La inteligencia artificial transforma los residuos plásticos en materiales reciclados aptos para uso industrial
Anuncios
En el proyecto «K3I-Cycling», el Instituto Fraunhofer de Resistencia Estructural y Fiabilidad de Sistemas (LBF), junto con 16 socios, desarrolla métodos basados en inteligencia artificial para la clasificación de plásticos postconsumo, como los procedentes de la bolsa amarilla. Los investigadores de Darmstadt dirigen el paquete de trabajo «Reciclaje y producción de materiales reciclados» y están creando un conjunto de herramientas para la evaluación y la estabilización posterior de los materiales reciclados. Los fabricantes de envases, las empresas de reciclaje, las marcas y los ayuntamientos se benefician de unos parámetros fiables. El proyecto cuenta con la financiación del Ministerio Federal de Investigación, Tecnología y Espacial (BMFTR).
Los residuos mixtos de envases ligeros (LVP) constituyen una fuente de materia prima compleja. Su composición varía. Las impurezas y el grado de envejecimiento influyen en la calidad de los materiales reciclados obtenidos a partir de ellos. Aquí es precisamente donde entra en juego el proyecto «K3I-Cycling».
De los residuos mixtos de envases a materiales de alta calidad
En el proyecto financiado por el BMFTR, el Fraunhofer LBF aporta, en el paquete de trabajo «Reciclaje y producción de materiales reciclados», su experiencia en evaluación de materiales, fiabilidad de sistemas, digitalización y circularidad. Los investigadores desarrollan nuevos métodos para producir materiales reciclados de plástico de alta calidad a partir de residuos mixtos de envases ligeros. El proyecto se centra en la producción práctica de material reciclado a escala de laboratorio y piloto, la evaluación de las propiedades de los materiales y el desarrollo de paquetes de aditivos. Entre ellos se incluyen estabilizadores de origen biológico, con los que se pueden mejorar de forma específica las propiedades de los materiales reciclados.
El Fraunhofer LBF combina el análisis real de materiales con el aprendizaje automático. Los materiales reciclados de poliolefinas se clasifican según su estado de envejecimiento y sus impurezas, y se agrupan en categorías de calidad. De este modo se obtienen niveles de calidad de los materiales fiables, que pueden incorporarse a nuevas normas y a los pasaportes digitales de los productos. Así, los investigadores hacen que la complejidad técnica sea manejable y contribuyen a garantizar de forma fiable la reciclabilidad.
Los parámetros proporcionan seguridad para aplicaciones exigentes
Estos trabajos proporcionan valores característicos exhaustivos y fiables para los materiales plásticos reciclados de alta calidad utilizados en productos exigentes. Esto es importante para los fabricantes de envases, las empresas de reciclaje y los fabricantes de marcas. De este modo, pueden evaluar los materiales reciclados de forma más específica y utilizarlos en aplicaciones que plantean altos requisitos en cuanto a la calidad y la fiabilidad de los materiales. Entre ellas se incluyen también los envases destinados al contacto con alimentos.
Para cumplir estos requisitos, se desarrolló en el proyecto el «Artificial Neural Twin» (ANT). Este modelo reproduce toda la cadena de clasificación, desde la recogida hasta el destinatario final del material reciclado, y permite la optimización específica de parámetros concretos (por ejemplo, pureza, logística corta, precio bajo) a lo largo de toda la cadena de valor. La IA también se utiliza para proteger las instalaciones de clasificación: el sistema DangerSort puede detectar y expulsar de forma segura las baterías de litio antes de que provoquen incendios. La industria y los municipios se benefician de una base más fiable para la toma de decisiones y de instalaciones a prueba de fallos. Pueden cumplir las cuotas de reciclaje de forma rentable, reducir de manera cuantificable las emisiones de CO₂ y garantizar el suministro de materias primas secundarias. Esto refuerza una economía circular europea resiliente y combina el desarrollo virtual con la validación real.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Alemán se puede encontrar aquí.
Más noticias del departamento investigación y desarrollo
