高度なセンサーで自動リサイクル選別ラインの設計

自動選別ラインのコアコンポーネントの理解

近代的な自動リサイクル選別ラインは、材料処理装置、検出システム、分離機構を凝集ワークフローに結合します。主な目標は、混合廃棄物の流れをクリーンに、高純度の分数を再処理するのに適しています。各コンポーネントは慎重に選択され、特定の廃棄物組成、スループット要件、および施設のフットプリントを処理するように構成する必要があります。

搬送システム・材料輸送

コンベヤーベルトは、任意の並べ替えラインの背骨を形成します。それらは、インフィードから最終ソート出力まで、複数の段階から材料を移動する。設計検討には、ベルト幅、速度、材料組成(例えば、ゴム対モジュラープラスチック)、傾斜角度が含まれます。高スループット施設は、多くの場合、ボトルネックを防ぐために同期速度で動作する複数のコンベアを使用します。例えば、典型的な自治体リサイクル施設(MRF)は、ベルトを1時間10〜40トン処理し、ベルトを1.5m / 3の品質を分離するために調整する必要があります。

選別機構:エアジェット、ロボットアーム、およびそれを超えて

センサーが材料を検出したら、ソート機構は迅速かつ正確に機能しなければなりません。一般的なシステムは次のとおりです。

エアジェット配列] - 軽量材料に最も広く使われています。バルブのタイミングは、アイテムを正しいシュートに排出するためにセンサー出力と整列しなければなりません。
ロボティックアーム - 混合または厄介なアイテムの柔軟性を提供します。多くの場合、汚染物質を拾うか、金属などの高値材料を回復するために使用されます。
磁気分離器 - 磁石を使用して鉄金属を除去する。渦電流分離器は、アルミニウムや銅などの非鉄金属を処理します。
[]風ふき(空気分類器)[[] - 密度別に分離し、フィルム、紙、プラスチックに便利です。

メカニズムの選択は、ターゲット材料、粒径、および必要な純度に依存します。例えば、ロボティックグリッパーは、視覚システムと相まって、空気を排出しにくい項目を処理する。

制御システムとデータフロー

中央から任意の並べ替えラインは、センサーデータをアクチュエータコマンドで使用する制御システムです。現代のコントローラーは、産業用 Ethernet、フィールドバスプロトコル、およびリアルタイムのオペレーティングシステムを使用します。マシンビジョンアルゴリズムは、エッジプロセッサ上で実行され、レイテンシを最小限に抑える。検出からエジェクションまでのミリ秒未満。高度な制御ソフトウェアは、パフォーマンスメトリック(yield、純度、ダウンタイム)を継続的に最適化します。

アドバンストセンサー: ソートラインの目

センサー技術は、材料を高速かつ高精度に特定するために進化しました。次の技術は、業界標準のものとなっています。

近赤外線(NIR)センサー

NIRセンサーは、赤外線光(典型的に1,000〜1,700nm)で材料を照らし、反射スペクトルを測定します。各ポリマー(PET、HDPE、PPなど)は、ユニークな吸収パターンを展示し、アイテムが黒くても汚れてもプラスチックタイプの識別を可能にします。現代のNIRシステムは、最大8〜12のプラスチックソートを同時に分類することができます。暗色のプラスチック、湿気の干渉、きれいな乾燥材料の必要が制限されています。 [F] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR] [DR]

X-RayFluorescence(XRF)とX-Ray伝送(XRT)

XRFセンサーは、サンプルが高エネルギーX線で爆破されたときに放出される二次X線を測定することによって、要素組成物を検出します。それらは、合金(例えば、アルミニウム6061対3003)をソートし、他の材料から重金属を分離するために不可欠です。 XRTは、一方、X線吸収の差を使用して、原子密度に基づいて材料を区別します。廃棄物電気および電子機器(WEEE)から金属を分離するのに便利です。それらは、XIRは、より高い性能を提供しますが、XIRは、XIRは、X線吸収よりも高価なコストを発揮します。

高解像視覚カメラ

RGBと高スペクトルカメラは、色、質感、形状情報をキャプチャします。数千もの画像で訓練された機械学習モデル(複雑なニューラルネットワーク)は、食品残渣などのブランドロゴ、製品カテゴリ、または汚染を認識することができます。視覚カメラは、多くの場合、NIRまたは複数のモジュールセンシング用のレーザースキャナーと組み合わせています。高速画像処理の最近の進歩により、最大4 m /秒までのコンベアでのリアルタイムの分類が可能になります。

レーザー誘発破壊分光法(LIBS)

LIBSは、材料の少量を蒸発させ、放出されたプラズマスペクトルを分析するためにパルスレーザーを使用します。これは、迅速な元素分析を提供し、専門合金や微量元素を特定するための特に効果的です。 LIBSは、スクラップメタルソーシングとリチウムイオン電池リサイクルにトラクションを増加しています。

誘導および渦電流センサー

導電性センサーは、接触せずに導電性(金属)オブジェクトを検出し、鉄および非鉄の項目の排出をトリガーします。渦電流センサーは、非鉄金属で電流を流す磁場を生成し、ベルトを外すことができる反発力を作成します。これらのセンサは、堅牢で低コストで、最小限のメンテナンスが必要です。

高性能選別ラインの意匠検討

スピード、純度、信頼性のバランスをとったソートラインを作成すると、物理的なレイアウト、センサーの統合、および運用パラメータに注意を払います。

センサー配置と幾何学

センサーは、ブラインドスポットなしでコンベアの材料を見るために位置しなければなりません。例えば、NIRセンサーは、45°角度でオーバーヘッドを取り付けてシャドーイングを避けるときに最善を尽くします。X線システムは、放射線散乱を防ぐための鉛シールドと衝突を必要とします。シリーズの複数のセンサー(例えば、NIR +ビジュアル + 金属探知機)は、単一のスキャンモジュールで組み合わせることができます。で見られるように、単一のスキャンモジュールで[FLT:FLT:0]のモジュラーソートユニット[FLTで表示されます。

コンベヤーの速度および材料の提示

急な速度とソート精度は直接取引します。高速化が、利用可能な検出とエジェクション時間を短縮します。多くの近代的なラインは、重複するアイテムを避けるために、単層材料プレゼンテーション(モノレイ)で3〜5 m /秒で動作します。エアジェットバルブは、密接に間隔をあいたパターン(通常、ノズル間の25〜50 mm)で配列され、マイクロ秒精度で発射される必要があります。

データ融合と機械学習

多重なソートは、複数のセンサータイプから出力を溶かす必要があります。例えば、組み合わせたNIR +カラーカメラシステムは、視覚的な形状認識を使用して、ポリマータイプを同時に識別し、黒いパッケージング(NIRを吸収する)を拒否することができます。AIモデルは、サイトの固有の廃棄物の流れで訓練され、困難な項目の分類を改善することができます。継続的な学習メカニズムは、モデルを材料組成物が季節的または新しいパッケージデザインに変更するにつれて更新します。

メンテナンスと信頼性

選別ラインは、埃、湿気、振動で過酷な環境で動作します。センサーウィンドウは、きれいに保たなければなりません。多くの施設では、圧縮空気のパージやワイパーシステムを使用しています。コンベヤーベアリング、ベルトトラッキング、アクチュエータバルブは定期的な検査が必要です。振動センサーとIoTプラットフォームを使用して予測メンテナンスは、30〜50%の計画外ダウンタイムを削減できます。

テクノロジーと未来の方向性を融合

いくつかの革新は、自動化された選別を効率性と汎用性に押し込むことを約束します。

ハイパースペクトルと多面イメージング

多角的センサーは、数十または数百のスペクトルバンドをキャプチャし、紙グレード、混合ポリマー複合材、有機汚染物質などの複合材料の識別を可能にします。AIと組み合わせることで、これらのシステムは、食品グレードと非食品グレードのパッケージングと区別し、クローズドループアプリケーションのためのリサイクル出力の品質を向上させることができます。

AI駆動型ロボット選別

ディープラーニングのビジョンシステムを搭載したロボットアームは、優しく適応性のある移動コンベアからオブジェクトを選ぶことができます。エアジェットとは異なり、それらは、破損することなく、不規則な形状(例えば、おもちゃ、靴)を扱うことができます。そのような企業は、 ] バルクハンドリングシステム(BHS)[])、AMPロボティクスは、MRFsのそのようなシステムを展開し、ターゲットポリマーの90%を超える回復率を達成します。

デジタルツインとシミュレーション

デジタルツインモデルは、エンジニアがレイアウト変更、センサーのアップグレード、またはスループットのバリエーションをハリング操作なしでシミュレートすることを可能にします。これにより、設計とトラブルシューティングが加速されます。例えば、[VISU3D[]]]は、廃棄物選別施設用の植物レベルのシミュレーションツールを提供しています。

トレーサビリティのためのブロックチェーン

再生の起源と品質を確認するには、一部の施設は、分類されたベールのブロックチェーンタグを統合しています。センサーレコードのマテリアルストリームデータ(純度、タイプ、ソース)を不変なレジャーに、ダウンストリームの買い手と規制コンプライアンスの透明性を提供します。

コンテンツ

自動化されたリサイクル選別ラインの設計は、より厳しい環境規制、より高い消費者廃棄物量、および高品質の二次原料の需要の増加によって駆動され、急速に進化し続けています。高度なセンサー、NIR、XRF、LIBS、ビジュアルカメラ、および渦電流検知器は、排出メカニズムと制御を導くインテリジェンスを形成します。堅牢なコンベア設計、機械学習アルゴリズム、および予測メンテナンスと統合された場合には、これらのシステムは、リサイクル可能な材料のほぼ対物回復を達成し、分析装置を完全に自動化し、より重要な分析機器を最適化し、より効果的に設計するだけでなく、分析機器を最適化します。