Zvýšení nákladové efektivity recyklace pomocí umělé inteligence: Poznatky z výzkumu NIST

Recyklace může být pro místní samosprávy značným výdajem, ale umělá inteligence by mohla pomoci tyto náklady snížit a potenciálně zvýšit míru recyklace. Výzkumníci z NIST pracují na tom, aby byla recyklace efektivnější a levnější.

Přemýšleli jste někdy, co se stane s plastem poté, co ho vyhodíte do „recyklačního koše“?

Tato otázka se v poslední době hodně objevuje ve zprávách.

Odpověď je poměrně složitá. Záleží na tom, kde žijete a jaký typ plastu jste vyhodili.

Sběr recyklovatelného odpadu představuje pro místní samosprávy obrovské náklady. Musí udržovat zařízení na zpracování plastů, stejně jako kamiony a kontejnery na jejich sběr. Také musí na tuto práci najímat lidi. Bylo by mnohem levnější všechno prostě vyhodit na skládky.

Když však místní samosprávy recyklují, mohou odpad proměnit v peníze, pokud mají správnou infrastrukturu. Některé náklady mohou kompenzovat prodejem sebraných plastů zpět výrobcům. Většina výrobců chce, aby recyklované plasty byly téměř jako nové, což vyžaduje pečlivé třídění, aby se dosáhlo konzistentních výsledků.

Pro většinu lidí vypadají všechny plasty stejně. Ale bystré oko ví, že existuje sedm běžných druhů plastů. Poznáte je podle malých recyklačních symbolů na dně téměř všech plastových nádob. Tato čísla pomáhají identifikovat chemické složení těchto plastů. Možná jste si jich všimli při třídění vlastního recyklovaného odpadu.

Zde je rozpis některých z těchto materiálů:

Materiál	Běžné použití	Recyklační kodex
Polyethylentereftalát	Lahve od sody, lahve od vody	1 – PET
Polyethylen s vysokou hustotou	Džbány na mléko, lahve od pracího prostředku	2 – HDPE
Polyvinylchlorid	Trubky, sprchové závěsy	3 – PVC
Polyethylen s nízkou hustotou	Tašky na potraviny, tašky na sendviče	4 – LDPE
Polypropylen	Nádoby na jídlo s sebou, kelímky na jogurt	5 – PP
Polystyren	Jednorázové kelímky na kávu	6 – PS
Ostatní	Ochranné brýle, DVD, mnoho opakovaně použitelných lahví na vodu	7 – Ostatní

Třídění těchto plastů je klíčové. Různé druhy plastů s podobnými vlastnostmi často nelze míchat, protože vyžadují různé procesy tavení.

Vezměte si například PVC. Používá se ve všem od potrubí až po sprchové závěsy. Roztavené PVC produkuje silnou kyselinu užitečnou v mnoha průmyslových aplikacích. Ale stejně jako mnoho jiných kyselin, není to něco, co byste chtěli vyrábět nečekaně.

Polyolefiny, skupina plastů včetně HDPE (používaného v džbánech na mléko), LDPE (používaného v plastových sáčcích) a PP (používaného v nádobách na jídlo s sebou), poskytují mírnější příklad. Tyto plasty tvoří asi 40% světové produkce plastů. Patří také k nejobtížněji tříditelným.

Typ plastu používaného v konvicích na mléko vyžaduje kvůli své krystalické struktuře vysoké teploty k roztavení a přepracování. Pokud se však do něj přimíchají kontaminanty z plastových sáčků, tyto sáčky se při těchto vysokých teplotách degradují. Pokud se tedy plastový sáček smísí s konvicemi na mléko, může to vést k várce zabarvených a nepoužitelných konviček na mléko. Toto riziko zpracování je jedním z důvodů, proč se konviček na mléko vyrobených z recyklovaného plastu moc nevyrábí.

Kromě toho, pokud se některé materiály z obalů na jídlo s sebou, které jsou odolné vůči vysokým teplotám, dostanou na linku na zpracování plastových sáčků, může dojít k ucpání stroje.

Pracovníci recyklačního centra v okrese Montgomery třídí materiály k recyklaci.

Teoreticky můžete snadno třídit plastový odpad pomocí malých symbolů recyklace. Tyto vytříděné plasty pak můžete prodat druhotným recyklačním společnostem, které je přemění na produkty.

Cena závisí na předpokládané čistotě plastu. Velký balík oranžových lahví od pracího prostředku se může prodat za vysokou cenu, protože se snadno vybírají. Hromada obalů na jídlo s sebou se však může snadno pomíchat s různými barvivy nebo přísadami.

V místním recyklačním zařízení v okrese Montgomery v Marylandu lidé ručně třídí lahve od pracích prostředků, nádoby na potraviny a další. Ruce a oči se však pohybují jen omezenou rychlostí a při této rychlosti je snadné udělat chyby. Recyklační zařízení se proto zaměřují na třídění vysoce hodnotných nebo snadno identifikovatelných plastů, aby si zachovala konzistenci při prodeji druhotným recyklačním společnostem. To znamená, že lahve od pracích prostředků a nádoby na nápoje se recyklují ve vysoké míře. Vaše plastové „příbory“ a staré dětské hračky se recyklovat nemusí.

Pro usnadnění třídění se naše práce v NIST zaměřila na využití blízkého infračerveného (NIR) světla, což je technologie, která dokáže rychle identifikovat různé plasty. Některá špičková recyklační zařízení již používají světla nebo kamery k „vidění“ a třídění lahví od limonád od PVC trubek.

Ale tyto systémy nedokážou třídit všechno. Můj výzkum se zaměřuje na vytvoření metody, která by pomohla třídit ty nejnáročnější plasty, aby recyklační firmy mohly dosahovat zisku.

Jak zefektivňujeme recyklaci

S ohledem na to se náš tým zabýval touto metodou NIR a rozhodl se ji vylepšit pomocí algoritmů strojového učení a dalších vědeckých technik.

V infračervené spektroskopii ozařujete určité molekuly světlem různých vlnových délek. Tyto molekuly absorbují část světelné energie na specifických vlnových délkách a zbytek odrážejí nebo propouštějí.

Jeden způsob, jak si to představit, je s květinami a barvami. Například když na červenou růži svítí mnoho vlnových délek světla ze slunce, růže velmi dobře absorbuje všechny vlnové délky/barvy kromě červené. Červené světlo se od okvětních lístků odráží, a proto se nám růže jeví červená.

Pokud známe barvu a intenzitu světla, kterým svítíme na květinu nebo plastovou lahev, a barvu/intenzitu, kterou dostáváme zpět, můžeme tyto rozdíly použít k identifikaci dalších těchto květin nebo lahví, jako otisk prstu.

Pomocí strojového učení dokážeme najít otisky prstů v blízkém infračerveném záření (NIR) mnoha plastových materiálů. Poté „trénujeme“ počítače k identifikaci plastů na základě nových NIR signálů ve srovnání se signály NIR jiných plastů. Toto trénování pomáhá technologii rozpoznávat materiály v lahvích od limonád, pochopit, jak se liší od obalů na jídlo s sebou, a podle toho je třídit.

V našem prvním článku jsme pomocí strojového učení propojili signály z plastů s určitými vlastnostmi (například s hustotou a krystalickou hodnotou polyethylenu). Hustota se obvykle měří vážením plastů v různých kapalinách a porovnáváním rozdílů. Je to velmi pomalý a zdlouhavý proces.

Ukázali jsme však, že téměř stejné informace lze najít i pomocí odraženého světla – mnohem rychleji. Na recyklační lince je čas klíčový.

Tuto metodu můžete použít na velké i malé vzorky. To je skvělé, protože ukazuje, že pokud si věci pečlivě nastavíme, můžeme z těchto měření založených na světle získat více informací.

Toto je stále velmi předběžná práce a zatím se nevztahuje na všechny typy plastů. Nemůžeme tedy jen tak posvítit na jakýkoli plast a znát jeho přesné vlastnosti, ale je to vzrušující začátek. Pokud se nám podaří to zvětšit ve velkém měřítku, mohlo by to ušetřit recyklačním společnostem a výrobcům spoustu času a úsilí v krocích kontroly kvality.

Od publikování této práce se zabývám tím, jak zpracovat všechna data z těchto měření. Nakonec získáte velmi odlišná data v závislosti na tvaru plastu a na tom, zda je vzorek peleta, prášek nebo lahev.

Je to proto, že světlo se stále odráží, ale odráží se různými směry v závislosti na tvaru plastu. Představte si odrazy na čistém rybníku oproti rybníku s mnoha vlnkami. Pak můžete přidat pigmenty a konzervační látky, které by mohly signál skutečně změnit. To sice nezpůsobí, že by data byla špatná, ale může to ovlivnit třídění. Můžete si to představit jako kategorizaci fotografií lidí v černobílých fotografiích oproti stejným lidem v černobílých fotografiích, barevných fotografiích, komiksech a obrazech.

Abychom se s tím vypořádali, tým rozšiřuje naši datovou sadu a já se zabývám matematickými řešeními, jak srovnat prášky, pelety a barevné plasty. Pokud to dokážeme, bude snazší pomocí strojového učení identifikovat který plast je který.

Aby byl tento výzkum užitečnější pro širší publikum, pracuji na tom, abychom ukázali, že dokážeme třídit i tyto složité polyolefiny. Pomocí mé současné metody jsme dosáhli přesnosti třídění těchto plastů s přesností 95% až 98%. Děláme to pomocí procesů, které může rychle začít používat téměř každé recyklační zařízení vybavené NIR.

Mnoho recyklačních zařízení již možná používá podobné algoritmy, ale tato práce poskytuje další úroveň zpřesnění a zaměřuje se konkrétně na obtížně tříditelné polyolefiny.

Pokud je dokážeme efektivně třídit, můžeme je znovu použít s menším počtem problémů se zpracováním, což zvýší ziskovost recyklace. Doufejme, že zisky pak povedou k lepším recyklačním návykům a my můžeme začít přeměňovat naši lineární ekonomiku na oběhovou.

Recyklace jako hádanka, kterou je třeba vyřešit

Jsem řešitel problémů, skáču z jedné hádanky na druhou.

Kromě výzkumu polymerů jsem pracovala na systémech pro podávání léků pro rakovinu vaječníků a nyní používám umělou inteligenci (AI) a strojové učení.

Miluji konání dobra při řešení složitých problémů. Udržitelnost a bio šetrné materiály byly krásným tématem po celou dobu mé výzkumné kariéry.

Zpočátku si možná neuvědomujete souvislost mezi biomedicínským výzkumem a plasty. Systémy pro podávání léků však mohou pomoci vytvořit skutečně skvělé materiály s využitím i mimo medicínu. Práce s plasty může také prohloubit naše chápání DNA, proteinů a kolagenu v našem těle.

Nyní, s explozí umělé inteligence, máme nové nástroje pro rychlejší a efektivnější výzkum materiálů. V oblasti udržitelných materiálů je to vzrušující doba!

Budoucnost Řazení Výzkum

Momentálně dokončuji dvouletou smlouvu na NIST a hledám další hádanku, kterou budu muset vyřešit.

Nicméně plánuji zůstat ve spojení s NIST jako přidružený pracovník, abych pomohl ostatním výzkumníkům využívat mé techniky.

Doufám, že pomůžu širší komunitě recyklujících materiálů využívat datovou analýzu ke zlepšení recyklace a k vyčištění naší planety.