Re-Machine: Kreislaufwirtschaft für mechanische Bauteile

Auf einen Blick

• Auch wenn Stahl bereits gut recycelbar ist, entstehen in Schmelz- und Produktionsverfahren erhebliche Mengen CO₂. Die Wiederverwendung von metallischen Bauteilen könnte dieses Problem lösen.
• Im Projekt Re-Machine bauen die Wissenschaftlerinnen und Wissenschaftler einen geschlossenen Bauteilkreislauf am Beispiel von Schrauben in Windenergieanlagen mit Hilfe selbstlernender Algorithmen und eines Digitalen Zwillings auf.
• Am Ende steht ein für Nutzer leicht zu bedienender Demonstrator, der eindeutige Aussagen zur Wiederverwendbarkeit einzelner Schrauben treffen kann.
• Das Fraunhofer IWES ist unter anderem für die Entwicklung und Implementierung von Vorhersagemodellen sowie Aufbau und Evaluation des Prototypens verantwortlich.

Herausforderung

Das Recycling von Stahl ist ein erprobtes Verfahren: Bauteile werden nach Erreichen ihrer Lebensdauer eingeschmolzen und zu neuen Bauteilen verarbeitet. Doch der Prozess ist energieintensiv. Selbst in modernen Elektrolichtbogenöfen entsteht knapp eine Tonne CO₂ pro Tonne Stahl. Die Wiederverwendung von metallischen Bauteilen (Re-Use) könnte dieses Problem lösen. Doch noch fehlt es an einem Markt für wiederverwertete Bauteile, weil die zuverlässige Prüfung noch nicht Stand der Technik ist. 

Lösung

Hier setzt das Projekt Re-Machine an. Ziel ist es, das Potential eines geschlossenen Bauteilkreislaufs am Beispiel von Schrauben in Windenergieanlagen zu heben. Schrauben bieten sich an, da sie weitverbreitet und gut untersuchte einfache Bauteile sind. Ihre Wiederverwendung ist jedoch noch nicht wissenschaftlich untersucht.

Die Fraunhofer-Gesellschaft hat bereits ein patentiertes Verfahren entwickelt, das mit Hilfe von selbstlernenden Algorithmen ein Urteil zu Wiederverwendung eines Bauteils abgeben kann. Die Wissenschaftlerinnen und Wissenschaftler werden diese Algorithmen mit einem im Projekt erzeugten Satz Schrauben trainieren. Dazu werden neue Ansätze für die Ermittlung der Restlebensdauer großer Schrauben (M36 – M72) angewendet. Weiterhin müssen neue Machine Learning Architekturen zur Datenfusion und -analyse sowie zur Klassifizierung entwickelt werden, die erklärbare und zuverlässige Ergebnisse für die automatisierte Entscheidungsfindung liefern. Ein Digitaler Zwilling dient als zentraler Datenraum.

Am Ende steht ein für Nutzer leicht zu bedienender Demonstrator: Die Schraube wird in den Demonstrator eingelegt und innerhalb kurzer Zeit erfolgt eine binäre Aussage zur Wiederverwendbarkeit. Wenn die Schraube in allen relevanten Eigenschaften einer neuen Schraube entspricht, dann wird sie als neu betrachtet, unabhängig davon, wie oft sie verbaut und wie sie belastet war. Die Wissenschaftlerinnen und Wissenschaftler streben eine Lizensierung der Technologie für Prüffirmen, Händler von Maschinenteilen oder Wartungsunternehmen an.

Das Fraunhofer IWES ist unter anderem für die Entwicklung und Implementierung von Vorhersagemodellen sowie Evaluation des Prototypens verantwortlich.

Mehrwert  

Re-Machine trägt dazu bei, erhebliche Mengen Energie und Treibhausgase einzusparen. Gleichzeitig kann in einer geopolitisch schwierigen Lage die Abhängigkeit von Rohstofflieferanten reduziert werden. Nicht zuletzt birgt die zu erwartende Repowering-Welle in der Windenergie einen großen Markt. In den kommenden Jahren werden zahlreiche Schraubverbindungen demontiert, während gleichzeitig ein wachsender Bedarf an neuen Anlagen zu einer erhöhten Nachfrage nach Schrauben führen wird.