Materialcharakterisierung gebrauchter Feuerfeststeine als Schlüssel für das effektive Training von Sensoren

Feuerfeste Werkstoffe sind essenziell für Hochtemperaturprozesse verschiedener Industrien. Dazu zählen beispielsweise auch die Stahl- und Zementproduktion sowie die Müllverbrennung. Aufgrund der extremen Prozessbedingungen müssen feuerfeste Auskleidungen regelmäßig erneuert werden, wodurch erhebliche Mengen an gebrauchten Feuerfestmaterialien anfallen. Diese Materialien besitzen ein hohes Sekundärrohstoffpotenzial. Derzeit erfolgt das Recycling überwiegend durch eine manuelle Sortierung, basierend auf visuellen Kriterien. Wirtschaftliche Faktoren begrenzen dabei die maximale Partikelgröße, die bei der Sortierung berücksichtigt werden. Ein ganzheitliches, automatisiertes Verfahren, das in der Lage ist, die große Vielfalt feuerfester Materialien unabhängig von der Korngröße zu sortieren, existiert bislang nicht. Allerdings haben jüngste Fortschritte in Forschung und Technologie die Entwicklung effizienterer und automatisierter Recyclinglösungen für gebrauchte Feuerfestmaterialien ermöglicht. Ein Beispiel ist die mobile Sortieranlage, die im Rahmen des laufenden von der EU geförderten Projekts ReSoURCE (Refractory Sorting Using Revolutionizing Classification Equipment) konzipiert und umgesetzt wurde. Zur Sortierung werden dabei hyperspektrale Bildgebung (HSI) und laserinduzierte Plasmaspektroskopie (LIBS) mit künstlicher Intelligenz kombiniert. Zur Optimierung der Sortiergenauigkeit wird eine umfangreiche Datenbank erstellt, die Sensormessungen und Analyseergebnisse typischer Primär- und Sekundärmaterialien unterschiedlicher Zusammensetzung und Korngrößen umfasst. Der vorliegende Beitrag zeigt auf, wie wichtig eine gründliche Materialcharakterisierung für das Sensortraining ist, und beschreibt erste Testergebnisse mit vielversprechenden Ansätzen zur Differenzierung der untersuchten Materialien. Zukünftige Arbeiten konzentrieren sich auf die Erweiterung der Datenbank sowie die Definition chemisch und mineralogisch unterscheidbarer Sortierklassen.

Refractory materials are essential for high-temperature industrial processes, including steel and cement production as well as waste incineration. Due to the extreme operating conditions, refractory linings require regular replacement, generating significant amounts of spent refractory (SR) materials. These materials possess a high potential as secondary raw materials. Currently, SR recycling predominantly relies on manual sorting based on visual criteria, with economic constraints limiting the maximum particle size considered. A comprehensive, automated sorting system capable of classifying the wide variety of refractory materials independent of grain size has not yet been established. Recent advancements in research and technology have facilitated the development of more efficient and automated recycling solutions. One such innovation is the mobile sorting unit developed within the EU-funded ReSoURCE project (Refractory Sorting Using Revolutionizing Classification Equipment). The system integrates hyperspectral imaging (HSI) and laser-induced breakdown spectroscopy (LIBS) with artificial intelligence to achieve precise classification. To enhance sorting accuracy, an extensive database is being compiled, incorporating sensor measurements and analytical data of primary and secondary refractory materials with varying compositions and grain sizes. This contribution highlights the critical role of comprehensive material characterisation for sensor training and presents initial test results demonstrating a promising differentiation of refractory materials. Future work will focus on expanding the database and defining distinct chemical and mineralogical sorting classes to optimise automated classification.