La plataforma de inteligencia artificial (IA) de AMP, AMP NeuronTM, utiliza cámaras para escanear flujos de residuos mixtos e identificar los diferentes materiales. La capacidad de aprendizaje profundo de Neuron permite la mejora continua de la identificación y categorización de papel, plásticos y metales, por color, tamaño, forma, marca y otras características.
AMP CortexTM es el cuerpo del cerebro de AMP Neuron. Cortex es un sistema de robótica inteligente de alta velocidad que realiza la tarea física de clasificar, seleccionar y colocar material en función de la información alimentada por los "ojos y el cerebro" de AMP Neuron. Cortex puede clasificar los materiales reciclables a una velocidad de 80 artículos por minuto con una precisión de hasta un 99 %.
AMP Neuron abarca el conjunto de datos de materiales reciclables más grande conocido para el aprendizaje automático, con la capacidad de clasificar más de 100 categorías y características diferentes de materiales reciclables en reciclaje de flujo único, chatarra electrónica y escombros de construcción y demolición, y alcanzar una tasa de ejecución de reconocimiento de más de 10 mil millones de artículos al año.
Por qué es un ejemplo de economía circular
A nivel mundial, AMP ha estimado que más de USD 200 mil millones en materiales reciclables no se recuperan anualmente. La economía y la eficiencia de identificar y clasificar papel, plásticos, metales y otros materiales reciclables del flujo de residuos crea un gran desafío para la recuperación de materiales. En los últimos años, la industria de los residuos también se ha enfrentado a normas de calidad internacionales más estrictas para las importaciones de materiales reciclables libres de contaminación, lo que ha dejado a la industria en la búsqueda de formas rentables de cumplir con estos requisitos.
Las tecnologías de AMP permiten capturar más materiales reciclables de los flujos de residuos, lo que produce un mayor volumen de recursos secundarios de alta pureza. En un centro de reciclajeen Virginia que instaló la tecnología, el volumen de material reciclado aumentó en un 10 %.
El trabajo de clasificación de materiales, que normalmente es realizado por humanos, es físicamente exigente, presenta riesgos de seguridad y es propenso a errores humanos. Tener humanos y robots trabajando codo a codo puede estabilizar la fuerza laboral y crear mejoras en la calidad de los trabajos de tiempo completo. En la planta de Virginia, el costo de capital de la tecnología se compensó mediante una reducción en los costos de contratación y capacitación de trabajadores temporales difíciles de encontrar.
El reciclaje habilitado por IA está escalando rápidamente
Como señal de la proliferación del reciclaje impulsado por IA, AMP se asoció con Waste Connectionspara implementar 25 robots en sus instalaciones de recuperación de materiales en todo el país, el pedido más grande de la compañía hasta la fecha.
El alcance de AMP se extiende a otras áreas de la economía circular; uno de sus primeros socios corporativos es Keurig Dr Pepper (KDP). Las empresas trabajaron juntaspara equipar los sistemas robóticos de AMP, con el objetivo de identificar y clasificar adecuadamente las cápsulas de café K-Cup en las instalaciones de reciclaje. La instalación de AMP en Evergreen, uno de los mayores recicladores de botellas de PET en los EE. UU., demuestra la continua expansión de mercado de la empresa con recuperadores de plástico, además de sus esfuerzos de modernización de infraestructura con instalaciones de recuperación de materiales.
Beneficios
La aplicación de IA y automatización a la clasificación de residuos ofrece oportunidades para mejorar el rendimiento y reducir los costos operativos, aumentando el valor de los recursos secundarios y mejorando la economía del reciclaje.
Los datos que captura la tecnología de AMP se pueden usar para ahorrar tiempo y reducir costos en muchas áreas de una instalación de recuperación de materiales al:
eitar rechazos costosos mediante la validación de material libre de contaminación para su reventa;
eliminar procesos de monitoreo manual propensos a errores;
prevenir el tiempo de inactividad del sistema mediante la anticipación de problemas;
detectar peligros que podrían causar riesgos físicos al personal;
identificar tendencias de volumen y composición de materiales para optimizar las operaciones.
Más información
informe Inteligencia artificial y economía circularde la Fundación Ellen MacArthur (disponible en inglés)
