Research publications

03.01.2024

Innovative Verfahren für das Recycling von textilen Bodenbelägen

Nonwovens Recycling Circular economy Technical Textiles Interior Textiles

Abstract

Im Rahmen des Projekts ist das Ziel, Chemiefasern thermochemisch zu recyceln und eine stoffliche Nutzung zu erzielen, anhand von Bodenbelägen als Beispiel. Zu diesem Zweck wird ein materialspezifischer pyrolytischer Prozess entwickelt, um die Bestandteile der Bodenbeläge zu depolymerisieren. Die gewonnenen Öle aus der Pyrolyse werden gereinigt, um Monomere zu gewinnen, die anschließend polymerisiert werden. Zum Schluss werden Filamente ausgesponnen und zu einem Nadelvliesbodenbelag verarbeitet.

Report

Einleitung:

Es wird geschätzt, dass weltweit weniger als 3 % des Materials, das zur Herstellung von Kleidung verwendet wird, zu neuen Kleidungsstücken recycelt wird. Derzeit werden in der EU-Sammelquoten für Textilabfälle auf 25 % geschätzt; aber zwischen den Mitgliedstaaten bestehen große Unterschiede. Die überarbeitete Abfallrahmenrichtlinie ((EU) 2018/851) verpflichtet die Mitgliedstaaten, bis zum 1. Januar 2025 separate Sammelsysteme für Textilabfälle einzurichten. Die Richtlinie (Artikel 11 Absatz 6) fordert auch die Kommission auf, bis Dezember 2024 die Definition von Zielen für die Wiederverwendung und das Recycling von Textilabfällen zu prüfen. Um ambitionierte Ziele für die Wiederverwendung und das Recycling von Textilien zu erreichen und ein effektives Recycling in industriellen Maßstäben zu ermöglichen, müssen sich Unternehmen in der gesamten Wertschöpfungskette, von der Faserproduktion bis zum Recycling von Textilien vorbereiten und insbesondere bei der Lösung bestehender Engpässe unterstützt werden.[1]

Textile Bodenbeläge sind ein solches Textilprodukt und werden üblicherweise aus synthetischen Fasern und Garnen, z.B. Polyamiden (PA), Polyethylenterephthalat (PET) und Polypropylen (PP) durch Weben, Tuften oder Nadeln gefertigt. Dazu werden verschiedene Komponenten kombiniert und zu Verbundstoffen verarbeitet. Thermomechanische Recyclingverfahren wie das “Regranulieren” sind für diese textilen Bodenbeläge aufgrund der Verbundstruktur nicht anwendbar. Textile Bodenbeläge werden bisher verbrannt (energetische Verwertung). Die trägt zu weiteren CO2-Emissionen und vernichtet den Werkstoff. Zusätzlich ist die deutsche Wirtschaft von einer schärfer werdenden Knappheit fossiler Rohstoffträger und Materialien wie Erdöl und Kunststoffe betroffen. Der Wechsel zu erneuerbaren und kreislauffähigen Kohlenstoffquellen auf Basis von CO2 oder Biomasse sowie Recycling bietet die Möglichkeit, die Versorgungssicherheit aufrecht zu erhalten und gleichzeitig die Umwelt zu schonen.

Problemlösung:

Ziel des Projektes ist es, polymerhaltige textile Bodenbeläge pyrolytisch zu depolymerisieren, Produktöle der Pyrolyse zu reinigen und wieder die gewonnenen Monomere zu Kunststofffasern und textilen Bodenbelägen zu verarbeiten, wie in Abbildung 1 dargestellt.

Es wird erstmalig ein Prozess für das thermo-chemische Recycling textiler Bodenbeläge mit derzeitigem Design und den Qualitäten aus Abfällen bei der beim TEER entwickelt. Dazu werden abfallstämmige textile Bodenbeläge aus Produktion sowie aus zurückgebauten Gebäuden beprobt und laboranalytisch charakterisiert. Im Anschluss werden die Materialien im halb-technischen Maßstab mittels Pyrolyse thermochemisch zersetzt. Bei der thermischen Fragmentierung des Materials entstehen Kohlenwasserstoffe, welche bei Raumtemperatur zu einem ölartigen Produkt kondensiert werden können. Aus diesen Produktölen können u. a. Caprolactam, das Monomer für PA6 sowie weitere Grundchemikalien gewonnen werden.

Durch eine Anlage im Entwicklungsmaßstab, die von der NAUE GmbH konstruiert und gefertigt wird, werden die Pyrolyseöle aufgereinigt und hochwertige, fraktionierte Vorprodukte für die Polymersynthese gewonnen. Anschließend, werden am ITA aus den identifizierten chemischen Verbindungen und Vorprodukten thermoplastische Polymere synthetisiert und daraus Filamente für die Stapelfaserherstellung ausgesponnen.

Die Stapelfasern werden schließlich zu einem Nadelvliesbodenbelag bei der FINDEISEN GmbH weiterverarbeitet und ein Demonstrator aus anteilig recycelten textilen Bodenbelägen hergestellt, um den Stoffkreislauf zu schließen.

Literatur:

[1]         Europäische Kommission, Generaldirektion Binnenmarkt, Industrie, Unternehmer-tum und KMU, Duhoux, T., Maes, E., Hirschnitz-Garbers, M., et al., Study on the technical, regulatory, economic and environmental effectiveness of textile fibres re-cycling : final report, Publications Office, 2021, URL: https://data.eu-ropa.eu/doi/10.2873/828412

Authors: Laura Barbet, Stefan Schonauer, Ingo F. C. Naue, Ralf Winter, Fabian Römer

Institut für Textiltechnik der RWTH Aachen (ITA), Otto-Blumenthal-Str. 1, 52074 Aachen

More entries from ITA Institut für Textiltechnik der RWTH Aachen University

15.05.2023

Google Lens in der Altkleidersortierung

Recycling Sustainability Circular economy Interior Textiles Fashion

Abstract

Die Textilindustrie steht vor enormen ökologischen Herausforderungen, die auf ein lineares Wertschöpfungsmodell zurückzuführen sind. Gegenwärtig fallen 7 bis 7,5 Millionen Tonnen textiler Reststoffe in der EU-27 und der Schweiz jährlich an - dies entspricht mehr als 15 Kilogramm pro Person. Die größte Quelle dafür sind entsorgte Kleidungsstücke und Heimtextilien von Verbrauchern - sie machen etwa 85 Prozent der gesamten textilen Reststoffe aus. Diese großen Mengen an textilen Reststoffen müssen sortiert und verarbeitet werden.

Google Lens ist eine Bilderkennungssoftware von Google, die auf maschinellem Lernen und künstlicher Intelligenz basiert. Mit Hilfe der Kamera eines Smartphones kann Google Lens Bilder von Objekten, Texten oder Landschaften erfassen, diese erkennen und interpretieren. Die Technologie ist in der Lage, eine Vielzahl von Objekten und Materialien zu identifizieren und auf entsprechende Webseiten zu verweisen.

In einer Versuchsreihe am Institut für Textiltechnik wurde der Einsatz von Google Lens in der Altkleidersortierung getestet. Dabei stand die Auswertung der Genauigkeit von Google Lens zur Erkennung von verschiedenen Merkmalen im Vordergrund. Insgesamt zeigen die Ausführungen in diesem Artikel, dass Google Lens noch keine adäquate Lösung für die automatisierte Auswertung in der Altkleidersortierung darstellt. Die Ausführungen zeigen allerdings auch Potentiale für die Weiterentwicklung der Technologie auf. Auch eine Kombination mit weiterer Sensorik (z. B. NIR) oder eigens entwickelten Algorithmen zur Bildauswertung ist vielversprechend.

Report

Abstract:

Die Textilindustrie steht vor enormen ökologischen Herausforderungen, die auf ein lineares Wertschöpfungsmodell zurückzuführen sind. Dieses kennzeichnet sich durch kurze Nutzungsdauern, eine geringe Wiederverwendungsquote und geringes Faser-zu-Faser Recycling der Textilien. So wird ein großer Teil der nicht wiederverwendbaren textilen Reststoffe deponiert oder energetisch verwertet. Die Alttextilien werden von Sortierbetrieben entweder für das Recycling oder für den Weiterverkauf vorbereitet. Hier benötigt es neue Technologien zur Merkmalserkennung von Textilien, um die manuellen Prozessschritte zu ersetzen und zu verbessern. Herausforderungen der bisher händischen Sortierung sind der Arbeitskräftemangel und die unzureichende Objektivität und Qualität der Sortierung. In diesem Artikel werden neue Lösungen zur Automatisierung der Merkmalserkennung ausgewertet.

Herausforderungen in der Altkleidersortierung

Gegenwärtig fallen 7 bis 7,5 Millionen Tonnen textiler Reststoffe in der EU-27 und der Schweiz jährlich an - dies entspricht mehr als 15 Kilogramm pro Person [HJL+22]. Die größte Quelle dafür sind entsorgte Kleidungsstücke und Heimtextilien von Verbrauchern - sie machen etwa 85 Prozent der gesamten textilen Reststoffe aus. Diese großen Mengen an textilen Reststoffen müssen sortiert und verarbeitet werden. Aktuell wird die von Verbrauchern aussortierte Kleidung in Altkleidercontainern entsorgt. Von dort aus werden sie in Sortierbetriebe transportiert, in denen jedes Kleidungsstück inspiziert und händisch in verschiedene Kategorien sortiert wird. Es wird beispielsweise zwischen Qualität oder Art des Materials unterschieden. Diese Schritte gilt es zu automatisieren, um die Anzahl der Fehlsortierungen zu reduzieren und die Limitationen der manuellen Sortierung zu überwinden. Die manuelle Sortierung von Altkleidern ist durch den Arbeitskräftemangel und die unzureichende Qualität stark limitiert. Es gibt erste Ansätze, um die Herausforderungen zur Merkmalserkennung der Textilien zu lösen. Durch Nahinfrarotspektroskopie kann beispielsweise das Material des Textils erkannt und identifiziert werden. Allerdings können mit der Technologie weitere wichtige Merkmale wie die Art des Kleidungsstücks, die Marke und der Zustand nicht analysiert werden. Für die Auswertung dieser Merkmale können allerdings Bildverarbeitungssysteme verwendet werden. Einen Ansatz für die Auswertung von Bildmerkmalen bietet die Software Google Lens.

Die Funktion von Google Lens

Google Lens ist eine Bilderkennungssoftware von Google, die auf maschinellem Lernen und künstlicher Intelligenz basiert. Mit Hilfe der Kamera eines Smartphones kann Google Lens Bilder von Objekten, Texten oder Landschaften erfassen, diese erkennen und interpretieren. Die Technologie ist in der Lage, eine Vielzahl von Objekten und Materialien zu identifizieren und auf entsprechende Webseiten zu verweisen. Die Suchergebnisse werden nach Relevanz und Ähnlichkeit mit dem Objekt auf dem Foto klassifiziert. [Taf21] Darüber hinaus kann Google Lens auch QR-Codes scannen und automatisch Webseiten öffnen, Adressen suchen und Termine in den Kalender eintragen. Die Software ist auch in der Lage, Texte in anderen Sprachen zu erkennen und zu übersetzen, was besonders nützlich für Reisende ist. Insgesamt bietet Google Lens eine schnelle und effektive Möglichkeit, visuelle Informationen zu interpretieren und zu nutzen, um den Benutzern eine bessere Erfahrung zu bieten. Diese Eigenschaften machen einen Einsatz von Google Lens in der Altkleidersortierung interessant. Die Software ist bereits mit einer großen Menge von Daten trainiert und ermöglicht einen gezielten Zugriff auf sämtliche im Internet vorhandene Informationen zu einem Kleidungsstück.

Google Lens für die Sortierung von Altkleidern

In einer Versuchsreihe am Institut für Textiltechnik wurde der Einsatz von Google Lens in der Altkleidersortierung getestet. Dabei stand die Auswertung der Genauigkeit von Google Lens zur Erkennung von verschiedenen Merkmalen im Vordergrund. In dem Versuch wurde die Informationsgewinnung durch den Einsatz von Google Lens in den folgenden sechs Merkmalen geprüft:

  • Typ des Textils bzw. Art der Bekleidung
  • Farbe
  • Material
  • Marke
  • Preisklasse
  • Geschlecht

Die Versuchsdurchführung ist in die folgenden drei Schritte aufgeteilt: Aufnahme von Bildern, Auswertung der Bilder mit Google Lens und Auswertung der fünf relevantesten Suchergebnisse hinsichtlich der sechs Merkmale. Die Aufnahme der Bilder erfolgt in einem statischen Versuchsaufbau. Die Textilien werden auf einem ebenen Untergrund ausgebreitet und von oben unter Beleuchtung fotografiert (siehe Abbildung 1). Für die Auswertung des Versuches werden die sechs Merkmale in definierte Ausprägungen eingeteilt (z. B. werden sechs Preisklassen definiert). Die Auswertung erfolgt anhand der ersten fünf von Google vorgeschlagenen Ergebnisse. Für die Vergleichbarkeit der Ergebnisse erfolgt eine Einteilung in ein Punktesystem: pro Textil wird je ein Punkt pro Merkmal und Treffer vergeben, wenn dieses Merkmal richtig erkannt wird, sodass pro Textil und Treffer maximal 6 Punkte zu vergeben sind. Ein Merkmal gilt als richtig erkannt, wenn die Information eindeutig aus dem Text auf der weitergeleiteten Webseite hervorgeht. Insgesamt werden 90 Textilien ausgewertet. Die Trefferquote wird als Quotient aus der erreichten Punktzahl und der maximal erreichbaren Punktzahl angegeben.

Zunächst erfolgt eine Auswertung des Einflusses des Alters eines Textils auf die Treffergenauigkeit: neuere Textilien erreichen eine Treffergenauigkeit von 32,96 %, wohingegen ältere Textilien (älter als 30 Jahre) eine Treffergenauigkeit von lediglich 22,58 % erreichen. Dieser Umstand ist auf die höhere Verfügbarkeit von Daten neuer Textilien zurückzuführen. Auch bei der Art der Textilien zeigen sich Unterschiede in der Auswertung: Heimtextilien weisen lediglich eine Trefferquote von 15,00 % auf, wohingegen Textilien in der Kategorie „Bluse/Hemd“ eine Trefferquote von 45,33 % aufweisen. Am besten wird die Art der Bekleidung erkannt (56,22 % Trefferquote), wohingegen die Marke nur zu 4,67 % erkannt wird. Dieser Umstand ist sowohl auf die große Ähnlichkeit verschiedener Marken als auch auf die teilweise nur geringe direkte Erkennbarkeit von Markennamen oder Logos zurückzuführen. Auch das Material wird nur zu ca. 13,11 % richtig erkannt, da dieses Merkmal nicht direkt visuell zu erkennen ist. Zuletzt bietet auch die Betrachtung der Unterschiede in Abhängigkeit der Relevanz der Treffer kein eindeutiges Ergebnis: beim ersten und relevantesten Treffer liegt die durchschnittliche Trefferquote bei 29,66 % und beim zweiten bis fünften Treffer ebenfalls zwischen 25,19 % und 32,09 %. Anzumerken ist allerdings, dass die Ergebnisse insgesamt nicht ausreichend sind. Für einen sinnvollen Einsatz der Technologie sind Trefferquoten von ca. 90-95 % erforderlich. So lässt sich insgesamt feststellen, dass Google Lens mit dem gewählten Versuchsaufbau und der gewählten Auswertelogik nicht für den Einsatz in der Altkleidersortierung geeignet ist.

 

Weiterentwicklung der Technologie

Eine Lösungsmöglichkeit zur Weiterentwicklung der Technologie liegt in der erweiterten Auswertung von Informationen. Zum Beispiel können zusätzlich auch Bilder auf der Webseite (z. B. Fotos von Etiketten) oder der Seitenquelltext ausgewertet werden. Außerdem ist die Einteilung der Merkmalskategorien kritisch zu prüfen, da diese einen erheblichen Einfluss auf die Auswertung hat. Weiterhin sind Änderungen am Versuchsaufbau denkbar: eine Lösung könnte z. B. in der Aufhängung von Textilien bestehen oder in der Änderung der Beleuchtung. Außerdem kann die Suche in Google Lens mit Texten verknüpft werden, sodass eine Suche näher eingegrenzt und mit zusätzlichen Sensoren verknüpft werden könnte. Diese Lösungsmöglichkeiten werden in weiteren Projekten und Versuchen am ITA weiterentwickelt.

Insgesamt zeigen die Ausführungen in diesem Artikel, dass Google Lens noch keine adäquate Lösung für die automatisierte Auswertung in der Altkleidersortierung darstellt. Die Ausführungen zeigen allerdings auch Potentiale für die Weiterentwicklung der Technologie auf. Auch eine Kombination mit weiterer Sensorik (z. B. NIR) oder eigens entwickelten Algorithmen zur Bildauswertung ist vielversprechend.

Bildunterschriften:

Abbildung 1: Aufbau des Versuches (eigene Darstellung)

Literatur:

[HJL+22]                       Hedrich, Saskia; Janmark, Jonatan; Langguth, Nikolai; Magnus, Karl-Hendrik; Strand, Moa:
Scaling textile recycling in Europe - turning textile waste into value: Juli 2022

[Taf21]                           Taffel, S.:
Google’s lens: computational photography and platform capitalism
Media, Culture & Society Band:43 (2021) H. 2, S. 237–25
5

Authors: Pohlmeyer, Florian* Johannsen, Hanna* Möbitz, Christian* Gries, Thomas* Kleinert, Tobias

*alle: Institut für Textiltechnik der RWTH Aachen University, Otto-Blumenthal-Str. 1, 52074 Aachen

Kleinert, Tobias (Lehrstuhl für Informations- und Automatisierungssysteme für die Prozess- und Werkstofftechnik der RWTH Aachen University, Turmstr. 46, 52064 Aachen)

More entries from ITA Institut für Textiltechnik der RWTH Aachen University

28.09.2022

Filterung von Abgasen von Holzfeueröfen auf Basis neuartiger textiler Filtersysteme

Sustainability Technical Textiles Interior Textiles

Abstract

Gasförmige und vor allem partikelförmige Emissionen aus handbeschickten Holzöfen haben einen nicht unerheblichen Anteil an der Luftverschmutzung in Deutschland. Vor allem ultra-feine Rußpartikel und organische Schadstoffe wie polyzyklische aromatische Kohlenwasserstoffe werden häufig in hohen Anteilen emittiert. Die Freisetzung dieser Schadstoffe hat negative toxikologische und klimatische Konsequenzen für Mensch und Umwelt. Andererseits gewinnen erneuerbare biogene Festbrennstoffe aufgrund der Knappheit fossiler Rohstoffe für die regenerative Wärmebereitstellung zunehmend an Bedeutung.

Report

In Anbetracht dieser Problemstellung forschen an der RWTH Aachen University das Institut für Textiltechnik (ITA) und das Lehr- und Forschungsgebiet Technologie der Energierohstoffe (TEER) gemeinsam mit der Skantherm GmbH & Co. KG und der Culimeta Textilglas-Technologie GmbH & Co. KG im Rahmen des FNR-Projekts „PartEX4Abholz“ an der Entwicklung eines neuen, hocheffizienten Abscheiders, der die partikelförmigen (festen und flüssigen) Emissionen aus dem Abgas von handbeschickten Holzöfen abscheidet und sequestriert. Der innovative Ansatz besteht in der Nutzung neuartiger Filtersysteme auf Basis textiler Strukturen.

Im Gegensatz zu den auf dem Markt erhältlichen E-Abscheidern erzeugt die zu entwickelnde Filterlösung nicht nur keine Rußflocken, es werden auch die groben Partikel durch das Filtersystem effizient im Filtermedium gespeichert. Außerdem wird eine hohe Abscheideleistung gegenüber flüchtigen und kondensierten organischen Substanzen erreicht. Die Herausforderung liegt dabei nicht nur in der Abscheidung der prozessimmanenten ultrafeinen (< 100 nm) Partikel durch Diffusionsabscheidung an sich, sondern vielmehr das Erreichen einer hohen und damit wirtschaftlichen Standzeit (hohe Speicherkapazität).

Unter Einsatz des neuen Filtersystems sollen die emittierten Partikel und Stäube von Holzfeueröfen gemäß dem Umweltzeichen "Der Blaue Engel" auf 15 mg/m³ reduziert werden. Mit ersten Projektergebnissen wird im ersten Quartal 2023 gerechnet.

Authors: Maryam Sodagar, M.Sc.

ITA Institut für Textiltechnik an der RWTH Aachen University, Otto-Blumenthal-Strasse 1, 52074 Aachen, Deutschland

More entries from ITA Institut für Textiltechnik der RWTH Aachen University