Wie lassen sich Metalllegierungen im Recyclingprozess schnell und zerstörungsfrei analysieren – und dabei nicht nur einer Materialklasse zuordnen, sondern ihre genaue Zusammensetzung bestimmen? Mit dieser Frage beschäftigt sich Helmand Shayan aus der Arbeitsgruppe Mathematik und Datenwissenschaften. Einen neuen Ansatz dafür stellte er auf der 25th IEEE Real Time Conference auf der italienischen Insel Elba in einem „Mini Oral“ und einer anschließenden Posterpräsentation vor.
Helmand Shayan ist wissenschaftlicher Mitarbeiter der von Prof. Dr. Markus Lange-Hegermann geleiteten Arbeitsgruppe Mathematik und Datenwissenschaften. Der gemeinsam mit Gözde Özden und Prof. Dr. Markus Lange-Hegermann verfasste Beitrag trägt den Titel „A Maximum Log-Likelihood Regression Approach for Quantitative Mixture Prediction in PGNAA Spectroscopy“.
Mischungsverhältnisse statt reiner Materialklassen
Im Mittelpunkt der Arbeit steht die Prompt Gamma Neutron Activation Analysis, kurz PGNAA. Das Verfahren ermöglicht eine zerstörungsfreie Analyse der elementaren Zusammensetzung von Materialien. Während klassische Klassifikationsverfahren Materialien festen Kategorien zuordnen, ist für gemischte Materialströme auch entscheidend, in welchem Verhältnis unterschiedliche Legierungen vorliegen.
Hier setzt der neue Ansatz an: Mit einer regressionsbasierten Maximum-Log-Likelihood-Methode bestimmt das Forschungsteam Mischungsverhältnisse auch aus kurzen und statistisch verrauschten Messungen. Grundlage sind synthetische Mischungen, die aus Referenzspektren verschiedener Legierungen erzeugt werden.
Die Ergebnisse zeigen eine hohe Genauigkeit: Bei Aluminium-Kupfer-Mischungen und einer Messdauer von nur 1,5 Sekunden wichen 98 Prozent der Vorhersagen um weniger als zwei Prozent vom tatsächlichen Mischungsanteil ab. Auch bei weiteren Legierungskombinationen erwies sich das Verfahren als robust. Damit schafft die Arbeit eine Grundlage für die schnelle und zerstörungsfreie Online-Analyse von Metallströmen.
„Für das Metallrecycling ist es wichtig, Mischungsverhältnisse schnell und präzise bestimmen zu können. Unsere Ergebnisse zeigen, dass das selbst mit sehr kurzen Messungen möglich ist. Damit kommen wir einer automatisierten Online-Analyse von Metallströmen einen wichtigen Schritt näher“, sagt Helmand Shayan.
Von Echtzeit-KI bis zu Teamkultur und Vernetzung
Die IEEE Real Time Conference bringt Forschung und Industrie rund um Technologien zur Echtzeit-Datenverarbeitung zusammen. Das wissenschaftliche Programm reichte von schneller Elektronik und Datenerfassung über Monitoring und digitale Zwillinge bis hin zu künstlicher Intelligenz und maschinellem Lernen.
Bereits vor dem offiziellen Konferenzstart bot ein zweitägiges Pre-Conference-Programm praktische Einblicke in KI für eingebettete Systeme. In Hands-on-Workshops beschäftigten sich die Teilnehmenden unter anderem damit, neuronale Netze mithilfe von Open-Source-Tools auf Spezialhardware wie FPGAs umzusetzen. Ergänzt wurde das Fachprogramm durch Austausch- und Netzwerkformate. Beim Women-in-Engineering-Event standen unter anderem Teamkultur, Leistungsdruck und Work-Life-Balance in der Forschung im Mittelpunkt.
„Die Konferenz war fachlich sehr breit aufgestellt und hervorragend organisiert. Besonders spannend fand ich die Verbindung aus aktuellen Forschungsthemen, praxisnahen Workshops und dem direkten Austausch zwischen Wissenschaft und Industrie“, resümiert Helmand Shayan.
Autorin: Mona Marie Brinkmann