Smart-Digital-Twin-Framework zur Kostenoptimierung in der Recyclingindustrie

Der globale Wandel hin zu einer Kreislaufwirtschaft erfordert, dass die Recyclingindustrie mit höchster Effizienz arbeitet. Recyclingprozesse sind jedoch für ihre Komplexität bekannt, die durch hoch variable Eingangsstoffe und mehrstufige Anlagen gekennzeichnet ist, bei denen Einstellungen in einer Stufe kaskadierende, nicht intuitive Auswirkungen auf alle nachfolgenden Stufen haben können. Die Optimierung dieser Prozesse beruht derzeit stark auf der Erfahrung der Bediener und kostspieligen Trial-and-Error-Methoden. Dieser Artikel stellt ein neuartiges Framework für die betriebliche Gewinnoptimierung vor, wofür es einen Smart Twin des Recyclingprozesses nutzt. Dieser Smart Twin, welcher in einem Begleitartikel ausführlich beschrieben wird, ist ein probabilistisches digitales Replikat, das die gesamte Anlage stufenweise modelliert und die Ausgangsqualität und -ausbeute unter Unsicherheit genau vorhersagt. Wir demonstrieren, wie dieses Modell als Surrogatmodell innerhalb eines Optimierungsschleife mit Differential Evolution funktioniert. Entscheidend ist, dass unser Framework sowohl die Prozessmerkmale (Maschineneinstellungen) auf einer kumulativen, stufenweisen Basis als auch die aktive Prozesstiefe optimiert und den rentabelsten Weg bestimmt, um einen definierten Satz von Zielen zu maximieren. Wir stellen einen detaillierten Anwendungsfall aus der Kupferrecyclingindustrie vor, der sich auf die Maximierung des einzigen Ziels des Gesamtgewinns konzentriert und die Fähigkeit des Frameworks demonstriert, unterschiedliche, optimale Strategien basierend auf sich ändernden Marktbedingungen bereitzustellen.