19/12/2024
Door Ad Spijkers
In een nieuw onderzoeksproject wil een consortium van onderzoeksinstellingen en bedrijven het recyclingproces van kunststoffen optimaliseren.
Alleen al een blik in de PMT-zak toont een kleurrijke wirwar van verschillende soorten kunststof. Hoe zuiverder en uniformer kunststof afval is, des te makkelijker is het te recyclen. In een nieuw onderzoeksproject zullen state-of-the-art meetmethoden worden gebruikt en gecombineerd met AI.
Het SpecReK-project moet de samenstelling van kunststof afval tijdens het recyclingproces betrouwbaar en nauwkeurig identificeren om de kwaliteit van het gerecyclede kunststof te verbeteren. Aan het project wordt deelgenomen door de Friedrich Schiller Universiteit Jena, de Universität Bayreuth, BASF in Ludwigshafen, Endress + Hauser Digital Solutions in Reinach (bij Basel) en TechnoCompound in Bad Sobernheim (50 km zuidwestelijk van Mainz).
Huidige situatie
Het merendeel van het kunststofafval dat in het recyclingproces terechtkomt, wordt mechanisch gerecycled. Het afval wordt verzameld, gesorteerd, versnipperd, schoongemaakt en vervolgens omgesmolten. Afhankelijk van het uitgangsmateriaal en de inspanning die het sorteren met zich meebrengt, bevat de smelt verschillende soorten kunststof, additieven en onzuiverheden. Daarom varieert de kwaliteit van het gerecyclede materiaal in veel gevallen, waardoor het moeilijk wordt om er hoogwaardige kunststof producten van te maken.
Met de toenemende vraag naar hoogwaardige gerecyclede materialen is het onder de huidige wettelijke eisen van cruciaal belang om de materiaaleigenschappen en samenstelling van mechanisch gerecycled kunststof afval duidelijk te begrijpen en het proces te optimaliseren. Op deze manier wordt de circulaire economie versterkt.
Real-time materiaalanalyse
Het project heeft tot doel de interactie van licht en materiaal te gebruiken om informatie te verkrijgen over de chemische structuur van de gerecyclede kunststoffen. Met behulp van spectroscopische methoden willen de onderzoekers in real-time bepalen uit welke soorten kunststof, additieven en onzuiverheden het materiaal tijdens de verwerking bestaat. In de volgende stap zal een AI-algoritme patronen in de meetgegevens herkennen en voorstellen welke extra componenten moeten worden toegevoegd of hoe het recyclingproces moet worden aangepast om de kwaliteit van het gerecyclede kunststof te verbeteren.
Momenteel zijn niet de nodige analysetools beschikbaar om precies te bepalen welke componenten het mechanisch gerecyclede kunststof tijdens het verwerkingsproces bevat. Deze informatie is echter noodzakelijk om de kwaliteit van kunststof afval te kunnen evalueren en verbeteren. Robots (op de foto in het laboratorium in Jena) kunnen de afvaldeeltjes dan uit het proces halen.
Doelstelling
In het gezamenlijke project werken de industriële partners en de universiteiten hand in hand. De twee betrokken werkgroepen in Jena brengen hun expertise op het gebied van polymeeronderzoek, robotchemie, AI en datawetenschap naar het consortium. Door gebruik te maken van de modernste robotchemie, gecombineerd met de karakterisering van de verschillende polymeren en hun onzuiverheden, kunnen grote hoeveelheden data efficiënt worden verzameld.
Deze data zijn essentieel voor het gebruik van machine learning-methoden om patronen in de data te herkennen en real-time analyse mogelijk te maken. Deze combinatie is de enige manier om het recyclingpercentage en de kwaliteit van het gerecyclede polymeer te verbeteren. Dan zijn nieuwe toepassingen voor gerecycled kunststof mogelijk.
Foto: Anna Schroll