Greyparrot与Kenvue合作提升分拣设施回收数据

要点
- Greyparoot与Kenvue合作,利用Deepnest平台提升品牌包装在商业规模分拣设施中的全球回收表现。
- Deepnest技术捕捉产品在英国和美国运营中的回收设施内的行为数据,精确定位组件对回收率的影响。
- 欧盟《包装和包装废弃物法规》(PPWR)及生产者责任延伸制度(EPR)监管框架日益收紧。
- 欧莱雅集团、联合利华和麦当劳是Greyparoot技术的其他行业参与者。
- 百事公司与西门子、英伟达展开多年期合作,应用数字孪生和AI技术重塑工厂数字化模拟。
AI驱动的废弃物智能企业Greyparrot已与消费者健康公司Kenvue达成合作,旨在提升其品牌包装在商业规模分拣设施中的全球回收表现。借助Greyparrot的Deepnest平台,Kenvue计划从理论性的“为回收而设计”模型,转向基于真实回收环境数据的循证模式。随着欧盟《包装和包装废弃物法规》(PPWR)及生产者责任延伸制度(EPR)等监管框架日益收紧,Kenvue希望验证其包装在分拣设施中的实际性能。
Greyparrot表示,其Deepnest技术为Kenvue提供了真实回收系统的数字孪生,利用AI驱动的识别技术,捕捉产品在英国和美国运营中的回收设施内的行为数据;精确定位泵头、标签等组件对检测与回收率的影响;并在制造物理原型之前,预测EPR对设计变更(如调整透明度或更换材料类型)的财务影响。
其他采用Greyparrot技术的行业参与者包括欧莱雅集团(L’Oréal Groupe)、联合利华(Unilever)和麦当劳(McDonald’s)。
今年年初,百事公司(PepsiCo)宣布与西门子(Siemens)和英伟达(NVIDIA)展开多年期合作,旨在应用数字孪生和AI技术,重塑其工厂和仓储设施的数字化模拟与测试方式,目前在美国已开展早期试点。百事公司正使用西门子的Digital Twin Composer,该工具允许工业企业结合西门子数字孪生中的2D和3D数据,以及由NVIDIA Omniverse库加速的、受管理的实时照片级真实虚拟场景中的物理实时信息。
编辑观点
AI驱动的数字孪生正成为验证包装在机械回收环节实际性能的关键工具,帮助企业在EPR合规前量化设计变更的财务影响。从业者应关注如何将真实分拣数据融入包装设计流程,以优化rPET、rPP等再生塑料的回收率并降低合规风险。
常见问题
Greyparoot的Deepnest平台怎么帮Kenvue验证包装回收?
Deepnest提供真实回收系统的数字孪生,利用AI识别技术捕捉产品在英国和美国运营中的回收设施内的行为数据。它精确定位泵头、标签等组件对检测与回收率的影响,并在制造物理原型前预测EPR对设计变更的财务影响。
哪些其他公司也在用Greyparoot的回收数据技术?
欧莱雅集团、联合利华和麦当劳也是Greyparoot技术的采用者。这些企业利用该技术提升其品牌包装在商业规模分拣设施中的全球回收表现,以应对日益收紧的监管框架。
百事公司用数字孪生技术重塑工厂模拟的具体方案是什么?
百事公司与西门子、英伟达合作,使用西门子Digital Twin Composer结合2D/3D数据及NVIDIA Omniverse库加速的实时虚拟场景。该方案旨在重塑工厂和仓储设施的数字化模拟与测试方式,目前在美国开展早期试点。