【美国】CWS为湾区MRF引入新技术

要点
- CWS在圣何塞Timothy MRF引入Pellenc光学分选设备,旨在提升高价值材料回收率及产出洁净物料流。
- CWS在奥克兰10th Street MRF部署EverestLabs AI扫描仪,用于监测物料计数、皮带载荷深度及裸露表面积。
- 光学分选技术利用传感器识别高速移动材料,从回收流中分离特定商品,提升产能可增强目标产品识别效率。
- AI扫描仪提供持续物品级观察,帮助设施团队检查上游工艺、设备设置及分选条件,以定位物料损失因素。
- CWS计划基于扫描仪数据评估机器人分选或额外光学分选的运营价值,以决定下一阶段投资决策。
技术升级将提升材料识别率、回收率、产品纯度,并实现对产线运行状态的实时监测。
加州废物解决方案公司(California Waste Solutions)正对其位于湾区的两座材料回收设施(MRF)实施两项针对性技术升级。其中,位于圣何塞的蒂莫西(Timothy)材料回收设施将引入Pellenc光学分选设备,而位于奥克兰的第十街(10th Street)材料回收设施将部署EverestLabs人工智能扫描仪。
这两项项目旨在解决同一运营挑战的不同环节:提高可回收材料的识别与回收比例,提升分选产品的品质,并为设施运营团队提供关于产线物料流动状况的更精准信息。
Pellenc光学分选机将回收高价值材料并产出更洁净的物料流
圣何塞项目旨在提升现有Pellenc光学分选机的处理能力,从而强化该设施在材料识别、目标商品回收以及产出洁净物料流方面的能力。
“作为一家家族企业,我们将服务与解决方案置于利润之上,并持续投资于最环保、最支持客户的技术,”加州废物解决方案公司创始人兼首席执行官David Duong表示。
在加州圣何塞的蒂莫西材料回收设施,加州废物解决方案公司正扩大其Pellenc光学分选机的产能。光学分选技术利用传感器识别高速移动的材料,并从广泛的回收流中分离出特定商品。提升分选机产能使设施能够更有效地识别目标产品,将其从产线中回收,并提高准备进入市场的材料的纯度。
EverestLabs人工智能扫描仪提升数据回收能力
奥克兰项目的目标有所不同。在第十街材料回收设施,加州废物解决方案公司新安装了EverestLabs的人工智能扫描仪,用于监测进入容器线的物料,并在这些物料被送往处置环节之前,报告系统所识别的内容。其首要价值十分直接:对物品进行计数。这一计数过程建立了关于到达流程末端物料的操作记录,使设施团队能够观察重复出现的模式,而不再仅依赖周期性的人工观察。
这些扫描仪还将报告皮带载荷深度及裸露皮带表面积,为操作人员提供关于特定时间内有多少物料经过分选机的额外信息。这一点至关重要,因为当载荷过深或物料到达不均匀时,分选线的作业难度会显著增加。掌握更详细的皮带状态信息,有助于操作人员控制物料流量,从而让员工更清晰地识别并回收目标物品。
将收集的数据转化为可衡量的改进
多年来,回收设施一直通过总产量、质量检查、设备数据以及熟悉线上物料行为经验的员工来衡量绩效。EverestLabs 的扫描仪增加了一个新维度:持续的物品级观察。加州废物解决方案公司(California Waste Solutions)不再仅仅询问处理了多少物料,而是开始探究扫描仪看到了什么、哪些物料继续流向处置环节,以及当时存在哪些运行条件。
“首先,我们是一家家族企业。加州废物解决方案公司的每一位员工都是我们家庭的一员。这意味着以客户为中心的理念,具体体现为赋予员工决策权,并运用新技术支持他们,”加州废物解决方案公司总裁 Michael Duong 表示。
其目的并非从分选现场移除人工判断。数据为员工提供了另一种调查其已观察到的现象的途径。如果某种可回收物料在分选线末端的扫描仪数据中反复出现,设施团队便可检查上游工艺、设备设置、皮带装载及分选条件等可能导致损失的因素。
这一区别至关重要。人工智能扫描仪可以识别并计数物体,但材料回收设施(MRF)依然依赖那些了解设备及来料流的操作人员、分选工、机械师和主管。新系统的价值将取决于这些员工如何有效利用信息来调整运营。
测量与纯度水平在绩效中均至关重要
这两个项目还凸显了材料回收设施内部两个重要的衡量指标。
回收率关乎从物料流中分离出更多本应被回收的材料;纯度则关乎分选后成品商品的洁净程度。设施可能提升其中一项指标,而另一项未必随之改善,这正是加州废物解决方案公司同时投资提升分选容量和优化运营数据的原因。
在蒂莫西(Timothy)设施,新增的Pellenc产能直接服务于识别、回收及产品纯度。在第十街(10th Street)设施,EverestLabs的扫描仪将用于量化进入容器线末端的产品,并提供有关皮带负载及物料流动的信息。这两项升级共同增强了加州废物解决方案公司(California Waste Solutions)对分选流程效率及员工分选作业环境质量的可视化能力。
这一点在回收流中尤为关键,因为每批物料的构成均存在差异。包装形式、材料组合及污染程度均可能改变物料在设备中的流动状态。在特定条件下运行良好的生产线,在另一组条件下可能需要不同的参数设置或流量控制。更精准的观测有助于更轻松地识别并应对这些变化。
自2000年代中期以来,加州废物解决方案公司便已在其美国设施中应用光学分选技术。当前项目基于其运营经验展开,但并未将每项新技术视为同质化工具。在圣何塞(San Jose),重点在于提升光学分选产能;在奥克兰(Oakland),重点则在于利用人工智能技术,洞察生产线所见内容以及可能仍未被回收的物料。
“我们在光学分选技术的应用上一直走在前列,通过引入这些最新的人工智能组件,我们计划在未来很长一段时间内保持这一领先地位,”迈克尔(Michael)补充道。
增加机器人及人工智能工具的产能
奥克兰的扫描仪安装还旨在为未来决策奠定更坚实的数据基础。正在考虑中的下一阶段可能包括机器人分选、额外光学分选或两者的组合。加州废物解决方案公司并未将这些选项视为既定方案。扫描仪数据将有助于明确哪种回收技术能产生最大的运营价值。
这一顺序至关重要,因为机器人和光学分选机解决的是特定问题。在未理解被遗漏物料的情况下增加设备,可能会增加复杂性却无法提升回收率。通过首先测量流向处置的物料、其出现频率及皮带运行条件,加州废物解决方案公司能够在更清晰的运营图景下做出下一轮投资决策。
编辑观点
该升级路径表明MRF正通过AI数据闭环优化分选精度,为提升rPET、rPP等再生料纯度提供技术支撑。从业者应关注数据驱动如何降低处置损失,并评估AI监测在应对复杂物料流时的实际效能,以优化再生塑料供应链的稳定性。
常见问题
CWS在圣何塞MRF升级Pellenc设备主要解决什么?
旨在提升光学分选机处理能力,强化材料识别与目标商品回收,产出更洁净的物料流。依据是Pellenc技术利用传感器识别高速移动材料,提升产能可更有效地分离目标产品并提高进入市场材料的纯度。
EverestLabs扫描仪在奥克兰设施具体监测哪些数据?
监测进入容器线的物料内容、物品计数、皮带载荷深度及裸露皮带表面积。依据是这些数据能建立到达流程末端物料的操作记录,帮助团队观察重复模式并控制物料流量,从而更清晰识别目标物品。
为何CWS强调回收率与纯度需同时优化?
因为提升其中一项指标未必带动另一项改善,需同时投资以提升分选容量和优化运营数据。依据是每批物料构成存在差异,包装形式及污染程度会改变物料流动状态,精准观测有助于应对不同条件下的参数调整需求。