De rol van AI in plastic recycling
ISPT ondersteunt en faciliteert in relevante projecten
Met het Circular Plastics Initiative (CPI) wil ISPT circulariteit in plastics op industriële schaal stimuleren. Een van de veelbelovende tools om vooral de sortering en voorbehandeling van afvalplastics in recyclingprocessen te verbeteren, is Artificial Intelligence (AI). De technologie verbetert nu al de effectiviteit van bestaande sorteerlijnen en kan in vision-toepassingen behulpzaam zijn bij het herkennen, classificeren en mogelijk uitnemen van verontreinigingen. Gecombineerd met productgegevens zoals een digitaal productpaspoort zou dit in de toekomst een belangrijke stap voor de sector kunnen betekenen. De ontwikkelingen op dit gebied gaan razendsnel en bieden perspectief op een hogere opbrengst en kwaliteit.
Recycling van plastics – veelal verpakkingsmaterialen – is alleen goed mogelijk wanneer er voorafgaand een optimale sortering van de afvalstroom plaatsvindt. Dit is een uitdaging, omdat zich hierin veel verschillende typen plastic bevinden die op verschillende manieren moeten worden verwerkt. Daarnaast is het belangrijk om vóór en tijdens de verwerking van de materiaalstroom goed zicht te hebben op de kwaliteit ervan, om uiteindelijk de kwaliteit van het recyclaat (eindproduct) te beheersen.
Ronald Korstanje is programmadirecteur van CPI bij ISPT en legt uit: "Monitoring biedt mogelijkheden om eventueel in te grijpen en zo een 'schone' materiaalstroom over te houden die geschikt is voor verdere verwerking tot nieuwe producten. Daarnaast neemt de stroom plastic alleen maar toe, wat de behoefte aan automatisering alleen maar verder vergroot."
Circular Plastics Initiative
Al 20 jaar fungeert ISPT als een onafhankelijk innovatieplatform dat samenwerking tussen kennisinstellingen, bedrijven en ketenpartners faciliteert om de drie grote transities in energie, materialen en agrofood te versnellen. Met het oog op de recycling van plastics is de organisatie de afgelopen jaren bezig geweest met het samenbrengen van eindgebruikers, kennisinstituten en leveranciers van onder meer sensoren en AI-specialisten. Hiermee wordt kennis en ervaring gebundeld om in het sorteer- en verwerkingsproces gericht metingen te kunnen uitvoeren. AI beoordeelt de resultaten, kan voorspellingen doen over input-outputrelaties en is uiteindelijk in staat zelf in te grijpen in het proces om resultaten beter te laten aansluiten op productspecificaties.
Er lopen bij ISPT momenteel diverse initiatieven, waarvan enkele onder het Circular Plastics Initiative (CPI) vallen. CPI is in 2019 gestart in samenwerking met het Dutch Polymer Institute (DPI) en diverse (industriële) partners. Het betreft een innovatieprogramma waarbinnen onder andere wordt gekeken naar alternatieve manieren van sorteren, maar ook naar optimalisatie van verwerkingsprocessen. Daarbij ligt een specifieke focus op de mogelijke rol van AI om afvalsorteer- en verwerkingsbedrijven te ondersteunen bij het verbeteren van deze processen. Het uiteindelijk doel: een consistent, kwalitatief hoogwaardig recyclaat garanderen.
Marta Konopinska is werkzaam binnen het thema Industry 4.0 bij ISPT en geeft aan: "Al langer geleden is er bij diverse bedrijven in de keten gestart met de toepassing van identificatie- en karakteriseringsmethodes om producten of plasticsoorten te herkennen en zo de kwaliteit van de gescheiden materiaalstromen te verbeteren. Met de opkomst van AI lijken de mogelijkheden verder toe te nemen. Onze kracht vanuit ISPT is om de juiste partijen bij elkaar te brengen en bovendien de voortgang te bewaken."
Project PlastiCycle
Een van de projecten uit het CPI is PlastiCycle 4.0. Dit wordt geleid door Dr. Sin Yong Teng; hij is sinds drie jaar werkzaam als assistent-professor aan de Universiteit van Maastricht. Zijn onderzoek richt zich op het ontwikkelen en gebruiken van modellen om met behulp van duurzame industriële processen gelijke of betere resultaten (kwaliteit en kosten) te halen. Dit ten opzichte van de huidige processen die gebaseerd zijn op primaire fossiele grondstoffen.
De modellen gebruikt hij op diverse schaalniveaus. Hij streeft daarbij naar het ontwikkelen van theoretische algoritmen die worden gevoed door experimentele en industriële data en kunnen ondersteunen bij het wegnemen van knelpunten richting industriële toepassingen. Hij geeft aan: "Ik ben vooral geïnteresseerd in onderzoek dat zich richt op industriële systemen in combinatie met de recycling van kunststoffen. Daarmee was het project PlastiCycle van ISPT me op het lijf geschreven."
In het project werkt hij samen met zijn team (zeven promovendi en postdoctoraal medewerkers) en andere kennisinstellingen en bedrijven aan het stabiliseren van de recyclekwaliteit van het mechanische recyclingproces van plastics. Hij legt uit: "Bij het mechanisch recyclen van plastics kan de kwaliteit van het eindresultaat sterk wisselen. Dit maakt het lastig deze materiaalstroom te vermarkten, waardoor een onbalans in vraag en aanbod ontstaat en het breder toepassen van bijbehorende technieken wordt bemoeilijkt. Toch willen we graag mechanische recycling gebruiken, omdat dit veel minder energie kost dan alternatieven als (thermo-)chemische recycling."
Het onderzoek van Sin Yong Teng focust zich op drie doelstellingen:
- Het ontwikkelen van concrete methoden die specifieke kwaliteitsparameters kunnen voorspellen en beoordelen die cruciaal zijn voor de functionaliteit van gerecyclede kunststoffen in diverse toepassingen.
- Het ontwikkelen van een nieuwe aanpak voor het beoordelen van de kwaliteit van kunststoffen die via mechanische recycling zijn verwerkt.
- Het vergroten van de kennis die nodig is voor de productie van hoogwaardige gerecyclede kunststofproducten.
Kwaliteit bepalen
Ook binnen de tweede doelstelling zet Sin Yong Teng AI in. "Binnen het project wordt onder meer gewerkt aan het vaststellen van de kwaliteit van gerecycled PE/EPDM-schuim met behulp van AI. Daarbij wordt de volledige keten beschouwd: van de binnenkomst van het basismateriaal (gesorteerd plastic) tot het eindproduct dat hiervan wordt gemaakt. Op basis van de uitkomsten is het voorgaande proces van recycling en productie – eveneens met AI – verder te optimaliseren. Daarbij helpt AI bovendien bij de kwaliteit van de beslissing, de snelheid van het aanpassen van processen en het voorspellen in welke richting de verbeteringen moeten worden gezocht. Het bouwen van een hiervoor geschikt AI-model kost veel tijd en is een serieuze uitdaging."
De eerste stap is het creëren van een model op basis van domeinspecifieke gegevens, die doorgaans niet gestructureerd zijn. Vervolgens worden potentiële oplossingen uit deze gegevens gefilterd en binnen het AI-model verrijkt met kennis die in het kader van het project is verzameld en geselecteerd. Dit gebeurt via RAG (Retrieval-Augmented Generation).
Sin Yong Teng: "In feite gaat het om een soort chatbot waarmee je letterlijk kunt praten en die vervolgens in staat is om die spraak of ongestructureerde data om te zetten naar relevante kennis. Het bouwen van een robuust model is arbeidsintensief, maar bij succes kun je de waarde van de betreffende materiaalstroom verbeteren en een constante kwaliteit waarborgen. Uiteindelijk leidt dit tot de productie van meer hoogwaardige producten uit deze materiaalstroom, waar uiteindelijk alle betrokken partijen baat bij hebben."
MPPS-project – proof of concept
In de usecase 'afval- overslagstation' van het Multipurpose Plastic Sorting (MPPS)-project is onderzoek gedaan naar de ontwikkeling van een technologie die het verlies van waardevolle verpakkingsplastics bij overslagstations minimaliseert.
Midwaste is de initiator van het project. Jurgen de Jong is Directeur Strategie en Innovatie en memoreert: “Op afval overslagstations worden binnenkomende afvalwagens visueel gecontroleerd op objecten die geen zogenaamd brongescheiden lichtgewicht verpakkingsafval (LWP) zijn. Deze objecten worden door een operator uit de afvalstroom verwijderd. De visuele identificatie van ongeschikt materiaal kent echter een hoge mate van subjectiviteit in de beoordeling, waardoor een groot deel van de vrachtwagenladingen wordt afgekeurd voor recycling. Met een toenemende complexiteit van de afvalstroom – onder andere door het toevoegen van blik en drinkkartons aan het plastic afval – groeide de behoefte naar een oplossing om deze subjectiviteit te verminderen."
Twee modellen getest
Binnen de specifieke usecase van Midwaste ging de interesse uit naar het ontwikkelen van een technologie op basis van AI-vision die verontreinigingen in correct ingezameld LWP kan detecteren en classificeren. Twee AI-vision-benaderingen zijn onderzocht: ten eerste bestaande objectclassificatiemodellen en daarnaast een op maat ontwikkeld anomaliedetectiemodel.
De studie concludeert dat huidige objectclassificatiemodellen niet geschikt zijn voor toepassing op overslagstations, vanwege de grote diversiteit aan vervuilende materialen en de omvangrijke trainingsdatasets die daarvoor nodig zijn. Het op maat ontwikkelde anomaliedetectiemodel laat daarentegen veelbelovende resultaten zien.
Lieuwe Hendrik Lei - Research Engineer bij NTCP: "We maken binnen dit model gebruik van een visionsysteem dat de afvalstroom vertaalt naar digitale beelden die vervolgens worden aangeboden aan programma’s als ChatGPT. Hier is feitelijk alle kennis beschikbaar om een object te classificeren als 'plastic' of 'geen plastic' (de anomalie / afwijking). Op deze manier kan het systeem relatief snel lastige objecten detecteren, waaronder textiel, lachgasampullen en grote stukken folie." Het model is momenteel op 'proof-of-principle'-niveau.
De Jong benadrukt: "Het vision systeem/AI is in dit project geen vervanger van de operator, maar meer een soort slimme buddy op de werkvloer. Het systeem ondersteunt bij het herkennen en beoordelen van materialen op een objectieve manier, terwijl de operator de regie houdt en de uiteindelijke beslissing neemt door het object wel of niet te verwijderen."
Het project is als 'proof of principle' volledig geslaagd. Om de technologie echter daadwerkelijk grootschalig te kunnen toepassen en van TRL-niveau 2 tot 3 naar de praktijk te brengen, is nog veel werk nodig. Daarin zal de rol van AI onmiskenbaar aanwezig zijn. Niet alleen in het kader van objectherkenning, maar – in een later stadium – ook in het combineren van visuele herkenning met achtergronddata. Bijvoorbeeld een Digitaal Product Paspoort (DPP) en mogelijk zelfs het aansturen van een robot om de betreffende objecten uit de materiaalstroom te verwijderen.
Tot slot
Bedrijven met goede ideeën, een AI-toepassing die een rol kan spelen bij plasticrecycling of op zoek zijn naar goede projectpartners om problemen binnen dit thema op te lossen met AI: neem graag contact op.
