【德国】优化塑料废物处理流程

要点
- SpecReK项目由德国联邦研究部“量子系统”计划资助,投入超过100万欧元。
- 项目合作方包括耶拿大学、拜罗伊特大学、巴斯夫、Endress + Hauser Digital Solutions及TechnoCompound GmbH。
- 耶拿大学团队将应用机器人化学技术采集海量数据,结合机器学习实现实时分析。
- 项目旨在通过光谱学方法在加工过程中实时确定塑料品种、添加剂和杂质组成。
在耶拿大学能源与环境化学中心的一间实验室内,研究人员正在对氧化还原聚合物进行纯化处理。
打开黄色回收桶,里面往往混杂着各种各样的塑料。然而,塑料废弃物越纯净、成分越单一,就越容易进行回收利用。耶拿大学和拜罗伊特大学正与巴斯夫(BASF)、Endress + Hauser Digital Solutions 以及 TechnoCompound GmbH 公司合作,启动一项新的研究项目,旨在优化塑料回收流程。该项目名为 SpecReK(塑料回收的光谱学研究),计划通过可靠且精确地识别回收过程中塑料废弃物的成分,来提升再生塑料的质量。研究将采用先进的测量技术,并结合人工智能(AI)手段。
强化塑料循环经济
目前,进入回收流程的绝大部分塑料废弃物都采用机械回收方式。这些废弃物经过收集、分拣、破碎、清洗后,再被熔融。根据原料种类和分拣精度的不同,熔体中会含有不同的塑料品种、添加剂和杂质。因此,再生材料的质量往往波动较大,难以再用于制造高质量的塑料制品。SpecReK 项目联盟负责人、巴斯夫“塑料循环”研究项目负责人 Bernhard von Vacano 博士表示:“随着市场对高品质再生材料需求的增长,在现行法规要求下,准确掌握机械回收塑料废弃物的材料特性和成分,并优化回收工艺,至关重要。这将有助于强化循环经济。”
实时材料分析
该项目将利用光与材料的相互作用,获取再生塑料化学结构的相关信息。研究人员希望借助光谱学方法,在加工过程中实时确定材料由哪些塑料品种、添加剂和杂质组成。下一步,将开发一种人工智能算法,用于识别测量数据中的模式,并提出建议,例如应添加哪些其他组分,或如何调整回收工艺,以进一步提升再生塑料的质量。
“目前,我们缺乏必要的分析工具,无法在加工过程中确定机械回收塑料具体含有哪些成分,”Bernhard von Vacano表示。然而,要评估并提升塑料废料的品质,这些数据不可或缺。
该联合项目由德国联邦研究部在“量子系统”计划下资助,投入超过100万欧元。工业界合作伙伴与高校团队在此项目中紧密协作。参与该项目的耶拿弗里德里希·席勒大学(Friedrich-Schiller-Universität Jena)两个研究小组,将聚合物研究、机器人化学以及人工智能与数据科学领域的专业知识注入这一联盟。化学家兼材料科学家、教授Ulrich S. Schubert解释道:“通过在耶拿应用最先进的机器人化学技术,并结合对不同聚合物及其杂质的表征,我们能够高效地采集海量数据。”耶拿数据科学家、教授Thomas Bocklitz补充道:“这些数据对于运用机器学习方法至关重要,有助于在数据中识别模式,从而实现实时分析。”Schubert教授强调:“唯有将上述要素相结合,才能提高回收率并改善回收聚合物的质量,进而为回收塑料开辟新的应用空间。”
编辑观点
该资讯表明机械回收正从粗放式分选向精准化、数字化控制转型,光谱学与AI的结合是突破再生料纯度瓶颈的关键路径。从业者应关注实时在线检测技术在分选与造粒环节的应用进展,以及数据驱动工艺优化对提升食品级再生料合格率的具体贡献。
常见问题
SpecReK项目如何提升再生塑料质量?
通过光谱学实时确定材料成分,结合AI算法识别数据模式并优化工艺。依据是项目利用光与材料相互作用获取化学结构信息,提出组分添加或工艺调整建议,从而解决再生材料质量波动大、难以用于高质量制品的问题。
SpecReK项目获得了多少资助?
该项目由德国联邦研究部在“量子系统”计划下资助,投入超过100万欧元。依据是正文明确提到该联合项目由德国联邦研究部资助,且具体金额超过100万欧元,用于支持高校与工业界的紧密协作。
为什么机械回收再生料质量波动大?
因为熔体中混杂不同塑料品种、添加剂和杂质,且缺乏实时分析工具。依据是现有机械回收流程中,原料分拣精度有限,导致熔体成分复杂,而目前缺乏在加工过程中确定具体成分的分析工具,无法有效评估并提升废料品质。