Meer materialen herwinnen met AI en data

Elke lading afval die op de transportband in recyclagebedrijven landt is anders. Die complexiteit maakt het er niet makkelijker op om tot heel zuivere stromen en dus meer waardevolle materialen te komen. Maar de komst van artificiële intelligentie (AI) opent deuren om materialen die binnenkomen te analyseren voor een betere kwaliteit aan het einde van de lijn. Een kolfje naar de hand van de technologie van AMP Robotics.

De complexiteit van gemengde materialenstromen is al jaren een uitdaging in de recyclage-industrie. Dat maakt het moeilijk om nauwkeurig data te capteren en inzicht te krijgen in wat er binnenkomt en buitengaat in de verschillende verwerkingsstappen. Audits en de manuele observaties zijn slechts momentopnames in een verwerkingsfaciliteit (MRF). Periodieke audits zijn uiteraard waardevol maar geven slechts inkijk in een sample uit de volledige materialenstroom. Daarenboven zijn ze duur, tijdrovend, niet zonder veiligheidsrisico’s en snel bijgehaald door veranderingen in de markt. in een circulaire economie zijn MRF’s hubs waarin het materiaal samenkomt. Gemengde materiaalstromen gaan naar binnen, na sorteren komen er grondstoffen en reststoffen uit. Als je niet weet wat er binnenkomt, dan is het moeilijk om de processen te sturen en aan te passen in functie van variaties in het materiaal. De industrie heeft daarom MRF’s gebouwd die brede toleranties kennen voor de specificaties van ingaande stromen die dan uiteindelijk in beperkt vermarktbare producten omgezet worden. Het resultaat is te veel residu en producten met een te lage waarde. Materiaal aan het begin van de band te karakteriseren, zou een enorme opportuniteit zijn om de functie als hub te verbeteren.

Begrijpen hoe een materiaalstroom eruit ziet is de sleutel om meer materialen voor hergebruik te recupereren. De gegenereerde data kunnen de efficiëntie verhogen en recyclaat beter laten aansluiten bij de rest van de waardeketen.  Om die data te genereren en te capteren, is er nood aan AI. Visiegebaseerde AI software kan objecten in een afvalstroom in real-time identificeren en karakteriseren, door elk item dat passeert te digitaliseren. Dit wordt dan een datastroom, waarin informatie wordt bijgehouden over het aantal objecten, beschrijving van de verpakking … AMP Robotics heeft al honderden robots en sensoren geïmplementeerd die miljoenen tot miljarden objecten verwerken op de transportbanden van MRF’s. Hierdoor wordt er bijgedragen tot het geautomatiseerd en continu karakteriseren van materiaal. Hoe meer robots geïnstalleerd worden, hoe meer de industrie kan profiteren van deze genetwerkte intelligentie. Het netwerkeffect verhoogt dus de sorteerintelligentie. Als er een uitdagend nieuw verpakkingstype of materiaal opduikt, dan wordt de AI snel getraind om het object te identificeren. Deze kennis wordt dan verspreid over de volledige robotvloot. 

MRF’s kunnen met deze data aan de slag om ingaande en uitgaande kwaliteit te verbeteren. Door de data van de materiaalstromen grafisch te vergelijken met historische data; door de drempels vast te leggen voor volumes van bepaalde materialen en alarmen in te stellen wanneer we daar boven of onder blijven; door data te exporteren voor verdere analyse en te integreren in intelligente platformen … De realtime monitoring en analyse van de materiaalstromen zorgt voor inzichten in en feedback over materiaalstromen. Met tastbare data kunnen verwerkers duidelijk communiceren met partners of medewerkers, bijvoorbeeld over:

– Hoeveel contaminatie komt er de productie binnen en uit welke bronnen?
– Hoe veel waardevolle materialen gaan er nog verloren als residu?
– Kan ik een hogere prijs krijgen met data die de kwaliteit en de kwantiteit van het materiaal in de balen aantoont?

Aan potentiële toepassingen dus geen gebrek. Vandaag spitsen de meeste zich toe op gerobotiseerd sorteren en diagnose-analyse met stand-alone sensoren. Naarmate er meer sensoren hun intrede doen, kan AMP MRF’s helpen om een datagedreven verwerker te worden om kosten te reduceren en de inkomsten te verhogen. Maar die data kan ook dienen om het ontwerp van nieuwe MRF’s op af te stemmen. AMP’s toepassing van AI heeft bedrijven al in staat gesteld om secundaire sorteerstations in te richten die economisch uit te baten zijn, bijvoorbeeld om kleine volumes van gemengde kunststoffen, papier of metalen verder uit te sorteren. Betere data en betere capteertechnologie brengen ongeziene mogelijkheden om de kwaliteit, de flow en de recuperatie van specifieke containers en verpakkingen te begrijpen. De technologie van AMP kan producenten helpen om initiatieven te nemen voor een hogere recyclagegraad en nieuwe waardestromen te creëren voor recycleerbare materialen. De sensoren die steeds bredere toepassing krijgen binnen MRF’s kunnen de honger naar data stillen voor een uitgebreide rapportage rond terugwinningspercentages. Datacaptatie, meting en materiaalkarakterisering voor recyclage creëren een mechanisme om ook aan wetgevende verplichtingen rond recycled content tegemoet te komen en te evolueren naar een meer circulaire economie.