Uma nova abordagem para separar PET e muito mais nas MRFs

Um sistema de classificação automatizado usa IA para se reprogramar continuamente para remover materiais diferentes. | Cortesia de BHS

Um sistema autônomo desenvolvido pela Bulk Handling Systems é realmente mais um loop de classificação do que uma linha de classificação.

O fabricante de equipamentos de reciclagem vendeu o primeiro de seus loops de classificação de contêineres para a MRF canadense de uma grande empresa de gerenciamento de resíduos. Espera-se que o sistema fique online na instalação não identificada no terceiro ou quarto trimestre deste ano.

“O conceito… Sistemas de Manuseio a Granel (BHS).

O sistema, que atualmente está configurado para servir como uma linha de contêineres MRF de fluxo único, usa bunkers de armazenamento temporário e transportadores dispostos em loops para transportar contêineres mistos através do mesmo classificador óptico alimentado por IA e unidade robótica várias vezes. A cada passagem, o computador pode reprogramar automaticamente o equipamento para retirar uma mercadoria diferente, até que sejam retiradas as latas de PET, PEAD natural, PEAD colorido, PP e alumínio. Ou o sistema pode direcionar uma mercadoria valiosa durante várias passagens, para garantir altas taxas de captura.

Com o layout circular, o classificador robótico e óptico pode fazer o trabalho de várias unidades, sem a necessidade de controle de qualidade humano, de acordo com a BHS.

Brooks, que trabalha no classificador óptico e instalação de robótica da BHS em Nashville, Tennessee, explicou que os recipientes mistos passam primeiro por um robô de braço duplo AQC-2, que extrai fibras e outros contaminantes. O sistema de visão desse robô também analisa a composição do fluxo, reunindo dados que permitem ao sistema autônomo decidir a melhor forma de classificar o material.

Depois de passar pelo primeiro robô QC, os contêineres misturados entram em um bunker de armazenamento temporário. Quando o bunker está cheio, o computador libera o material do bunker e um transportador o transporta para um classificador óptico equipado com um sistema de visão AI e detecção de infravermelho próximo. Se o classificador óptico estiver programado para remover PET, por exemplo, o PET ejetado vai para outro robô de braço duplo AQC-2 para limpar ainda mais o fluxo de PET. Depois disso, o PET limpo vai para um bunker (ou bunkers, dependendo de quanto material o computador vê no fluxo e quantos bunkers ele decide alocar para o plástico), antes do enfardamento.

Nesse cenário, os contêineres mistos que não foram ejetados pelo classificador óptico – basicamente tudo menos PET – são encaminhados de volta ao bunker de armazenamento temporário, antes que o computador os libere para outra passagem pelo equipamento de classificação. Se, por exemplo, o valor do PET for particularmente alto e o operador do MRF quiser garantir que tudo seja capturado, o computador pode dar ao classificador óptico outra passagem para retirar qualquer PET que tenha sido perdido na primeira tentativa. Ou o sistema pode passar para a próxima mercadoria mais abundante no fluxo.

O primeiro sistema vendido para a canadense MRF está localizado em uma província com programa de depósito de garrafas. Como resultado, o segundo robô AQC-2 não apenas retirará os contaminantes; também separará contêineres de depósito, disse Brooks.

O sistema pode classificar 6,5 toneladas por hora e, como não são necessários classificadores humanos, pode funcionar quase 24 horas por dia, 7 dias por semana, com apenas uma ou duas horas por dia necessárias para manutenção, disse Brooks.

"A beleza disso é que está configurado para funcionar continuamente, independentemente de quais sejam seus recursos humanos", disse ele.

Brooks disse que o sistema só foi possível graças aos avanços tecnológicos ao longo dos anos. "Tivemos que juntar um monte de blocos de construção para chegar aqui", disse ele.

Os principais passos foram o desenvolvimento do sistema robótico MAX-AI, que usa um sistema de visão para identificar materiais pela aparência; Plataforma de Inteligência Total da BHS, que usa sensores e software para fornecer dados em tempo real sobre o desempenho do MRF; e o emparelhamento do sistema de visão alimentado por IA com classificadores ópticos.