Den teknologiske udvikling af materialegenanvendelse

Har du været på et materialegenvindingsanlæg (MRF)? Jeg har haft fornøjelsen af ​​at turnere et par, og det, der stikker ud ved mine oplevelser indtil videre, er ikke det højteknologiske sorteringsmaskineri.

Faktisk, fordi jeg ikke har brugt nok tid i en MRF til fuldt ud at forstå alle de materielle bevægelser, vil jeg bedst beskrive det som noget, der ligner en Rube Goldberg maskine. Materialer ser ud til at bevæge sig i alle retninger, krydsende, falde ned fra klipper og bevæge sig op ad bælter. Når du deler det hele ned, ved jeg, at det ikke er noget som en Rube Goldberg-maskine, men det er den første tanke, der stadig kommer til at tænke mig.

På grund af den enorme mængde materiale, der strømmer gennem den gennemsnitlige MRF og de meget reelle implikationer af manglende værdifulde materialer i sorteringsprocessen, er en hel industri af innovatører dukket op i løbet af det sidste årti for at hjælpe MRF'er med at fungere mere effektivt. 

Du har sikkert hørt om nogle af disse virksomheder. Der er Amp Robotics , Tomra, begge arbejder på at sortere materialer bedre med deres teknologier (og begge er dækket af denne GreenBiz stykke fra 2020). Der er MachineX, en producent af en bred pakke af sorteringsudstyr til MRF'er. ZenRobotics laver robotter til sortering. Der er også en række virksomheder, der udvikler udstyr til optisk sortering af affald, bl.a Blå Grøn Vision , Genbrugsøje. Med andre ord er dette et område, der vokser hurtigt med nye løsninger og teknologier, der tilsyneladende kommer på markedet hver dag.

For at prøve at forstå dette univers lidt bedre, satte jeg mig ned med JD Ambati, grundlægger og CEO af EverestLabs, for at tale om virksomhedens løsning og hvad der virkelig er nødvendigt for at låse op for løftet om at udvinde værdifulde materialer fra den enorme mængde affald, vi skaber. 

En hurtig side her: Ambati, som har en baggrund inden for kunstig intelligens og kemiteknik, byggede en succesfuld 17-årig karriere med at kommercialisere teknologiprodukter til Fortune 1,000-virksomheder. Da jeg spurgte ham om den hårde venstrefløj, han tog fra den verden til at grundlægge en virksomhed dedikeret til MRF-effektivitet, sagde han, at på mange måder er disse ting de samme:

“Mine tidligere roller har altid været at arbejde med virksomheder, lytte til dem, lytte til deres problemer, lytte til deres mål og derefter levere løsninger. Det brugte jeg på genbrugsverdenen ved at tale med MRF-operatører, mærker, snakke med kommuner og sådan. På en måde er de virkelig de samme, det er bare at forstå problemerne og problemerne og give vejledning.”   

Med det i tankerne, lad os dykke ned i de udfordringer, som MRF'er i øjeblikket står over for med at sortere værdifulde materialer fra affald, og hvordan teknologier som dem, der er udviklet af EverestLabs, kan hjælpe.

Afhjælpning af MRF-datagabet

Der er et par kritiske datapunkter, der måler effektiviteten af ​​ethvert materialegenvindingsanlæg. Konkret er disse mængden af ​​materialer ind og den sorterede mængde af materiale ud.

Historisk set har MRF'er for det meste kun opereret med disse to målinger, hvilket efterlader en række vigtige datapunkter i anlægget, såvel som dem opstrøms og nedstrøms fra det, ukendte. Hvad har vi ikke vidst nok om? Oplysninger om, hvilken type genanvendelige materialer, der glider gennem sprækkerne i sorteringen, hvor effektivt det nuværende sorteringsudstyr fungerer i forhold til forventningerne, procentdelen af ​​hver genanvendelig materialetype, der sorteres korrekt, og endda hvilke formfaktorer (og fra hvilke mærker) der ikke er i stand til skal sorteres. Disse datahuller giver plads til, at nye teknologier såsom maskinlæring kan træde til og hjælper ikke kun en facilitet med at køre mere effektivt, men også for at kunne give værdifuld feedback til producenterne for at forbedre deres emballage til genbrug. 

Ambati foreslog, at store innovationer inden for affaldshåndtering (tromlefødere, tæthedsadskillelse , hvirvelstrømsadskillelse) stoppede virkelig i 1990'erne, selv midt i al den innovation, der skete inden for computing. Derfor er MRF'er og andre affaldshåndteringsfaciliteter forsinket til en tilstrømning af ny teknologi. Generelt er det rigtigt, at MRF-operatører ikke vågner om morgenen med det mål at sende mere affald til losseplads. De vil gøre det rigtige og spare så meget materiale som muligt. Problemet er, at de har brug for teknologien, der vil løse de effektivitetsproblemer, de står over for, med et acceptabelt investeringsafkast, som er nemt at bruge, og som passer inden for deres nuværende fodaftryk. 

Her er sagens kerne: For at fange mere materiale har MRF-operatører brug for handlingsorienteret indsigt om datahullerne nævnt ovenfor. Med andre ord, som Ambati udtrykte det, skal MRF-operatører "have klarhed mellem de store datapunkter, de allerede har."

EverestLabs mission

Selvbeskrevet som det første AI-aktiverede operativsystem til genbrug, rejste EverestLabs $ 16.1 millioner i Series A-finansiering sidste sommer ledet af Translink Capital. Ifølge dens pressemeddelelse, "gør finansieringen virksomheden i stand til at investere i dens skalerings- og go-to-market-kapacitet."

Ambati sagde, at EverestLabs-teknologien kan gøre det muligt for MRF-operatører at udfylde datahuller, øge sorteringseffektiviteten og i sidste ende få mere værdi ud af materialet, der løber gennem deres faciliteter. EverestLabs' hemmelige sauce er softwaremotoren, som virksomheden har bygget op fra bunden. En anden potentiel fordel er, at EverestLabs-softwaren er materialeagnostisk og kan anvendes til organisk materialesortering, bygge- og nedrivningsaffaldsfaciliteter og andre aktiviteter, ifølge Ambati. 

Ingen sølvkugler

Selvom ingen løsning vil låse op for cirkularitet, er det ingen hemmelighed, at bedre sortering og genbrug vil være en vigtig del af det fremtidige løsningssæt. Jeg er begejstret for al den nye teknologi, der strømmer ind i materialehåndteringssektoren, og at nogle af de største faciliteter i verden er ved at bruge disse teknologier bedre at håndtere værdifulde materialer. Hvis de største sorteringsfaciliteter effektivt kan implementere maskinlæring og robotteknologier for at øge effektiviteten, kan det skabe en plan for, at andre faciliteter kan følge trop. 

Dette kan blive et meget aktivt rum i de kommende år, da både maskinlæring og anvendte teknologier såsom robotteknologi kommer i skala. Disse downstream-sorteringsforbedringer kan give MRF-operatører mulighed for at øge værdifuld materialegenvinding og samtidig sænke driftsomkostningerne for at forbedre genanvendelsesraterne. Dette, kombineret med opstrømsinterventioner for at reducere engangsmaterialer, er begge afgørende dele af den cirkulære økonomiomstilling.

• SEO Powered Content & PR Distribution. Bliv forstærket i dag.
• Platoblokkæde. Web3 Metaverse Intelligence. Viden forstærket. Adgang her.
• Kilde: https://www.greenbiz.com/article/technological-evolution-materials-recycling