包装回收是全球减少废弃物、提升循环性的关键挑战。通过先进解决方案与协作模式,该行业正在探索可规模化、适应性强且能处理复杂废物流的技术。《包装洞察》与Greenback回收技术公司、Greyparrot公司及陶朗回收公司探讨了包装回收领域的最新创新,并展望了可能塑造行业未来的趋势。
Greenback公司首席营收官塞缪尔·马丁内斯指出:"包装回收依然困难重重,特别是在为敏感且受严格监管的应用(如直接食品接触、婴幼儿及医疗产品)提供再生材料方面。技术发展正致力于精准解决这一问题,为可回收性和循环性赋能提供解决方案。"
不断演变的政策要求马丁内斯认为,回收行业在开发可规模化系统解决方案方面持续面临障碍。需要能够避免在整个价值链中进行大规模额外改进即可运作,并能适应不同环境的有效方法。他指出,扩大回收技术规模的另一关键障碍是各地区缺乏公平竞争环境。"坚实、清晰且积极的法规与立法基础,若能与循环经济保持一致并予以支持,将有助于企业在复杂生态系统中投资、运营和发展。"此外,需要加强价值链参与,因为这一挑战并非单一价值链利益相关方能够独立承担或解决;因此,协调一致的集体方法对成功至关重要。满足不断演变的政策要求对回收行业仍是挑战。Greyparrot联合创始人安巴里什·米特拉认为,下一阶段的回收创新将由更优质数据的整合来定义。Greenback公司通过将废弃物从环境和焚烧中转移来实现塑料废弃物中和。他指出,政策制定正朝着数据驱动方向发生重大转变。"法规和生产者责任延伸制度将基于回收工厂的实际运行情况来推动循环议程。"
新技术开启循环可能马丁内斯表示,热解和气化等先进回收技术正在开发中,以处理通常难以回收的混合污染废物流。同时,机械回收正通过改进再生料的清洗和提纯来提升质量。"特别是在热解领域,这些新技术将为高度敏感的应用开启循环可能,为化工和塑料生产行业提供再生原料,同时解决最严峻的废弃物问题——遗留在环境中、填埋或最多被焚烧的混合软包装和多材料废弃物。""侵入性较小甚至无侵入性、适应现有生态系统,并允许采用分布式方法在废弃物问题发生地附近提供解决方案的技术,将有助于在所需之处高效提供规模化解决方案。""人工智能以及用于改进分选和废弃物处理的新技术和增强技术,对于提高废物流质量和纯度、最大化废弃物价值也至关重要。"马丁内斯介绍,Greenback的Enval模块化微波诱导热解技术可提升废弃物价值化。"该解决方案使废弃物收集和分选更简单、成本更低,确保生产的再生原料适合用于敏感和受严格监管应用的新塑料闭环循环。""该工艺还能回收塑料废物流中的铝。这是Enval热解技术的独特之处,相比其他热解技术具有更多功能并改善了碳足迹。"
数字化可追溯性陶朗回收中欧区域总监阿尔努德·特·温克尔强调,随着全球法规日益严格,为再生材料提供数字化'出生证明'的能力将变得与物理分选过程同样关键。为顺应回收过程中数字认证的新兴趋势,Greenback开发了eco2Veritas数字认证平台以确保可追溯性。他补充道:"该技术认证了从环境中中和的废弃物,使品牌和消费品公司能够依据从环境中转移废弃物的证据数据。""它还能认证再生产品的循环性和来源证明,确保整个价值链的可追溯性和来源清晰。证据被存入区块链,提供无可争议、不可篡改、可访问且透明的证明。"
深度学习分选技术在包装回收行业,人工智能因提高分选精度和确保最终再生材料纯度而日益受到关注。Autosort是一种多功能分选系统,可集成到新建和现有工厂中。特·温克尔表示:"行业最显著的趋势是先进深度学习应用的扩展。深度学习通过模拟人类视觉识别和判断实现了重大飞跃。""深度学习是经过验证的基于传感器的分选技术(如近红外和颜色传感器系统)的强大延伸,而非替代。它通过传统传感器无法单独实现的先进视觉分类增加了价值,特别是在材料差异是视觉而非化学或光谱差异时。"特·温克尔以陶朗的GainNext人工智能生态系统为例,说明人工智能如何提升PET回收。"我们的GainNext人工智能生态系统解决了以前不可能完成的任务,例如区分食品级和非食品级PET。这种区分对于高产出、瓶到瓶循环至关重要,因为它允许设施根据物品先前用途、特定包装形状或其他视觉线索来分离具有相同材料成分的物品。"他补充道,陶朗的GainNext系统与其Autosort技术结合,可从PET瓶流中消除难以检测的污染物,如不透明白色包装、纺织品和箔片。"这确保了PET不仅被降级回收,还能被回收用于要求最苛刻的高端应用,如食品级包装和高质量纺织品。"
数据驱动优化随着公司转向基于实时材料成分趋势决策的持续数据驱动优化模式,陶朗近期推出了Local Control系统。特·温克尔解释:"从被动管理转向主动管理可实现更稳定的产出,这是瓶到瓶应用的主要要求。该系统的推出是这一转变的典型例证。它提供了一个集中、直观的界面,使操作员能够同时管理多台分选机,并对工厂现场变化的条件做出更快反应。""这种对数据的即时访问确保即使输入材料变化很大,分选也能保持稳定高效。整个分选线可以作为一个单一、连贯的系统进行调整,以最大化总产出,而不是各个机器孤立运行。"作为陶朗Local Control的补充,PolyPerception废弃物分析仪充当自动化、持续的质量审计员。"通过在分选回路的关键点使用摄像头进行实时材料分析,它能即时显示材料损失和纯度水平。这些数据对于证明输入材料中非食品级PET含量低于5%至关重要。"
智能废弃物管理除了增强材料解决方案,人工智能和数据驱动方法也能改变废弃物管理。Greyparrot的米特拉指出,回收领域最大障碍之一是缺乏可视性。他解释说,几十年来,传统的废弃物审计涉及人工手动计数和分类废弃物,速度慢、不准确且成本高。Greyparrot的人工智能可在废弃物通过设施时进行分析,识别污染并辨认可回收材料。他解释道:"人工智能以持续监控取代了快照式检查。Greyparrot在全球分选设施的传送带上直接安装名为分析仪的人工智能摄像头系统,实时识别每个物品并将其分类到111个废弃物类别中。""分析仪利用人工智能计算机视觉,从通过Deepnest.ai识别特定品牌水瓶,到辨认皱缩包装废弃物的材料类型,无所不能。"他表示,这种持续监控能提供以前无法获得的洞察。"回收一直关乎机械力量,即大型机器物理移动塑料和金属。但该行业一直缺乏数字化带来的敏捷性。通过利用人工智能,我们现在看到了'数据层'在这些机械之上的出现。"米特拉举例说,某使用Greyparrot人工智能技术的回收设施发现,通常被送往填埋场的残渣线中93%的材料是可回收的。"其中只有约7%是真正不可回收的。其余材料本可被回收,包括在前端分选阶段漏掉的塑料和纤维。这种洞察只有通过实时废弃物智能才能实现。"
行业展望展望未来,米特拉表示人工智能驱动的分析将成为"行业标准,为回收带来与现代制造业同等水平的精确性和敏捷性"。此外,品牌将开始基于实际回收数据设计包装,并能证明其可持续性资质。马丁内斯呼吁所有行业利益相关方协作。"我们正处于循环转型的早期阶段,每个人的成功都将对推动进展、降低解决方案风险、建立新生态系统和助力转型至关重要。""解决塑料废弃物问题没有灵丹妙药,一系列解决方案需要并行运作。将进一步部署和开发技术化,特别是在人工智能和机器人技术的帮助下,这已经在改变废弃物处理和管理以实现循环的方式。"他总结道:"数字化将自然推进并广泛实施,以补充物理过程,帮助其更好、更高效地运行。"