Scholarlink

Bereits in den 1970-er Jahre begann die Sammlung von Altglas ( https://www.bmuv.de/themen/wasser-ressourcen-abfall/kreislaufwirtschaft/abfallarten-abfallstroeme/altglas (Zugriff am 28.07.2023)) und kaum ein anderes Material wird bis zu 90% recycelt. Dies dürfte der Grund sein, warum seit 2016 an jedem dritten September bundesweit der Glasrecyclingtag gefeiert wird (Giese 2023). Die Menge der Glasproduktion in Deutschland betrug allein im Jahr 2021 laut dem Umweltbundesamt (2022) über 7.5 Mio. Tonnen. Für das Recycling stehen ca. 300.000 Glascontainer zur Verfügung, die regelmäßig entleert werden müssen. Ein innovativer Ansatz zur Bewältigung des Abfallaufkommens ist die sensorgestützte Erfassung der Füllstände und darauf aufbauend eine datengestützte und zukünftig effizientere Tourenplanung. Dieser Beitrag beinhaltet die Analyse von Füllständen unter Berücksichtigung verschiedener Einflussfaktoren, die mithilfe eines künstlichen neuronalen Netzes, dem Self-Enforcing Network, ermittelt werden. Anhand von zwei Beispielen wird aufgezeigt, welche Einflussfaktoren die Füllstände in einem Zeitraum beeinflussen und wie zukünftig damit umgegangen werden kann.

错误：搜索内容不能为空，请输入英文关键词
错误：关键词超出字数限制，请精简
高级检索

Analyse sensorgestützter Erfassung der Füllstände in Glascontainern mit einem Self-Enforcing Network

  • 章节

  • 发表日期：

    2025年

查看全文
  • Alina Glomp,
  • Meryem Schöck

摘要

Bereits in den 1970-er Jahre begann die Sammlung von Altglas ( https://www.bmuv.de/themen/wasser-ressourcen-abfall/kreislaufwirtschaft/abfallarten-abfallstroeme/altglas (Zugriff am 28.07.2023)) und kaum ein anderes Material wird bis zu 90% recycelt. Dies dürfte der Grund sein, warum seit 2016 an jedem dritten September bundesweit der Glasrecyclingtag gefeiert wird (Giese 2023). Die Menge der Glasproduktion in Deutschland betrug allein im Jahr 2021 laut dem Umweltbundesamt (2022) über 7.5 Mio. Tonnen. Für das Recycling stehen ca. 300.000 Glascontainer zur Verfügung, die regelmäßig entleert werden müssen. Ein innovativer Ansatz zur Bewältigung des Abfallaufkommens ist die sensorgestützte Erfassung der Füllstände und darauf aufbauend eine datengestützte und zukünftig effizientere Tourenplanung. Dieser Beitrag beinhaltet die Analyse von Füllständen unter Berücksichtigung verschiedener Einflussfaktoren, die mithilfe eines künstlichen neuronalen Netzes, dem Self-Enforcing Network, ermittelt werden. Anhand von zwei Beispielen wird aufgezeigt, welche Einflussfaktoren die Füllstände in einem Zeitraum beeinflussen und wie zukünftig damit umgegangen werden kann.