Jste zde

Digitalizace a automatizace procesu recyklace odpadů

Antonín Vojáček, 15. Srpen 2023 - 19:24

Na blížícím se veletrhu EMO Hannover 2023 bude možné vidět mnoho zajímavých novinek i z oblasti digitalizace s využitím umělé inteligence. Jednou z nově cílených oblastí je i zjednodušení recyklace materiálů a produktů díky automatizaci s tzv. digitálním pasem obsahujícím informace produktu i jeho recyklovatelných částech.

Jaký je důvod digitalizace procesu recyklace?

Asi polovina plastového odpadu v Německu je energeticky recyklována, tedy prakticky spalována na výrobu energie. To vede nejen k přímým emisím CO₂, ale také ničí cenné dále potenciálně snadno znovu využitelné materiály. Například právě v případě plastů je možné je poměrně snadno s moderními technologiemi vytřídit a zpracovat jako recykláty. Vyřazené spotřebitelské produkty, jako elektronika, oblečení nebo obaly, se však ale stále častěji skládají z materiálů, které se obtížně třídí i recyklují. Jedním z problémů je i fakt, že výrobci, likvidační a recyklační společnosti si zatím dostatečně nevyměňují informace o designu výrobků a hodnotových řetězcích. Výrobcům proto často chybí informace o tom, jak zlepšit a hlavně automatizovat právě recyklovatelnost výrobků. Současně pak i odvětví odpadového hospodářství postrádá znalosti o množství a kvalitě očekávaných materiálových toků. Tento nedostatek informací brání logistickému a technologickému pokroku recyklačních procesů a efektivnímu opětovnému využití materiálů.

Moderní přístup pro budoucí rozvoj ekonomiky vyžaduje zlepšení recyklace a opětovného využití materiálů.

S aktuálním rychlým a širokým rozvojem různých technologií umělé inteligence AI a systémů hlubokého učení již je možné vyvinout digitální „soubor životního cyklu“, který zvýší transparentnost životních cyklů produktů a zlepší tak oběhové hospodářství. Soubor životního cyklu založený na cloudu umožňuje sdílet informace s výrobci i zpracovateli, aby se shromážděnými daty podpořil vývoj produktů se snadnější recyklací. Systém umělé inteligence navíc může kombinovat data ze souboru životního cyklu s daty senzorů z vysoce efektivního třídicího systému, čímž se bude zlepšovat přesnost a efektivita procesu třídění. V důsledku toho by bylo možné očekávat méně zmetků a vyšší kvalitu produktu. Kromě toho se vyvíjí nástroj efektivního využívání zdrojů, který porovnává různé varianty designu produktů, hodnotových řetězců a recyklačních procesů a optimalizuje je z ekologického a ekonomického hlediska.

Recyklační projekt ReCIrcE

ReCIrcE je název projektu vybraného německým spolkovým ministerstvem životního prostředí, který má za cíl realizovat digitální záznam životního cyklu pro cirkulární ekonomiku, pro transparentní návrh materiálových cyklů a optimalizaci třídění odpadu pomocí umělé inteligence.

Cílem je tedy využít AI ke zprůhlednění materiálových cyklů a tím k optimalizaci separace odpadu a digitální evidence životního cyklu (tzv. produktový pas). To má právě realizovat nástroj ReCircE, který má být zpřístupněn jako open source po skončení projektu letos v září 2023. Ten má umožnit zprůhlednit celý materiálový řetězec složitého produktu, jako je například pračka. Algoritmy strojového učení mají navíc co nejvíce pomoci separovat odpad podle typu. Tímto způsobem se konsorcium společností a výzkumných institucí snaží zlepšit recyklaci produktů s vysokou rozmanitostí materiálů.

Digitální produktový pas v cloudu

Cloudový záznam v podobě tzv. digitálního produktového pasu životního cyklu DLCP (Digital LifeCycle Passport), který je vytvořen a otestován právě v ReCircE projektu, má uchovávat všechny související informace o produktu a jeho životním cyklu. Již během samotného výrobního procesu tedy mají být ze souboru životního cyklu uloženy informace o použitých materiálech a jejich vlastnostech, aby je bylo možné znovu snadno vyčíst / identifikovat a použít je pro zlepšení a zefektivnění procesu třídění, recyklace a materiálového zhodnocení. Tedy něco zhruba podobného jako dnešní moderní systémy záznamu o provozním cyklu automobilů, kde si může případný kupující ojetého staršího vozidla nechat vyjet „životopis“ vozu, kde vidí, jak s ním bylo nakládáno (zda bylo havarované, či správně servisované), aby si nekoupil něco nečekaného.

DLCP (Digital LifeCycle Passport) jsou uloženy ve formátu AASX, což je oficiální formát pro poskytování schránky pro správu aktiv a poskytují tak standardizovaný formát ukládání informací.

Cílem je tedy nejdříve vygenerovat DLCP (Digital LifeCycle Passport) při vzniku produktu, následně ho doplňovat při jeho provozu a případných opravách až následně tato data využít pro systémy efektivního třídění využívající strojové učení a sestavy různých moderních senzorů ke zvýšení materiálové efektivity v cyklu recyklovatelných materiálů.

Projekt ReCircE proces s digitálním produktovým pasem (DLCP) v zásadě rozděluje do následujících třech úrovní:

1. Síťování informací v průběhu životního cyklu produktu: DLCP spojuje výrobce a jednotným postupem zajišťuje a zjednodušuje komunikaci mezi aktéry. Díky integraci umělé inteligence lze zpětnou vazbu analyzovat a předvídat prostřednictvím zásahů aktérů. Výrobci tak mají možnost zapracovat zkušenosti z recyklace do svého dalšího vývoje produktu. Likvidátoři a recyklátoři zase mohou lépe přizpůsobit procesy třídění a recyklace, pokud vědí, co je v produktech obsaženo.
2. Třídění a recyklace odpadu na inteligentním základě: Pro třídění odpadu se projekt opírá o digitalizovaný systém třídění na bázi senzorů. Používají se senzory, které lze libovolně kombinovat (např. pro rozpoznávání barev a tvarů, detektory kovů a blízké infračervené senzory). Na základě informací z DLCP a použitých senzorů je pak proces třídění krok za krokem optimalizován. Za tímto účelem jsou pomocí metod strojového učení vytvářeny rozhodovací modely AI, které umožňují automatické generování specifických třídicích pravidel s přihlédnutím k základním informacím, jako je nekompatibilita materiálů. Očekává se, že tyto metody založené na datech výrazně zlepší proces recyklace.
3. Optimalizace materiálových cyklů pro větší efektivitu zdrojů: Cílem je integrovat data z DLCP a inteligentního třídění do metodiky hodnocení účinnosti zdrojů. To by mělo umožnit optimalizaci v rámci celého životního cyklu a všech relevantních zdrojů. Za tímto účelem mají být různé varianty designu produktu, hodnotových řetězců a recyklace optimalizovány v nástroji ve smyslu udržitelného ekologického a ekonomického řízení materiálových cyklů. Například by mělo být možné předem odhadnout, jaká kvalita třídění je možná ve srovnání s ekonomickým a ekologickým úsilím.

DLCP jsou podle National Institute of Standards and Technology (NIST) uloženy v hybridním cloudu a mohou být vytvořené, načtené a spravované prostřednictvím webové aplikace. Cloudová infrastruktura se skládá z komunitního cloudu a veřejného cloudu. Umožňuje všem relevantním aktérům s DLCP komunikovat na principu založeném na sofistikovaném konceptu rolí. Vytvoření různých rolí, jako např. architekt DLCP, poskytovatel DLCP, analytik DLCP, cloudový zákazník a cloudový zákazník, umožňuje realizovat detailně definovaná přístupová práva.

Struktura DLCP cloudového systému.

DLCP jsou uloženy ve formátu AASX, což je oficiální formát pro poskytování schránky pro správu aktiv, jako jsou soubory. Pro čtení a zápis souborů AASX je k dispozici sada nástrojů s názvem AASX server. Externí server AASX je integrován do cloudové platformy prostřednictvím REST API. Webová aplikace pak poskytuje uživatelské rozhraní AASX serveru, které před uživateli skrývá složitost AASX syntaxe. To umožňuje uživatelům snadno a efektivně vytvářet a spravovat DLCP.

Komunikaci mezi hybridním cloudem a cloudovou infrastrukturou zajišťuje middleware. DLCP Broker umožňuje zahrnutí externích DLCP prostřednictvím registru. Kromě toho lze pro DLCP zpřístupnit externí analytické a optimalizační služby od poskytovatelů třetích stran pomocí REST a zprostředkovatele služeb. Uživatelé mohou komunikovat s těmito službami třetích stran prostřednictvím webové aplikace. Příklady zahrnují službu hodnocení životního cyklu (openLCA) a službu rozhodování o třídění implementovanou pro případ použití, která je popsána v další části. Do budoucna jsou plánována další rozhraní v middlewaru pro připojení externích cloudů i strojů.

Propojení DLCP s fyzickým objektem

Existuje několik způsobů jak propojit DLCP s odpovídajícím fyzickým objektem. Pro první implementaci v případě, že fyzický objekt již existuje, je identifikován pomocí detekce objektů na základě strojového učení. S jeho pomocí je zvolena kategorie objektu a na jeho základě může být vystaven odpovídající DLCP. Tento přístup je však proveditelný pouze pro poměrně malý počet kategorií objektů. Pokud je třeba identifikovat mnoho různých typů objektů, jsou vhodnější řešení založená na markerech, jako jsou optické markery (např. QR kódy), RFID, chemické markery nebo přístupy založené na vodoznaku. Neexistuje žádné řešení, které by vyhovovalo všem odvětvím nebo produktům. Která technologie identifikace je nejvhodnější, závisí na požadavcích aplikace.

Příklad třídicí linky využívající DLCP

Efektivnost a důležitost DLCP lze ukázat na případu použití na třídicím stroji. Ten demonstruje, že DLCP může zlepšit procesy třídění odpadu. Systém DLCP je zde zkombinován s detekcí objektů využívající AI pro třídění odpadu z elektrických a elektronických zařízení (WEEE) na multisenzorovém třídiči. Kombinace těchto dvou typů informací umožňuje individuální rozhodnutí o třídění, které by bez DLCP nebylo možné.

Příklad moderní třídící linky pro recyklaci.

Multisenzorová třídicí jednotka je vybavena třemi senzory pro detekci vlastností objektů. Kamery RGB line scan detekují barvy ve viditelném spektru světla, zatímco hyperspektrální infračervená kamera (NIR) je schopna rozlišit materiálové charakteristiky polymerů, jako jsou plasty, papír nebo dřevo. Indukční senzor se používá k detekci kovů a jiných vodivých materiálů. U této první implementace jsou snímky z RGB kamery přiváděny do detektoru objektů na bázi neuronové sítě, která rozpoznává typ každého tříděného zařízení. V budoucnu budou zahrnuta data i z NIR senzorů a detektorů kovů.

Příklad použití moderního třídění rozdělený do dvou kroků:

Krok 1: Elektronické produkty s ukončenou životností specifikované německým nařízením ElektroG collection group 5, jako jsou routery, síťové přepínače, telefony, mobilní telefony a navigační zařízení jsou přiváděny do třídícího kroku 1, který odděluje nebezpečné materiály od zdravotně nezávadných. Zařízení, která obsahují problematické nebo nebezpečné látky nebo součásti, musí být před dalším zpracováním předem upravena. Jsou tedy vyhazována a přiváděna do následného specifičtějšího třídění. V tomto případě použití jsou vysunutá zobrazovací zařízení, jako jsou chytré telefony nebo navigační zařízení GPS. Ty jsou obvykle určeny pro mobilní použití a pravděpodobně obsahují baterie, které je podle německého práva (ElektroG) nutné před dalším zpracováním vyjmout. Ostatní tříděné produkty prochází systémem a jsou směrovány do procesu ruční demontáže nebo automatického rozmělňování. Technicky se pak v tomto kroku využívá fotek z třídicího systému, které jsou přiváděny do neuronové sítě, která detekuje typ produktů. Rozpoznaná kategorie zařízení se používá k dotazu na cloudovou platformu pro příslušný DLCP. Informace, zda toto zařízení pravděpodobně obsahuje baterii, je extrahována a odeslána zpět do třídiče, který pak může tato zařízení roztřídit.
Krok 2 se pak následně zaměřuje na oddělení předmětů vysoké hodnoty, jako jsou chytré telefony, od ostatních zařízení s bateriemi, aby byly ošetřeny poloautomatickým procesem vyjmutí baterie. Zbývající tok produktů, tj. například zbytek zobrazovacích zařízení, je přiváděn do odděleného ručního vyjmutí baterie před ručním nebo automatickým zpracováním. Oddělené složky a materiály z různých proudů jsou pak roztříděny do prodejných frakcí. Technicky pak v tomto kroku poté, co byl typ zařízení detekován neuronovou sítí, poskytuje DLCP informace o koncentraci zlata a dalších cenných materiálů v daném předmětu. Podle těchto informací se rozhoduje o dalším následném třídění, například na zmíněná zařízení s vysokou hodnotou (ta, která obsahují značné množství zlata) a zařízení s nízkou a střední hodnotou. Následné fyzické třídění na třídicím stroji probíhá podle těchto informací.

Blokový diagram příkladu třídění rozděleného do dvou kroků (Sorting Step 1 a Sorting Step 2).

Závěr

Cílem ReCircE je umožnit třídění tak, aby se zvýšil podíl recyklátu v obalech. V projektu se již přímo v aplikaci testuje vylepšené třídění plastového odpadu pomocí metod třídění na bázi AI. Na jedné straně tento pilotní projekt v plastikářském průmyslu ukazuje potenciál AI pro oběhové hospodářství, na druhou stranu výsledky projektu má plánovaná pracovní skupina „Digital Life Cycle File“ přenést i do jiných sektorů. Kromě toho bude nástroj pro efektivní využívání zdrojů zveřejněn jako open source a proto jej budou moci používat a dále rozvíjet všechny zainteresované strany.