Characterizing material flow in sensor-based sorting systems using an instrumented particle

Sensor-based sorting is a well-established single particle separation technology. It has found wide application as a quality assurance and control approach in food processing, mining, and recycling. In order to assure high sorting quality, a high degree of control of the motion of individual particles contained in the material stream is required. Several system designs, which are tailored to a sorting task at hand, exist. However, the suitability of a design for a sorting task is assessed by empirical observation. The required thorough experimentation is very time consuming and labor intensive. In this paper, we propose an instrumented bulk material particle for the characterization of motion behavior of the material stream in sensor-based sorting systems. We present a hardware setup including a 9-axis absolute orientation sensor that is used for data acquisition on an experimental sorting system. The presented results show that further processing of this data yields meaningful features of the motion behavior. As an example, we acquire and process data from an experimental sorting system consisting of several submodules such as vibrating conveyor channels and a chute. It is shown that the data can be used to train a model which enables predicting the submodule of a sorting system from which an unknown data sample originates. To our best knowledge, this is the first time that this IIoT-based approach has been applied for the characterization of material flow properties in sensor-based sorting.

Die sensorgestützte Sortierung ist eine etablierte Einzelpartikel-Trenntechnik. Sie wird vielseitig als Qualitätssicherungs- und Sichtprüfansatz in der Lebensmittelverarbeitung, im Bergbau und im Recycling eingesetzt. Um eine hohe Sortierqualität zu gewährleisten, ist ein hohes Maß an Kontrolle über die Bewegung der einzelnen im Materialstrom enthaltenen Partikel erforderlich. Es existieren mehrere Systemauslegungen, die auf eine bestimmte Sortieraufgabe zugeschnitten sind. Die Eignung einer Auslegung für eine Sortieraufgabe wird jedoch durch empirische Beobachtung beurteilt. Die hierfür erforderlichen Experimente sind sehr zeitaufwendig und arbeitsintensiv. In dieser Arbeit stellen wir ein instrumentiertes Schüttgutpartikel zur Charakterisierung des Bewegungsverhaltens des Materialstroms in sensorgestützten Sortiersystemen vor. Wir entwerfen und realisieren ein Hardware-Setup, das u. a. einen 9-Achsen-Absolut-Orientierungssensor enthält, der zur Datenerfassung auf einem experimentellen Sortiersystem verwendet wird. Die vorgestellten Ergebnisse zeigen, dass durch weitere Verarbeitung dieser Daten aussagekräftige Merkmale des Bewegungsverhaltens extrahiert werden können. Als Beispiel erfassen wir Daten von einem experimentellen Sortiersystem, das aus mehreren Komponenten wie Schwingförderrinnen und einer Rutsche besteht, und werten diese aus. Wir zeigen, dass mit den Daten ein Modell trainiert werden kann, welches eine unbekannte Datenprobe der Komponente des Sortiersystems zuordnen kann, in welchem sie aufgenommen wurde. Nach unserem besten Wissen wird dieser IIoT-basierte Ansatz zum ersten Mal für die Charakterisierung von Materialflusseigenschaften in der sensorgestützten Sortierung angewendet.