Műanyag hulladékból ipari minőségű újrahasznosított alapanyag: A mesterséges intelligencia forradalmasítja a feldolgozást

A K3I-Cycling projekt a mesterséges intelligencia (MI) alkalmazásával hoz áttörést a post-consumer műanyagok, például a sárga zsákból származó hulladékok szétválogatásában és feldolgozásában. A kezdeményezés célja, hogy a technológiai fejlesztések révén minőségi, megbízható és ipari felhasználásra alkalmas rezyklátumokat állítsanak elő.

A K3I-Cycling projekt célkitűzései és kihívásai

A K3I-Cycling kezdeményezés a műanyag csomagolási hulladékok mechanikai újrahasznosításának mennyiségi és minőségi javítását tűzte ki célul. A projektet a német Szövetségi Oktatási és Kutatási Minisztérium (BMFTR) támogatja, és összesen 16 partner bevonásával valósul meg. Közöttük kiemelkedő szerepet vállal a darmstadti Fraunhofer Intézet (Fraunhofer-Institut für Betriebsfestigkeit und Systemzuverlässigkeit LBF), valamint a Lobbe GmbH & Co. KG.

A vegyes könnyűcsomagolási hulladékok (LVP) rendkívül kihívást jelentő nyersanyagforrást képviselnek. Ennek oka, hogy összetételük erősen ingadozik, a szennyeződések és a különböző öregedési állapotok pedig jelentősen befolyásolják a kinyert újrahasznosított anyagok végső minőségét.

Valós anyagvizsgálat és gépi tanulás ötvözése a K3I-Cycling keretében

A Fraunhofer LBF vezeti a „Recycling und Rezyklat-Herstellung” (Újrahasznosítás és rezyklátum-előállítás) nevű munkacsoportot. A kutatók egy olyan eszköztárat fejlesztenek, amely az újrahasznosított anyagok értékelésére és utólagos stabilizálására szolgál. A kutatások keretein belül a laboratóriumi és kísérleti léptékű rezyklátum-előállítás, az anyagtulajdonságok értékelése, valamint az adalékanyag-csomagok kifejlesztése áll a középpontban. Ez utóbbiak közé tartoznak a bioalapú stabilizátorok is, amelyek célzottan javítják a rezyklátumok tulajdonságait.

A Fraunhofer LBF a valós anyagvizsgálatot ötvözi a gépi tanulással. A poliolefin rezyklátumokat az öregedési állapotuk és a szennyeződések alapján osztályozzák, majd minőségi klaszterekbe sorolják őket. Így megbízható anyagminőségi szintek jönnek létre, amelyek új szabványokba és digitális termékútlevelekbe is beépíthetők.

Az Artificial Neural Twin (ANT) technológia

Az olyan ipari szereplők számára, mint a csomagolóanyag-gyártók, az újrahasznosítók, a márkatulajdonosok és az önkormányzatok, kulcsfontosságúak a megbízható mutatószámok. Annak érdekében, hogy a rezyklátumok szigorú követelményeket támasztó alkalmazásokban – akár élelmiszerekkel érintkező csomagolásoknál – is felhasználhatók legyenek, a projekt kifejlesztette az úgynevezett Artificial Neural Twin (ANT) rendszert.

Ez a technológia leképezi a teljes válogatási és feldolgozási láncot, a hulladékgyűjtéstől egészen a rezyklátum végfelhasználójáig. Az ANT lehetővé teszi a teljes értéklánc egyes paramétereinek – például a tisztaságnak, a rövid logisztikai útvonalaknak vagy az alacsonyabb áraknak – a célzott optimalizálását.

Tűzvédelem és a DangerSort szerepe

A mesterséges intelligenciát nemcsak az anyagminőség javítására, hanem a válogatóberendezések védelmére is alkalmazzák. A DangerSort nevű rendszer MI segítségével képes biztonságosan felismerni és automatikusan eltávolítani a lítium-ion akkumulátorokat a válogatósorról, még mielőtt azok tüzet okoznának. A DangerSort rendszert a gyakorlatban is tesztelik a Lobbe iserlohni LVP-válogatóüzemében. Ez a technológia a berendezések üzembiztonságát növeli, megelőzve az esetleges katasztrófákat és leállásokat.

Jövőbeli kilátások és európai körkörös gazdaság

Az ipar és az önkormányzatok egyaránt profitálnak a megbízhatóbb döntési alapokból és a hibatűrő rendszerekből. Az eredmények elősegítik az újrahasznosítási kvóták gazdaságos teljesítését, a CO2-kibocsátás mérhető csökkentését, valamint a másodlagos nyersanyagok stabil ellátását. A virtuális fejlesztés és a valós ipari validáció összekapcsolásával a projekt egy rugalmasabb, ellenállóbb európai körkörös gazdaságot épít fel.

GYIK

Kik vesznek részt a projektben?

A kezdeményezésben összesen 16 partner dolgozik együtt, a kutatást a német Fraunhofer LBF intézet vezeti a német Szövetségi Oktatási és Kutatási Minisztérium (BMFTR) támogatásával.

Mi a célja az Artificial Neural Twin (ANT) rendszernek?

Az ANT egy digitális rendszer, amely a teljes hulladékválogatási és feldolgozási láncot modellezi, így célzottan optimalizálható az alapanyagok tisztasága, az ár és a logisztika.

Hogyan védi a válogatóüzemeket a DangerSort?

A DangerSort rendszer mesterséges intelligenciát használ a hulladékban rejlő lítium-ion akkumulátorok felismerésére és kiválogatására, ezzel megelőzve az üzemekben keletkező tűzeseteket.

🔗 Hivatalos források és hivatkozások: 👉

• Eredeti forrás: Fraunhofer LBF Sajtóközlemény

• Hivatalos/állami oldal: KI-Anwendungshub Kunststoffverpackungen (BMBF támogatási felület)

• A kép illusztráció!