Zwiększanie opłacalności recyklingu dzięki sztucznej inteligencji: wnioski z badań NIST

Recykling może być znaczącym wydatkiem dla samorządów lokalnych, ale sztuczna inteligencja może pomóc obniżyć te koszty i potencjalnie zwiększyć wskaźniki recyklingu. Naukowcy z NIST pracują nad tym, aby recykling był bardziej wydajny i tańszy.

Czy zastanawiałeś się kiedyś, co dzieje się z plastikiem, gdy wrzucisz go do „kosza na odpady nadające się do recyklingu”?

To pytanie ostatnio często pojawia się w wiadomościach.

Odpowiedź jest dość złożona. Zależy to od tego, gdzie mieszkasz i jaki rodzaj plastiku wyrzuciłeś.

Zbieranie materiałów nadających się do recyklingu to ogromny koszt dla samorządów. Muszą utrzymywać obiekty do przetwarzania tworzyw sztucznych, a także ciężarówki i pojemniki do ich zbierania. Muszą również zatrudniać ludzi do wykonywania tej pracy. Znacznie taniej byłoby po prostu wyrzucić wszystko na wysypiska.

Jednak gdy lokalne władze poddają recyklingowi, mogą zamienić śmieci na gotówkę, jeśli mają odpowiednią infrastrukturę. Mogą zrekompensować część kosztów, sprzedając zebrane tworzywa sztuczne z powrotem producentom. Większość producentów chce, aby poddane recyklingowi tworzywa sztuczne były niemal tak dobre jak nowe, co wymaga starannego sortowania w celu zapewnienia spójnych produktów.

Dla większości ludzi wszystkie tworzywa sztuczne wyglądają tak samo. Ale bystre oczy wiedzą, że istnieje siedem powszechnych rodzajów plastiku. Można je rozpoznać po małych symbolach recyklingu na spodzie prawie wszystkich plastikowych pojemników. Te numery pomagają zidentyfikować skład chemiczny tych tworzyw sztucznych. Być może zauważyłeś je, sortując własne odpady do recyklingu.

Oto opis niektórych z tych materiałów:

Tworzywo	Typowe zastosowania	Kod recyklingu
Politereftalan etylenu	Butelki na napoje gazowane, butelki na wodę	1 – PATE
Polietylen o wysokiej gęstości	Dzbanki na mleko, butelki na detergenty	2 – HDPE
Polichlorek winylu	Rury, zasłony prysznicowe	3 – PCV
Polietylen o niskiej gęstości	Torby na zakupy, torby na kanapki	4 – Folia LDPE
Polipropylen	Pojemniki na jedzenie na wynos, kubki na jogurt	5 – PP
Polistyren	Jednorazowe kubki do kawy	6 – PS
Inny	Okulary ochronne, płyty DVD, wiele wielorazowych butelek na wodę	7 – Inne

Sortowanie tych tworzyw sztucznych jest kluczowe. Różne rodzaje tworzyw sztucznych o podobnych właściwościach często nie mogą być mieszane, ponieważ wymagają różnych procesów topienia.

Weźmy na przykład PVC. Jest używane we wszystkim, od rur po zasłony prysznicowe. Stopione PVC wytwarza silny kwas, który jest przydatny w wielu zastosowaniach przemysłowych. Ale, podobnie jak wiele innych kwasów, nie jest to coś, co chcesz wytwarzać niespodziewanie.

Poliolefiny, grupa tworzyw sztucznych obejmująca HDPE (stosowany w dzbankach na mleko), LDPE (stosowany w plastikowych torbach) i PP (stosowany w pojemnikach na jedzenie na wynos), stanowią łagodniejszy przykład. Tworzywa te stanowią około 40% światowej produkcji plastiku. Są też jednymi z najtrudniejszych do sortowania.

Rodzaj plastiku używanego w dzbankach na mleko wymaga wysokiej temperatury do stopienia i przetworzenia ze względu na swoją krystaliczną strukturę. Jednak jeśli zanieczyszczenia z plastikowych toreb zostaną zmieszane, torby te ulegną degradacji w tych wysokich temperaturach. Tak więc, jeśli plastikowy worek zostanie zmieszany z dzbankami na mleko, może to skutkować partią odbarwionych, bezużytecznych dzbanków na mleko. To ryzyko przetwarzania jest jednym z powodów, dla których nie widzisz wielu dzbanków na mleko wykonanych z przetworzonego plastiku.

Ponadto, jeśli na linię produkcyjną toreb plastikowych trafią materiały odporne na wysokie temperatury pochodzące z opakowań na wynos, może dojść do zatkania maszyny.

Pracownicy Centrum Recyklingu w hrabstwie Montgomery sortują materiały przeznaczone do recyklingu.

Teoretycznie możesz łatwo sortować odpady plastikowe, używając małych symboli recyklingu. Następnie możesz sprzedawać te posortowane tworzywa sztuczne wtórnym recyklerom, którzy zamieniają je w produkty.

Cena zależy od zakładanej czystości plastiku. Duży pakiet pomarańczowych butelek detergentu może być sprzedawany za wysoką cenę, ponieważ łatwo je wyłowić. Jednak stos pojemników na wynos może łatwo zmieszać się z różnymi kolorami lub dodatkami.

W lokalnym zakładzie recyklingu w hrabstwie Montgomery w stanie Maryland ludzie ręcznie sortują butelki po detergentach, pojemniki na żywność i inne rzeczy. Jednak ręce i oczy mogą poruszać się tylko z pewną prędkością, a przy takiej prędkości łatwo popełnić błędy. Dlatego zakłady recyklingu koncentrują się na sortowaniu plastików o wysokiej wartości lub łatwych do zidentyfikowania, aby zachować spójność podczas sprzedaży do wtórnych recyklerów. Oznacza to, że butelki po detergentach i pojemniki na napoje są poddawane recyklingowi w wysokim stopniu. Twoje plastikowe „sztućce” i stare zabawki dla dzieci mogą nie być poddawane recyklingowi.

Aby ułatwić sortowanie, nasza praca w NIST skupiła się na wykorzystaniu światła bliskiej podczerwieni (NIR), technologii, która może szybko identyfikować różne tworzywa sztuczne. Niektóre najlepsze zakłady recyklingu już używają świateł lub kamer, aby „widzieć” i sortować butelki po napojach gazowanych od rur PVC.

Ale te systemy nie mogą sortować wszystkiego. Moje badania skupiają się na stworzeniu metody, która pomoże sortować najtrudniejsze tworzywa sztuczne, aby recyklerzy mogli osiągnąć zysk.

Jak zwiększamy efektywność recyklingu

Mając to na uwadze, nasz zespół przyjrzał się metodzie NIR i postanowił udoskonalić ją za pomocą algorytmów uczenia maszynowego i innych technik naukowych.

W spektroskopii w podczerwieni, na niektóre cząsteczki naświetlasz różne długości fal światła. Te cząsteczki pochłaniają część energii światła o określonych długościach fal i odbijają lub transmitują resztę.

Jednym ze sposobów myślenia o tym jest myślenie o kwiatach i kolorach. Na przykład, gdy wiele długości fal światła ze słońca świeci na czerwoną różę, róża jest bardzo dobra w pochłanianiu każdej długości fali/koloru z wyjątkiem czerwonego. Czerwone światło odbija się od płatków, dlatego róża wydaje się nam czerwona.

Jeśli znamy kolor i natężenie światła, którym świecimy na kwiat lub plastikową butelkę, a także kolor/intensywność, jaką uzyskujemy, możemy wykorzystać różnice, aby zidentyfikować więcej tych kwiatów lub butelek, niczym odciski palców.

Wykorzystując uczenie maszynowe, możemy znaleźć odciski NIR wielu materiałów z tworzyw sztucznych. Następnie „uczymy” komputery identyfikowania tworzyw sztucznych na podstawie nowych sygnałów NIR w porównaniu z sygnałami NIR innych tworzyw sztucznych. To szkolenie pomaga technologii rozpoznawać materiały w butelkach po napojach gazowanych, zrozumieć, czym różnią się one od pojemników na wynos i odpowiednio je oddzielać.

W naszym pierwszym artykule wykorzystaliśmy uczenie maszynowe, aby połączyć nasze sygnały plastiku z pewnymi właściwościami (takimi jak gęstość i krystaliczność polietylenu). Zazwyczaj gęstość mierzy się poprzez ważenie plastiku w różnych cieczach i porównywanie różnic. To bardzo powolny i żmudny proces.

Pokazaliśmy jednak, że można znaleźć niemal te same informacje, używając odbitego światła — znacznie szybciej. Na linii recyklingu czas ma kluczowe znaczenie.

Tę metodę można stosować do dużych i małych próbek. To fajne, ponieważ pokazuje, że jeśli ustawimy wszystko ostrożnie, możemy uzyskać więcej informacji z tych pomiarów opartych na świetle.

To wciąż bardzo wstępna praca i nie dotyczy jeszcze wszystkich rodzajów tworzyw sztucznych. Nie możemy więc po prostu rzucić światła na dowolny plastik i poznać jego dokładne właściwości, ale to ekscytujący początek. Jeśli uda nam się to skalować, może to zaoszczędzić recyklerom i producentom dużo czasu i wysiłku w zakresie kontroli jakości.

Od czasu opublikowania tej pracy zagłębiałem się w to, jak obsługiwać wszystkie dane z tych pomiarów. Kończysz z bardzo różnymi danymi w zależności od kształtu plastiku i tego, czy próbka jest granulatem, proszkiem czy butelką.

Dzieje się tak, ponieważ światło nadal odbija się, ale w różnych kierunkach w zależności od kształtu plastiku. Wyobraź sobie odbicia w czystym stawie w porównaniu do stawu z wieloma zmarszczkami. Następnie możesz dodać pigmenty i środki konserwujące, które mogą naprawdę zmienić sygnał. Nie sprawia to, że dane są błędne, ale może mieć wpływ na sortowanie. Możesz to sobie wyobrazić jako kategoryzację zdjęć ludzi w czerni i bieli w porównaniu do tych samych ludzi w czerni i bieli, kolorze, komiksach i obrazach.

Aby temu zaradzić, zespół rozszerzył nasz zbiór danych, a ja szukam matematycznych poprawek, aby umieścić proszki, granulki i kolorowe tworzywa sztuczne na tym samym polu gry. Jeśli uda nam się to zrobić, identyfikacja, który plastik jest który, za pomocą uczenia maszynowego stanie się łatwiejsza.

Aby uczynić te badania bardziej użytecznymi, pracuję nad tym, aby pokazać, że możemy sortować te trudne poliolefiny. Stosując moją obecną metodę, osiągnęliśmy dokładność 95% do 98% w sortowaniu tych tworzyw sztucznych. Robimy to za pomocą procesów, które prawie każdy zakład recyklingu wyposażony w NIR może szybko zacząć stosować.

Wiele zakładów recyklingu może już korzystać z podobnych algorytmów, ale ta praca zapewnia dodatkowy poziom udoskonalenia, skupiając się w szczególności na trudnych do sortowania poliolefinach.

Jeśli będziemy w stanie skutecznie je posortować, będziemy mogli je ponownie wykorzystać z mniejszą liczbą problemów z przetwarzaniem, co sprawi, że recykling będzie bardziej opłacalny. Miejmy nadzieję, że zyski będą mogły napędzać lepsze nawyki recyklingu i będziemy mogli zacząć przekształcać naszą gospodarkę liniową w gospodarkę o obiegu zamkniętym.

Recykling jako zagadka do rozwiązania

Jestem osobą potrafiącą rozwiązywać problemy, przeskakując od jednej łamigłówki do drugiej.

Oprócz badań nad polimerami pracowałam nad systemami dostarczania leków na raka jajnika. Obecnie zajmuję się sztuczną inteligencją (AI) i uczeniem maszynowym.

Uwielbiam czynić dobro, rozwiązując złożone problemy. Zrównoważony rozwój i materiały przyjazne dla środowiska naturalnego były pięknym tematem w całej mojej karierze badawczej.

Początkowo możesz nie dostrzegać związku między badaniami biomedycznymi a tworzywami sztucznymi. Ale systemy dostarczania leków mogą pomóc w tworzeniu naprawdę fajnych materiałów o zastosowaniach wykraczających poza medycynę. Prace z tworzywami sztucznymi mogą również zwiększyć naszą wiedzę na temat DNA, białek i kolagenu w naszych ciałach.

Teraz, wraz z eksplozją AI, mamy nowe narzędzia do szybszego i wydajniejszego prowadzenia badań nad materiałami. To ekscytujący czas w dziedzinie zrównoważonych materiałów!

Przyszłość Sortowanie Badania

Obecnie kończę dwuletni kontrakt w NIST i poszukuję kolejnej zagadki do rozwiązania.

Zamierzam jednak pozostać w kontakcie z NIST jako współpracownik, aby pomagać innym badaczom w stosowaniu moich technik.

Mam nadzieję, że pomogę szerszej społeczności zajmującej się recyklingiem wykorzystać analizę danych do ulepszenia naszego recyklingu i oczyszczenia naszej planety.