Um den Anforderungen der Industrie 4.0 in aufbereitungstechnischen Prozessen gerecht werden zu können, wird es zukünftig notwendig sein, jede einzelne Maschine in einer Aufbereitungsanlage digital steuern und überwachen zu können. Aufgrund der Tatsache, dass sowohl in Anlagen der primären als auch der sekundären Aufbereitungstechnik sehr raue Bedingungen herrschen, gestaltet sich der Einsatz sensibler digitaler Sensoren an den Maschinen herausfordernd. Zudem gibt es beträchtliche Unterschiede zwischen Aufbereitungsanlagen hinsichtlich Staubbelastung, Vibrationen, Umgebungstemperatur und nicht zuletzt dem zu verarbeitenden Gut.
Wenngleich bei einigen Prozessen, z.B. der sensorgestützten Sortierung bereits durch das Trennprinzip bedingt digitale Daten erfasst werden müssen, sind bei Schwingsieben üblicherweise keine digitalen Prozessdaten verfügbar. Deshalb werden solche Schwingsiebe im Betrieb häufig als „Black-Box“ Modelle angesehen, da mit freiem Auge nicht exakt bestimmt werden kann, wie das Sieb gegenwärtig schwingt. Diese und weitere Problematiken sollen durch den gezielten Einsatz von verschiedenster Sensorik an Schwingsieben und anderen schwingenden Aggregaten mit gekoppelter Datenverarbeitung behandelt werden.
Zentrale Ziele dieser Forschungsarbeit sind sowohl die Erhöhung der Einsatzdauer der Schwingsiebe durch frühzeitige Erkennung von problematischen Betriebszuständen als auch Anhaltspunkte für optimierte Wartungsplanung von Schwingsieben in diversen Einsatzbereichen.
Dipl.-Ing. Philip Krukenfellner
