تکامل تکنولوژیکی بازیافت مواد

آیا به یک مرکز بازیابی مواد (MRF) رفته اید؟ من از گشت و گذار در یک زوج لذت بردم، و چیزی که در مورد تجربیات من تا به حال به چشم می خورد، ماشین آلات مرتب سازی با تکنولوژی بالا نیست.

در واقع، از آنجایی که من زمان کافی را در MRF صرف نکرده ام تا بتوانم تمام حرکات مادی را به طور کامل درک کنم، بهتر است آن را به عنوان چیزی شبیه به دستگاه روب گلدبرگ. به نظر می رسد که مواد در هر جهت حرکت می کنند، متقاطع می شوند، از صخره ها رها می شوند و کمربندها بالا می روند. وقتی همه چیز را تجزیه می‌کنید، می‌دانم که چیزی شبیه ماشین روب گلدبرگ نیست، اما این اولین فکری است که هنوز برای من به ذهن خطور می‌کند.

به دلیل مقدار انبوهی از موادی که از طریق میانگین MRF جریان می‌یابد و پیامدهای واقعی از دست رفتن مواد با ارزش در فرآیند مرتب‌سازی، صنعت کاملی از مبتکران در دهه گذشته ظهور کرده‌اند تا به MRFها کمک کنند کارآمدتر کار کنند. 

احتمالاً در مورد برخی از این شرکت ها شنیده اید. وجود دارد آمپر رباتیک و تومرا، هر دو برای مرتب سازی بهتر مواد با فناوری های خود کار می کنند (و هر دو در این GreenBiz پوشش داده شده اند قطعه از سال 2020). وجود دارد MachineX، تولید کننده مجموعه وسیعی از تجهیزات مرتب سازی برای MRF ها. ZenRobotics روبات هایی برای مرتب سازی می سازد. همچنین تعدادی شرکت وجود دارند که تجهیزاتی را برای دسته‌بندی نوری زباله‌ها توسعه می‌دهند، از جمله چشم انداز سبز آبی و چشم بازیافتی. به عبارت دیگر، این فضایی است که به سرعت در حال رشد است و راه‌حل‌ها و فناوری‌های جدیدی ظاهراً هر روز به بازار می‌آیند.

برای اینکه سعی کنم این جهان را کمی بهتر درک کنم، با او نشستم جی دی آمباتی، بنیانگذار و مدیر عامل شرکت Everest Labs، برای صحبت در مورد راه حل شرکت و آنچه واقعاً برای باز کردن وعده استخراج مواد با ارزش از مقدار زیادی زباله ایجاد می کنیم مورد نیاز است. 

یک نکته ساده در اینجا: آمباتی، که پیشینه ای در هوش مصنوعی و مهندسی شیمی دارد، یک حرفه موفق 17 ساله برای تجاری سازی محصولات فناوری برای 1,000 شرکت Fortune ایجاد کرد. وقتی از او در مورد چپ سختی که از آن دنیا برای تأسیس شرکتی که به کارایی MRF اختصاص داده بود پرسیدم، گفت که از بسیاری جهات، این چیزها یکسان است:

"نقش های قبلی من همیشه کار با شرکت ها، گوش دادن به آنها، گوش دادن به مشکلات آنها، گوش دادن به اهداف آنها و سپس ارائه راه حل بوده است. من با صحبت با اپراتورهای MRF، برندها، صحبت با شهرداری ها و مواردی از این دست، آن را در دنیای بازیافت اعمال کردم. یک جورهایی واقعاً یکی هستند، فقط درک مشکلات و مسائل و راهنمایی است.»   

با در نظر گرفتن این موضوع، بیایید به چالش‌هایی بپردازیم که MRF در حال حاضر در دسته‌بندی مواد با ارزش از زباله‌ها با آن‌ها مواجه هستند، و اینکه چگونه فناوری‌هایی مانند آن‌هایی که توسط EverestLabs توسعه یافته‌اند، می‌توانند کمک کنند.

پرداختن به شکاف داده های MRF

چند نقطه داده حیاتی وجود دارد که کارایی هر مرکز بازیابی مواد را اندازه گیری می کند. به طور خاص، اینها مقدار مواد در داخل و مقدار طبقه بندی شده مواد هستند.

از لحاظ تاریخی، MRF ها عمدتاً تنها با این دو معیار کار می کنند و تعدادی از نقاط داده مهم در داخل کارخانه، و همچنین نقاط بالادست و پایین دست آن را ناشناخته باقی می گذارند. چه چیزی را به اندازه کافی نمی دانستیم؟ اطلاعاتی در مورد اینکه چه نوع مواد بازیافتی از میان شکاف‌های مرتب‌سازی می‌لغزند، تجهیزات مرتب‌سازی فعلی چقدر کارآمد در برابر انتظارات کار می‌کنند، درصدهایی از هر نوع مواد قابل بازیافت که به‌درستی طبقه‌بندی می‌شوند، و حتی اینکه چه عواملی (و از چه مارک‌هایی) قادر نیستند. مرتب شود. این شکاف‌های داده‌ای فضایی را برای فناوری‌های جدید مانند یادگیری ماشینی ایجاد می‌کند تا نه تنها به کارآمدتر کارکردن تسهیلات کمک کند، بلکه قادر به ارائه بازخورد ارزشمند به تولیدکنندگان برای بهبود بسته‌بندی آنها برای بازیافت است. 

آمباتی پیشنهاد کرد که نوآوری های عمده در مدیریت پسماند (فیدرهای درام, جداسازی چگالی و جداسازی جریان گردابی) واقعاً در دهه 1990 متوقف شد، حتی در میان تمام نوآوری هایی که در محاسبات اتفاق می افتد. به همین دلیل، MRF ها و سایر امکانات مدیریت زباله برای هجوم فناوری جدید به تاخیر افتاده است. به طور کلی، درست است که اپراتورهای MRF صبح ها با هدف ارسال زباله بیشتر به محل دفن زباله از خواب بیدار نمی شوند. آنها می خواهند کار درست را انجام دهند و تا آنجا که ممکن است در مواد صرفه جویی کنند. مسئله این است که آنها به فناوری نیاز دارند که مشکلات کارایی آنها را حل کند، با بازگشت سرمایه قابل قبول، استفاده از آن آسان و متناسب با ردپای فعلی آنها باشد. 

اصل موضوع اینجاست: برای گرفتن مطالب بیشتر، اپراتورهای MRF نیاز به بینش عملی در مورد شکاف های داده ذکر شده در بالا دارند. به عبارت دیگر، همانطور که آمباتی بیان کرد، اپراتورهای MRF باید "شفافیت بین نقاط داده اصلی خود را داشته باشند."

ماموریت EverestLabs

EverestLabs خود را به عنوان اولین سیستم عامل مجهز به هوش مصنوعی برای بازیافت معرفی کرد. 16.1 میلیون دلار در بودجه سری A تابستان گذشته به رهبری Translink Capital. طبق بیانیه مطبوعاتی آن، "تامین مالی شرکت را قادر می‌سازد تا در مقیاس‌بندی و قابلیت‌های عرضه به بازار سرمایه‌گذاری کند."

آمباتی گفت که فناوری EverestLabs می‌تواند اپراتورهای MRF را قادر به پر کردن شکاف‌های داده‌ها، افزایش کارایی مرتب‌سازی و در نهایت دریافت ارزش بیشتر از موادی که از طریق تأسیساتشان می‌گذرد، داشته باشند. سس مخفی EverestLabs موتور نرم افزاری است که این شرکت از ابتدا ساخته است. به گفته آمباتی، مزیت بالقوه دیگر این است که نرم افزار EverestLabs ضد مواد است و می تواند برای طبقه بندی مواد آلی، تأسیسات زباله ساخت و ساز و تخریب و سایر فعالیت ها استفاده شود. 

بدون گلوله نقره ای

در حالی که هیچ راه حلی قفل دایره ای را باز نمی کند، بر کسی پوشیده نیست که دسته بندی و بازیافت بهتر بخش کلیدی مجموعه راه حل های آینده خواهد بود. من در مورد تمام فناوری های جدید که در بخش حمل و نقل مواد جریان دارد و برخی از بزرگترین امکانات در جهان هیجان زده هستم. با استفاده از این فناوری ها برای مدیریت بهتر مواد با ارزش اگر بزرگترین امکانات مرتب‌سازی بتواند به طور مؤثری فناوری‌های یادگیری ماشین و روباتیک را برای افزایش کارایی پیاده‌سازی کند، می‌تواند طرحی برای سایر امکانات ایجاد کند تا از این روش پیروی کنند. 

این می‌تواند در سال‌های آینده فضای بسیار فعالی باشد زیرا هم یادگیری ماشین و هم فناوری‌های کاربردی مانند روباتیک گسترش می‌یابند. این بهبودهای طبقه بندی پایین دستی می تواند اپراتورهای MRF را برای افزایش بازیابی مواد ارزشمند و در عین حال کاهش هزینه های عملیاتی برای بهبود نرخ بازیافت، توانمند کند. این، همراه با مداخلات بالادستی برای کاهش مواد یکبار مصرف، هر دو بخش مهمی از گذار اقتصاد دایره ای هستند.

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• پلاتوبلاک چین. Web3 Metaverse Intelligence. دانش تقویت شده دسترسی به اینجا.
• منبع: https://www.greenbiz.com/article/technological-evolution-materials-recycling