Den teknologiske utviklingen av materialgjenvinning

Har du vært på et materialgjenvinningsanlegg (MRF)? Jeg har hatt gleden av å turnere et par, og det som skiller seg ut med mine erfaringer så langt er ikke det høyteknologiske sorteringsmaskineriet.

Faktisk, fordi jeg ikke har brukt nok tid i en MRF til å fullt ut forstå alle de materielle bevegelsene, vil jeg best beskrive det som noe som ligner på en Rube Goldberg maskin. Materialer ser ut til å bevege seg i alle retninger, på kryss og tvers, falle av klipper og bevege seg oppover belter. Når du bryter ned alt, vet jeg at det ikke er noe som en Rube Goldberg-maskin, men det er den første tanken som fortsatt kommer opp for meg.

På grunn av den enorme mengden materiale som strømmer gjennom gjennomsnittlig MRF og de helt reelle implikasjonene av manglende verdifulle materialer i sorteringsprosessen, har en hel industri av innovatører dukket opp i løpet av det siste tiåret for å hjelpe MRF-er å operere mer effektivt. 

Du har sikkert hørt om noen av disse selskapene. Det er Amp Robotics og Tomra, begge jobber med å sortere materialer bedre med teknologiene deres (og begge dekkes i denne GreenBiz brikke fra 2020). Det er MachineX, en produsent av en bred pakke med sorteringsutstyr for MRF-er. ZenRobotics lager roboter for sortering. Det er også en rekke bedrifter som utvikler utstyr for å optisk sortere avfall, bl.a Blågrønn Visjon og Recycleeye. Med andre ord, dette er et område som vokser raskt med nye løsninger og teknologier som tilsynelatende kommer på markedet hver dag.

For å prøve å forstå dette universet litt bedre, satte jeg meg ned med JD Ambati, grunnlegger og administrerende direktør i EverestLabs, for å snakke om selskapets løsning og hva som virkelig trengs for å låse opp løftet om å utvinne verdifulle materialer fra den enorme mengden avfall vi lager. 

En liten side her: Ambati, som har bakgrunn innen kunstig intelligens og kjemiteknikk, bygget en vellykket 17-årig karriere med å kommersialisere teknologiprodukter for Fortune 1,000-selskaper. Da jeg spurte ham om den harde venstresiden han tok fra den verden til å grunnlegge et selskap dedikert til MRF-effektivitet, sa han at på mange måter er disse tingene de samme:

"Mine tidligere roller har alltid vært å jobbe med selskaper, lytte til dem, lytte til problemene deres, lytte til målene deres og deretter tilby løsninger. Jeg brukte det på gjenvinningsverdenen ved å snakke med MRF-operatører, merkevarer, snakke med kommuner og slikt. På en måte er de egentlig de samme, det er bare å forstå problemene og problemene og gi veiledning.»   

Med det i tankene, la oss dykke ned i utfordringene som MRF-er for tiden står overfor med å sortere verdifulle materialer fra avfall, og hvordan teknologier som de utviklet av EverestLabs kan hjelpe.

Adressering av MRF-datagapet

Det er et par kritiske datapunkter som måler effektiviteten til ethvert materialgjenvinningsanlegg. Nærmere bestemt er dette mengden av materialer inn og den sorterte mengden materiale ut.

Historisk sett har MRF-er for det meste operert med bare disse to beregningene, og etterlot en rekke viktige datapunkter i anlegget, så vel som de oppstrøms og nedstrøms fra det, ukjente. Hva har vi ikke visst nok om? Informasjon om hvilken type resirkulerbare materialer som slipper gjennom sprekkene i sorteringen, hvor effektivt dagens sorteringsutstyr fungerer i forhold til forventningene, prosentandeler av hver resirkulerbare materialtype som blir sortert riktig, og til og med hvilke formfaktorer (og fra hvilke merker) som ikke er i stand til skal sorteres. Disse datahullene gir rom for nye teknologier som maskinlæring, og hjelper ikke bare et anlegg å drive mer effektivt, men også for å kunne gi verdifull tilbakemelding til produsenter for å forbedre emballasjen deres for resirkulering. 

Ambati foreslo at store innovasjoner innen avfallshåndtering (trommelmatere, tetthetsseparasjon og virvelstrømseparasjon) stoppet virkelig på 1990-tallet, selv midt i all innovasjonen som skjedde innen databehandling. På grunn av det er MRF-er og andre avfallshåndteringsanlegg forsinket for en tilstrømning av ny teknologi. Generelt er det sant at MRF-operatører ikke våkner om morgenen med mål om å sende mer avfall til deponi. De ønsker å gjøre det riktige og spare så mye materiale som mulig. Problemet er at de trenger teknologien som vil løse effektivitetsproblemene de står overfor, med en akseptabel avkastning på investeringen, som er enkel å bruke og som passer innenfor deres nåværende fotavtrykk. 

Her er kjernen i saken: For å fange opp mer materiale, trenger MRF-operatører handlingskraftig innsikt om datahullene nevnt ovenfor. Med andre ord, som Ambati sa det, må MRF-operatører "ha klarhet mellom de viktigste datapunktene de allerede har."

Oppdraget til EverestLabs

Selvbeskrevet som det første AI-aktiverte operativsystemet for resirkulering, reiste EverestLabs $ 16.1 millioner i Series A-finansiering i fjor sommer ledet av Translink Capital. I følge pressemeldingen, "gjør finansieringen selskapet i stand til å investere i dets skalerings- og gå-til-markedsevne."

Ambati sa at EverestLabs-teknologien kan gjøre det mulig for MRF-operatører å fylle datahull, øke sorteringseffektiviteten og til slutt få mer verdi fra materialet som går gjennom anleggene deres. EverestLabs hemmelige saus er programvaremotoren som selskapet har bygget fra grunnen av. En annen potensiell fordel er at EverestLabs-programvaren er materialagnostisk og kan brukes på sortering av organiske materialer, anleggs- og rivingsavfallsanlegg og andre aktiviteter, ifølge Ambati. 

Ingen sølvkuler

Selv om ingen løsning vil låse opp sirkulariteten, er det ingen hemmelighet at bedre sortering og resirkulering vil være en sentral del av fremtidens løsningssett. Jeg er spent på all den nye teknologien som strømmer inn i materialhåndteringssektoren og at noen av de største anleggene i verden er ved å bruke disse teknologiene for bedre å håndtere verdifulle materialer. Hvis de største sorteringsanleggene effektivt kan implementere maskinlærings- og robotteknologier for å øke effektiviteten, kan det lage en blåkopi for at andre anlegg kan følge etter. 

Dette kan bli et veldig aktivt område i de kommende årene ettersom både maskinlæring og anvendte teknologier som robotikk kommer i skala. Disse nedstrøms sorteringsforbedringene kan gi MRF-operatører mulighet til å øke verdifull materialgjenvinning samtidig som de reduserer driftskostnadene for å forbedre gjenvinningsgraden. Dette, kombinert med oppstrøms intervensjoner for å redusere engangsmaterialer, er begge avgjørende deler av overgangen til sirkulær økonomi.

• SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• Platoblokkkjede. Web3 Metaverse Intelligence. Kunnskap forsterket. Tilgang her.
• kilde: https://www.greenbiz.com/article/technological-evolution-materials-recycling