هوشمندتر شدن فناوری‌های جداسازی در صنعت بازیافت

خبرگزاری پپنا رصد جهانی بازار پلیمر

با افزایش فشار بر صنعت بازیافت برای تولید مواد بازیافتی با کیفیت و یکنواخت‌تر، فناوری‌های جداسازی به یکی از مهم‌ترین حوزه‌های نوآوری در سراسر زنجیره ارزش این صنعت تبدیل شده‌اند.

از تأسیسات بازیابی مواد (MRF) گرفته تا مراکز جداسازی پسماندهای بسته‌بندی و واحدهای بازیافت پلاستیک، هوش مصنوعی (AI) از سوی بسیاری از تأمین‌کنندگان فناوری و نرم‌افزار، در مراحل مختلف زنجیره بازیافت مواد در حال ورود است. در سطح کارخانه نیز محصولات و خدمات دیجیتال جدیدی برای افزایش بهره‌وری و اتوماسیون در پایش، مدیریت و بهینه‌سازی عملکرد واحدهای بازیافت عرضه می‌شوند.

شرکت‌های فعال در حوزه فناوری جداسازی و تفکیک نیز در حال نوآوری هستند. روش‌های متداول جداسازی نوری در بازیافت پلاستیک، اکنون با پلتفرم‌های چندحسگری پیشرفته تکمیل شده‌اند؛ پلتفرم‌هایی که می‌توانند پلیمرها را بر اساس ترکیب شیمیایی، رنگ، شکل، چگالی و ساختار مولکولی شناسایی کنند.

با این حال، شاید مهم‌ترین جهش فناوری در سال‌های اخیر، ورود هوش مصنوعی به فرآیند جداسازی باشد. برخلاف سیستم‌های سنتی مبتنی بر قواعد از پیش تعریف‌شده، الگوریتم‌های یادگیری ماشین با گذشت زمان بهبود پیدا می‌کنند و به بازیافت‌کنندگان اجازه می‌دهند بدون تغییر سخت‌افزار، خود را با تغییرات طراحی بسته‌بندی‌ها تطبیق دهند.

هوش مصنوعی می‌تواند میان اشیایی که از دید سیستم‌های نوری سنتی تقریباً یکسان به نظر می‌رسند، تمایز ایجاد کند؛ برای مثال میان بسته‌بندی‌های PET گرید غذایی و PET غیرغذایی. برخی سیستم‌ها همچنین قادرند بسته‌بندی‌های آسیب‌دیده یا تا حدی پوشیده‌شده را که در گذشته احتمالاً رد می‌شدند یا به‌اشتباه در گروه دیگری قرار می‌گرفتند، شناسایی کنند.

سرمایه‌گذاری Tomra در PolyPerception

در نشانه‌ای از اهمیت روزافزون هوش مصنوعی، شرکت Tomra سهم خود در شرکت فناوری PolyPerception را به ۵۱ درصد افزایش داده و نسل جدید راهکار Waste Analyzer را معرفی کرده است؛ یک راهکار تحلیلی مبتنی بر هوش مصنوعی که با ردیابی مواد در سراسر فرآیند، عملکرد جداسازی را بهبود می‌دهد.

یکی از مهم‌ترین ارتقاهای این سیستم، رابط کاربری مبتنی بر زبان طبیعی است که به اپراتورها اجازه می‌دهد داده‌های کارخانه را با زبان ساده استخراج کنند.

این پلتفرم همچنین قابلیت «جست‌وجوی مشابهت» را ارائه می‌دهد که به اپراتورها امکان می‌دهد اقلامی را که از نظر ظاهری مشابه هستند، به‌صورت فوری در جریان مواد شناسایی کنند. قابلیت جست‌وجوی پیشرفته‌تر بر اساس متن و برند نیز به این سیستم اضافه شده است.

Lars Enge، معاون اجرایی و رئیس بخش بازیافت Tomra، گفت:

«هوش مصنوعی همیشه بخشی از DNA شرکت Tomra بوده است، اما اکنون وارد مرحله‌ای کاملاً جدید می‌شویم. با در اختیار داشتن اکثریت سهام PolyPerception، از استفاده از هوش مصنوعی به‌عنوان یک ابزار جداسازی فراتر می‌رویم و آن را به هسته هوشمند کارخانه بازیافت تبدیل می‌کنیم. ترکیب سیستم‌های پیشرفته جداسازی و راهکارهای دیجیتال Tomra با پلتفرم هوش مصنوعی PolyPerception، یک راهکار یکپارچه از ابتدا تا انتهای فرآیند ایجاد می‌کند که نه‌تنها ماشین‌آلات را بهینه می‌کند، بلکه نحوه عملکرد کارخانه‌ها را نیز به‌طور بنیادی تغییر می‌دهد.»

Tomra برای تکمیل این روند، یک کاربرد جدید مبتنی بر یادگیری عمیق را نیز به اکوسیستم Gain Next اضافه کرده است. این فناوری، گلوگاه‌های قدیمی صنعت را هدف قرار می‌دهد؛ یعنی حوزه‌هایی که به گفته Tomra، فناوری‌های سنتی جداسازی مبتنی بر حسگر به محدودیت‌های خود رسیده‌اند.

نخستین کاربرد این فناوری، پاسخ به تقاضای رو به رشد برای سینی‌های PET گرید غذایی به‌عنوان یک خوراک مهم بازیافت است. با آموزش Gain Next بر روی هزاران تصویر، این سیستم اکنون می‌تواند سینی‌های غذای بیرون‌بر یا فروشگاهی را از بسته‌بندی‌های مصرفی یا پزشکی تشخیص دهد و به خلوص بیش از ۹۵ درصد دست پیدا کند.

تأسیسات جدید

شرکت چینی DataBeyond اخیراً اعلام کرد پروژه شاخص این شرکت در تایچونگ تایوان وارد مرحله بهره‌برداری پایدار و پربازده شده است.

به گفته این شرکت، این پروژه نخستین طرح در منطقه است که به جداسازی بدون نیروی انسانی، دیجیتال و هوشمند پلاستیک‌های مخلوط دست یافته و گامی مهم در فرآوری منابع حاصل از پسماند به شمار می‌رود.

این تأسیسات با استفاده از یک سیستم کاملاً خودکار مدیریت کارخانه مبتنی بر هوش مصنوعی، ظرفیت پردازش خود را از ۲ تن به ۱۰ تن در ساعت افزایش داده است؛ بدون آنکه به نیروی انسانی در فرآیند نیاز داشته باشد.

Mo Zhuoya، مدیرعامل DataBeyond، گفت:

«پروژه تایچونگ نشان می‌دهد که هوش مصنوعی می‌تواند انسان‌ها را از کارهای خطرناک آزاد کند، به نیروی کار امکان انجام فعالیت‌هایی شایسته‌تر بدهد و در عین حال زندگی دوباره‌ای به پسماند ببخشد.»

مزیت اصلی این مرکز، فناوری اختصاصی DataBeyond با عنوان AI + Multi-Sensor Fusion است که از تصویربرداری ابرطیفی ۲۵۶ باندی و یادگیری عمیق برای شناسایی مواد و رنگ‌های مختلف از جمله PET، PP، PE و ABS استفاده می‌کند.

در پسماندهای ساختمانی و تخریب، صدها میلیون تن مواد سبک وجود دارد که حدود ۵۰ درصد آنها را فیلم‌های PP و PE تشکیل می‌دهند. DataBeyond معتقد است کلید آزادسازی این منابع، فناوری جداسازی کارآمد است.

سیستم Fastsort-Film این شرکت با استفاده از پایگاه داده هوش مصنوعی، فیلم‌های PP و PE را از میان مواد سبک و پیچیده با دقت بیش از ۹۵ درصد جدا می‌کند و همزمان PVC، PET و سایر ناخالصی‌ها را حذف می‌کند تا خلوص خوراک برای بازیافت مبتنی بر پیرولیز تضمین شود.

سرمایه‌گذاری ۷۳ میلیون دلاری WM

در آمریکای شمالی نیز یک واحد بزرگ بازیافت در تابستان امسال افتتاح شد. شرکت WM تکمیل تأسیسات Denver East Recycling Facility در آرورا، آمریکا را با سرمایه‌گذاری ۷۳ میلیون دلار اعلام کرد.

David Brannon، معاون منطقه‌ای WM Four Corners، گفت:

«این تأسیسات جدید به فناوری‌های پیشرفته‌ای مجهز شده است که امکان پردازش حجم بیشتری از مواد با بهره‌وری بالاتر و تولید محصولی با کیفیت بالا را فراهم می‌کند؛ محصولی که می‌تواند برای ساخت محصولات جدید مورد استفاده قرار گیرد.»

این واحد قرار است سالانه بیش از ۱۷۵ هزار تن مواد را پردازش کند و تقریباً دو مایل نوار نقاله دارد که مواد را از میان بیش از ۳۰ ایستگاه خودکار مجهز به فناوری‌های جداسازی نوری و هوش مصنوعی عبور می‌دهد.

این پروژه بخشی از برنامه گسترده WM برای سرمایه‌گذاری بیش از ۱.۴ میلیارد دلار در ۳۹ واحد جدید یا ارتقایافته بازیافت در سراسر آمریکای شمالی تا سال ۲۰۲۷ است.

بسیاری از تأسیسات WM همچنین دارای مراکز آموزشی بازیافت در محل هستند که برای بازدیدهای گروهی از کارخانه استفاده می‌شوند و هدف آنها افزایش شناخت عمومی از نحوه عملکرد بازیافت است.

نوآوری‌های فناوری جداسازی

شرکت سوئیسی Bühler، سازنده تجهیزات کارخانه‌ای، با معرفی Sortex J SpectraVision سبد محصولات خود را توسعه داده است.

این سیستم برای HDPE و سایر کاربردهای پلی‌الفینی طراحی شده و از جداسازی پیشرفته رنگ و گروه‌بندی رنگی پشتیبانی می‌کند. هدف، تولید مواد بازیافتی یکنواخت‌تر و پاسخ‌گویی به مشخصات سخت‌گیرانه‌تر بازارهای نهایی با سطوح بالای خلوص، ظرفیت و بازده است.

برای کاربردهای دشوارتر مانند PVC و پلاستیک‌های مهندسی، سیستم Sortex H SpectraVision ترکیبی از دوربین‌های رنگی، فناوری پیشرفته حسگر مادون قرمز موج کوتاه (InGaAs) و قابلیت تشخیص شکل را به کار می‌گیرد.

این فناوری امکان شناسایی و حذف آلاینده‌هایی را فراهم می‌کند که با بازرسی‌های متداول مبتنی بر رنگ، به‌سادگی قابل تشخیص نیستند.

Bühler همچنین Spark Pro را معرفی کرده است؛ یک دستگاه جداساز نوری رنگی در رده پایه که با هدف سهولت کاربری و انعطاف‌پذیری در جداسازی مواد مختلف طراحی شده است.

این پلتفرم از فناوری جدید دوربین مادون قرمز با وضوح بالا و تنظیمات ساده‌شده ماشین استفاده می‌کند تا اپراتورها بتوانند با پیچیدگی کمتر، عملکرد مناسبی در جداسازی داشته باشند.

Shravani Saxena، مدیر محصول جداسازی نوری در Bühler Group، گفت:

«در بازیافت PET، تقاضا برای مواد بازیافتی گرید غذایی که الزامات مقرراتی اتحادیه اروپا را رعایت کنند، همچنان محرک علاقه به رویکردهای یکپارچه جداسازی است.»

به گفته او، Sortex A GlowVision جداسازی رنگ و پلیمر را در یک پلتفرم واحد ترکیب می‌کند و به بازیافت‌کنندگان کمک می‌کند ظرفیت و کیفیت محصول را در کاربردهای bottle-to-bottle بهبود دهند.

این سیستم با ترکیب فناوری‌های UV، NIR و RGB، خروجی با خلوص بالا تولید می‌کند و همزمان عیوب دشوار را هدف قرار می‌دهد.

تشخیص هوشمند PET غذایی توسط Steinert

شرکت Steinert نیز در نمایشگاه IFAT 2026 در مونیخ در ماه مه، برنامه جداسازی مبتنی بر هوش مصنوعی خود برای PET گرید غذایی را به نمایش گذاشت.

سیستم Steinert Intelligent Object Identifier یا IOI می‌تواند بسته‌بندی‌های غذایی و غیرغذایی را با دقت بالا از یکدیگر تشخیص داده و جدا کند.

به گفته Steinert، این سیستم اکنون به‌طور مستمر در شرکت هلندی Cirrec در حال کار است.

IOI الگوهای مشخصی مانند شکل سینی‌های غذای آماده، چاپ‌های معمول و بافت سطحی بسته‌بندی‌های PET را شناسایی می‌کند.

جداسازی هوشمند بدون تعویض کامل کارخانه

سرمایه‌گذاری در فناوری‌های پیشرفته جداسازی معمولاً به معنای خرید یک دستگاه کامل مجهز به حسگرهای مختلف بوده است.

شرکت BT-Systems با معرفی Redwave NIR Modular در حال به چالش کشیدن این مدل سنتی است. این فناوری به بازیافت‌کنندگان و سازندگان تجهیزات اجازه می‌دهد به فناوری جداسازی مبتنی بر حسگر Redwave دسترسی پیدا کنند، بدون آنکه مجبور باشند یک سیستم کامل خریداری کنند.

در این روش نیازی به تعویض نوارهای نقاله، سازه‌ها و زیرساخت‌های موجود نیست و مشتری می‌تواند فناوری را مستقیماً در کارخانه‌های فعلی یا تأسیسات جدید ادغام کند.

این رویکرد انعطاف‌پذیری بیشتر، اجرای سریع‌تر پروژه و سرمایه‌گذاری هدفمندتر را امکان‌پذیر می‌کند.

حرکت به سمت سفارشی‌سازی

Julian Tauterer، مدیر عملیاتی Redwave، گفت:

«صنعت بازیافت هر روز بیشتر به سمت سفارشی‌سازی حرکت می‌کند و مشتریان ما کنترل بیشتری بر نحوه طراحی و توسعه تأسیسات خود می‌خواهند.»

او افزود:

«NIR Modular به سازندگان کارخانه و اپراتورهای واحدهای بازیافت آزادی می‌دهد تا هوش جداسازی اثبات‌شده Redwave را در سیستم‌های موجود یا سیستم‌های آینده خود ادغام کنند.»

این سیستم از تصویربرداری ابرطیفی NIR در سطح صنعتی به همراه فناوری شیرهای پرسرعت Redwave استفاده می‌کند تا دقت بالای جداسازی را فراهم کند.

فناوری دوربین RGB و قابلیت تشخیص فلز نیز به‌صورت اختیاری قابل افزودن است.

معماری ماژولار این سیستم به مشتریان اجازه می‌دهد طراحی را بر اساس زیرساخت موجود انجام دهند، پیچیدگی مهندسی را کاهش دهند، زمان اجرای پروژه را کوتاه کنند و ظرفیت را در آینده افزایش دهند.

راهکار جدید برای مشکل پلاستیک‌های سیاه

یکی از مشکلات قدیمی صنعت جداسازی، شناسایی پلاستیک‌های سیاه است؛ موادی که با سیستم‌های استاندارد NIR قابل تشخیص نیستند.

شرکت Sesotec در نمایشگاه IFAT مونیخ در ماه مه، سیستم Varisort+ Carbon Black را به‌عنوان یک راهکار مفهومی معرفی کرد و در ماه ژوئن نخستین نمونه تولیدی آن را به مرکز فنی داخلی خود منتقل کرد.

این سیستم با استفاده از فناوری مادون قرمز موج میانی (MWIR)، قطعات پلاستیکی سیاه را پس از خردایش اولیه و در اندازه نسبتاً درشت تشخیص می‌دهد و آنها را پیش از مرحله آسیاب، بر اساس نوع ماده جدا می‌کند.

در این فرآیند، ماده با تابش مادون قرمز با طول موج میانی روشن می‌شود و یک حسگر MWIR طیف اختصاصی ماده را ثبت می‌کند. سپس این اطلاعات با استفاده از نرم‌افزار هوشمند، مدل‌های تثبیت‌شده هوش مصنوعی و تحلیل طیفی مورد بررسی قرار می‌گیرند.

Tobias Eder، مدیر فناوری‌های جداسازی و پلاستیک در Sesotec، گفت:

«بازخوردهایی که در IFAT دریافت کردیم، تقاضای قابل‌توجه بازار برای یک راهکار قابل اعتماد جهت جداسازی پلاستیک‌های سیاه را نشان داد.»

به گفته او، ترکیب فناوری MWIR، نرم‌افزار هوشمند و تجربه گسترده شرکت در تحلیل طیفی می‌تواند این مشکل را در مراحل اولیه فرآیند بازیافت حل کند.

قرار است پس از تکمیل فرآیند یکپارچه‌سازی، این سیستم در شرایط واقعی در اختیار مشتریان قرار گیرد و بر اساس نتایج عملیاتی بهینه شود.

مرکز جدید جداسازی پسماند در چین

شرکت GEP Ecotech، سازنده تجهیزات جداسازی، در ماه مه اعلام کرد نخستین مرکز خود برای جداسازی پسماندهای خانگی را در منطقه Huangpi شهر ووهان چین راه‌اندازی می‌کند.

این پروژه در زمینی به مساحت حدود ۳۷ هزار و ۱۴۶ مترمربع اجرا می‌شود و انتظار می‌رود ضمن پر کردن خلأ منطقه‌ای در زمینه جداسازی و دفع پسماند، یک سیستم حلقه‌بسته ایجاد کند.

مواد قابل بازیافت مختلف از جمله فلزات، پلاستیک‌ها، منسوجات دورریز و کاغذ در محل جداسازی و فرآوری خواهند شد و مواد غیرقابل بازیافت باقی‌مانده نیز بسته‌بندی و به واحدهای زباله‌سوز منتقل می‌شوند.

GEP Ecotech بر اساس نیازهای پروژه، دو راهکار اصلی را طراحی کرده است: خط فرآوری پسماندهای حجیم و خط جداسازی مواد قابل بازیافت.

در خط جداسازی، تجهیزاتی مانند سرند غلتکی، جداکننده مغناطیسی و سرند بالستیک به‌صورت هماهنگ کار می‌کنند تا جداسازی خودکار و دقیق انجام شود.

این فرآیند به مداخله انسانی بسیار کمی نیاز دارد و علاوه بر کاهش هزینه نیروی انسانی، بهره‌وری را افزایش داده و مصرف انرژی را کاهش می‌دهد.

افزایش بهره‌وری در عملکرد کارخانه

شرکت‌های فناوری علاوه بر جداسازی، روی افزایش بهره‌وری در کل عملیات واحدهای بازیافت مواد نیز تمرکز کرده‌اند.

Bollegraaf در ماه مه Bollegraaf One را معرفی کرد؛ یک محیط دیجیتال که به گفته شرکت، شیوه مدیریت واحدهای بازیافت و جداسازی را متحول می‌کند.

عملکرد کارخانه‌های بازیافت معمولاً به تجربه اپراتورها، مداخلات دستی و واکنش به مشکلات پس از وقوع آنها وابسته است.

Bollegraaf One با ایجاد دید گسترده در سراسر کارخانه، داشبوردهای زنده، داده‌های ماشین‌آلات، پایش ظرفیت عبوری و شاخص‌های کلیدی عملکرد را در اختیار اپراتورها قرار می‌دهد.

این سیستم می‌تواند ناهنجاری‌ها را در مراحل اولیه شناسایی کند، اقدامات ضروری را اولویت‌بندی کند و توصیه‌های هوشمند ارائه دهد.

به گفته Bollegraaf، این سیستم ترکیبی از دهه‌ها تجربه در صنعت بازیافت با تحلیل‌های پیشرفته و فناوری‌های مبتنی بر هوش مصنوعی است و گامی مهم به سمت کارخانه‌های بازیافت خودکار محسوب می‌شود.

Bollegraaf One با همکاری شرکت مشاوره داده WaDaCon توسعه یافته و از پلتفرم هوشمند پسماند Greyparrot استفاده می‌کند.

در توافق همکاری سال ۲۰۲۴ میان Bollegraaf و Greyparrot، Bollegraaf کسب‌وکار هوش مصنوعی مبتنی بر بینایی ماشین خود را به Greyparrot منتقل کرد، در این شرکت سهام خرید و به توزیع‌کننده جهانی و شریک راهبردی Analyzer شرکت Greyparrot تبدیل شد.

Analyzer با استفاده از سیستم‌های دوربین مبتنی بر هوش مصنوعی، دید ۱۰۰ درصدی از جریان‌های پسماند در کارخانه‌های بازیافت فراهم می‌کند.

Tom Wijkel، مدیر محصول و رهبر پروژه Bollegraaf One، گفت:

«واحدهای بازیافت هر سال پیچیده‌تر می‌شوند، در حالی که انتظارات برای عملکرد نیز همچنان افزایش می‌یابد. مشتریان ما به چیزی فراتر از داده نیاز دارند؛ آنها به شفافیت، راهنمایی و اطمینان نیاز دارند. Bollegraaf One دقیقاً همین را ارائه می‌کند.»

پلتفرم Mind شرکت Machinex

شرکت آمریکایی Machinex Technologies نیز در نمایشگاه IFAT از Mind، پلتفرم جدید هوش مصنوعی خود، رونمایی کرد.

به گفته شرکت، این پلتفرم می‌تواند با تصمیم‌گیری لحظه‌ای، بهینه‌سازی سیستم و گزارش‌دهی پیشرفته، هوشمندی یکپارچه را به عملیات مدرن جداسازی وارد کند.

Chris Hawn، مدیرعامل Machinex، گفت:

«آینده بازیافت فقط اتوماسیون نیست؛ بلکه سیستم‌های هوشمند است. سال‌ها هوشمندی در یک ماشین در هر زمان مورد استفاده قرار گرفته است. با Mind، این هوشمندی را به چندین واحد گسترش می‌دهیم و از تجهیزات منفرد عبور کرده و به یک سیستم یکپارچه می‌رسیم.»

Mind با ترکیب بینایی ماشین، یادگیری ماشین و تصمیم‌گیری لحظه‌ای، مواد را شناسایی و طبقه‌بندی می‌کند، اطلاعات را به اقدام تبدیل می‌کند و عملکرد سیستم را بهبود می‌دهد.

این سیستم به‌صورت یک حلقه هوشمند بسته عمل می‌کند و به تأسیسات MRF اجازه می‌دهد خود را با تغییر جریان مواد تطبیق دهند و همزمان بهره‌وری و یکنواختی عملکرد را حفظ کنند.

Machinex همچنین Mind AirPulse را معرفی کرده است؛ یک جداکننده پنوماتیکی که تصمیم‌های هوشمند را به عملیات جداسازی سریع و دقیق تبدیل می‌کند و سرعت آن بیش از ۲۰ برابر سرعت یک اپراتور دستی است.

Navigator؛ دستیار هوش مصنوعی برای اپراتورها

شرکت EverestLabs نیز رویکرد مشابهی را دنبال می‌کند و Navigator را توسعه داده است؛ یک دستیار هوش مصنوعی برای اپراتورهای کارخانه که به‌طور اختصاصی برای تأسیسات MRF و واحدهای بازیافت پلاستیک طراحی شده است.

Navigator به‌عنوان یک لایه هوشمند در سراسر کارخانه عمل می‌کند و به‌طور مستمر جریان مواد، عملکرد تجهیزات و شرایط عملیاتی را پایش می‌کند.

این سیستم با استفاده از Vision AI، هوش مصنوعی عامل‌محور (Agentic AI) و یک رابط مکالمه‌ای می‌تواند نقاط کور عملیاتی را شناسایی کند، منابع اتلاف مواد را پیدا کند، گلوگاه‌ها و تغییرات عملکرد را تشخیص دهد و اقداماتی را که اپراتورها می‌توانند انجام دهند پیشنهاد کند.

Navigator به‌گونه‌ای طراحی شده است که در کنار تجهیزات موجود کار کند و اطلاعات مربوط به کل کارخانه را در یک نمای عملیاتی واحد در اختیار کاربر قرار دهد.

Apurba Pradhan، مدیر محصول و بازاریابی EverestLabs، گفت:

«به‌جای اینکه ماشین‌آلات به‌صورت مستقل از یکدیگر کار کنند، تجهیزات، حسگرها، بینایی ماشین و رباتیک می‌توانند به‌عنوان بخشی از یک سیستم هماهنگ با یکدیگر کار کنند.»

به گفته او، هوش مصنوعی می‌تواند داده‌های سراسر کارخانه را تحلیل کند، الگوهایی را که شناسایی آنها به‌صورت دستی دشوار است تشخیص دهد و مشخص کند تغییرات در کدام بخش می‌تواند بیشترین اثر عملیاتی را داشته باشد.

سیستم‌های Vision AI نیز می‌توانند اطلاعات مربوط به مواد در حال عبور از کارخانه را به‌طور مستمر ثبت کنند و سیستم‌های رباتیک بر اساس این اطلاعات اقدام کنند.

پیشرفت‌های جدید در آمریکا

شرکت Bulk Handling Systems یا BHS اخیراً از یک MRF خودکار جدید در منطقه Western Colorado در آمریکا خبر داده است که توسط Bruin Waste اداره خواهد شد.

این تأسیسات که قرار است اواخر سال جاری میلادی فعالیت خود را آغاز کند، از چند فناوری مختلف بهره می‌برد: Max-AI Air، یک سیستم جداسازی که هوش مصنوعی را با پرتاب پرسرعت هوا ترکیب می‌کند؛ SpydIR-HS، یک جداساز نوری با وضوح بالا و مجهز به تصویربرداری ابرطیفی؛ و Total Intelligence Platform که پایش و تحلیل لحظه‌ای را فراهم می‌کند.

پروژه ۵۴۰ هزار تنی AMP

شرکت AMP که در طراحی، ساخت و بهره‌برداری از کارخانه‌های پردازش بازیافت تک‌جریانی و پسماند جامد شهری فعالیت دارد، نیز به‌تازگی یک توافق ۲۰ ساله با Southeastern Public Service Authority یا SPSA در ایالت ویرجینیا آمریکا نهایی کرده است.

بر اساس این توافق، AMP زیرساخت‌های جداسازی و بازیابی مبتنی بر هوش مصنوعی را برای پردازش حدود ۵۴۰ هزار تن پسماند جامد شهری در سال مستقر خواهد کرد.

انتظار می‌رود این سیستم به بزرگ‌ترین پروژه بازیافت در آمریکا تبدیل شود و دست‌کم ۵۰ درصد مواد تحویلی SPSA را از دفن در محل‌های دفن زباله منحرف کند.

این شرکت از دو تأسیسات جداسازی در Portsmouth ویرجینیا استفاده خواهد کرد و همزمان با SPSA برای مدیریت مواد باقی‌مانده همکاری می‌کند.

فناوری AMP به‌طور مستقیم از بینایی ماشین، یادگیری عمیق، رباتیک و جداسازی با جت‌های هوای پرسرعت استفاده می‌کند و پیش از این قابلیت خود را در مقیاس تجاری نشان داده است.

در یک آزمون پذیرش که توسط طرف ثالث در اوایل سال ۲۰۲۶ اعتبارسنجی شد، بیش از ۵۰۰ تن پسماند جامد شهری پردازش شد و حدود ۳۶۰ تن از آن به جریان‌های قابل بازیافت و آلی هدایت شد؛ نتیجه‌ای که از الزامات قراردادی پروژه فراتر رفت.