TY - THES

T1 - Kurzschlusserkennung in der Kupferelektrolyse durch neuronale Netzwerke

AU - Lindthaler, Matthias

N1 - gesperrt bis null

PY - 2020

Y1 - 2020

N2 - Diese Arbeit befasst sich mit den Vor- und Nachteilen der Digitalisierung und insbesondere mit den Problemen der Einführung dieser Konzepte in der Nichteisenindustrie. Um verschiedene Optimierungspotentiale aufzuzeigen, erfolgt die Vorstellung einiger bestehender Konzepte anderer Branchen. Anhand einiger Beispiele werden die Einführung eines digitalen Zwillings, der Einsatz von Softsensoren, die Endpunktbestimmung in Schmelzöfen, die Vorhersage von Stahleigenschaften und die Vorhersage der Stromausbeute bei der Kupferraffinationselektrolyse, die zur Herstellung von hochreinem Kupfer eingesetzt wird, diskutiert. Der wichtigste Parameter für die Bestimmung des Wirkungsgrades ist die Stromausbeute, die jedoch durch die Bildung von Kurzschlüssen erheblich negativ beeinflusst wird. Aus diesem Grund werden hier bestehende Möglichkeiten zur Ermittlung dieses Parameters und ein neues Konzept vorgestellt, das auf der Auswertung von Wärmebildern mittels neuronaler Netze basiert. Zu diesem Zweck wurden die Entwicklung dieses Modells und die theoretischen Grundlagen zur Klassifikation und Objekterkennung in Bildern entwickelt. Die Schwierigkeit der bisher verwendeten Auswertungen verschiedener IR-Bilder in der Elektrolyse lag in der sehr engen Verteilung der Elektroden und war auch sehr stark von den Umgebungsbedingungen abhängig Mit Hilfe der verbesserten automatischen Erkennung können Kurzschlüsse im Durchschnitt zwölf Stunden im Voraus erkannt werden, was die Stromausbeute der Elektrolyse erhöht.

AB - Diese Arbeit befasst sich mit den Vor- und Nachteilen der Digitalisierung und insbesondere mit den Problemen der Einführung dieser Konzepte in der Nichteisenindustrie. Um verschiedene Optimierungspotentiale aufzuzeigen, erfolgt die Vorstellung einiger bestehender Konzepte anderer Branchen. Anhand einiger Beispiele werden die Einführung eines digitalen Zwillings, der Einsatz von Softsensoren, die Endpunktbestimmung in Schmelzöfen, die Vorhersage von Stahleigenschaften und die Vorhersage der Stromausbeute bei der Kupferraffinationselektrolyse, die zur Herstellung von hochreinem Kupfer eingesetzt wird, diskutiert. Der wichtigste Parameter für die Bestimmung des Wirkungsgrades ist die Stromausbeute, die jedoch durch die Bildung von Kurzschlüssen erheblich negativ beeinflusst wird. Aus diesem Grund werden hier bestehende Möglichkeiten zur Ermittlung dieses Parameters und ein neues Konzept vorgestellt, das auf der Auswertung von Wärmebildern mittels neuronaler Netze basiert. Zu diesem Zweck wurden die Entwicklung dieses Modells und die theoretischen Grundlagen zur Klassifikation und Objekterkennung in Bildern entwickelt. Die Schwierigkeit der bisher verwendeten Auswertungen verschiedener IR-Bilder in der Elektrolyse lag in der sehr engen Verteilung der Elektroden und war auch sehr stark von den Umgebungsbedingungen abhängig Mit Hilfe der verbesserten automatischen Erkennung können Kurzschlüsse im Durchschnitt zwölf Stunden im Voraus erkannt werden, was die Stromausbeute der Elektrolyse erhöht.

KW - neuronale Netzwerke

KW - Digitalisierung

KW - Industrie 4.0

KW - Kurzschlusserkennung

KW - Thermoaufnahmen

KW - Kupfer-Elektrolyse

KW - Steigerung der Stromausbeute

KW - neural networks

KW - digitization

KW - industry 4.0

KW - short circuit detection

KW - thermal imaging

KW - copper electrolysis

KW - increasing current efficiency

M3 - Masterarbeit

ER -