklärt Prof. Dr. Uwe Janoske, Leiter des Lehrstuhls für Strömungsmechanik. So lassen sich beispielsweise Aussagen über Ablagerungszustände des abgeschiedenen Materials treffen, die neuartige Ansätze für Reinigungszyklen bieten und ein Früherkennungssystem für kritische Betriebsbereiche bieten. In Folge der reduzierten Stillstandzeiten soll damit auch der Einsatz umweltschädlicher Reinigungsmittel deutlich reduziert werden können.

Zum Einsatz kommen dabei Methoden aus dem Bereich Data Analytics und Maschinelles Lernen sowie numerische Modelle, mit denen dargestellt werden kann, wie sich Materialstruktur und Strömungsverhalten in der Zentrifuge beeinflussen. „Durch nachfolgende, selbstlernende Regelstrategien gelingt es, Systeme wie Zentrifugen optimal zu betreiben und somit ihre Energieeffizienz bei gleichzeitiger Erhöhung der Prozesssicherheit zu steigern. Die Methoden, die im Projekt erarbeitet werden, sind prinzipiell auf unterschiedlichste rotierende Systeme, neben Zentrifugen beispielsweise auch Pumpen, etc., anwendbar und bieten Möglichkeiten diese Systeme im Rahmen von Industrie 4.0 einzusetzen“, so Prof. Janoske.

Im Projekt „InZent: Intelligente Zentrifuge – Energieeffizienter Betrieb von Zentrifugen durch Data Analytics und Maschinelles Lernen“ kooperiert der Wuppertaler Lehrstuhl mit der GEA Westfalia Separator Group GmbH und dem Fraunhofer-Institut für Entwurfstechnik Mechatronik IEM in Paderborn.

Kontakt:
Prof. Dr. Uwe Janoske
Fakultät für Maschinenbau und Sicherheitstechnik
Telefon 0202/439-2113
E-Mail janoske[at]uni-wuppertal.de