【美国】Greyparrot与Kenvue合作追踪包装在回收系统中的实际回收表现

要点
- Greyparrot与Kenvue合作范围涵盖英国和美国的回收设施。
- Kenvue旗下拥有泰诺、李施德林和露得清等品牌。
- 欧莱雅集团、联合利华和麦当劳也是Greyparrot系统的用户。
- 欧洲《包装和包装废弃物法规》正收紧对可回收性及再生材料含量的期望。
Greyparrot与Kenvue达成合作,旨在分析该公司包装在回收系统中的实际表现,项目范围涵盖英国和美国的回收设施。
该项目将利用Greyparrot的Deepnest平台,追踪Kenvue包装在商业化规模设施中被识别、分拣和回收的全过程,而非仅依赖理论上被归类为可回收的设计方案。
旗下拥有泰诺(Tylenol)、李施德林(Listerine)和露得清(Neutrogena)等品牌的Kenvue表示,此次合作旨在评估包装在消费者丢弃后是否真正得到回收。重点在于弥合设计假设与分拣系统实际处理不同材料或包含不同组件包装之间的差距。
随着包装制造商面临与废弃物及回收绩效相关的更严格法规和更高成本,这一问题的重要性日益凸显。尽管企业越来越多地宣传其包装为可回收,但实际回收率因当地基础设施、材料处理方式以及泵头、标签或半透明特性是否影响分拣等因素而异,波动幅度极大。
实地追踪
Greyparrot表示,Deepnest通过基于人工智能的材料识别技术,创建回收运营的数字模型,以追踪材料在设施中的流动。对于Kenvue而言,这意味着在运营中的工厂收集分拣和可处理性数据,识别降低回收率的设计元素,并在制作实体原型之前测试潜在的设计变更。
该工作还将用于模拟生产者责任延伸(EPR)制度对包装变更的财务影响。这些制度正在多个市场塑造包装决策,将更多废弃物收集和处理的成本转嫁给生产者。
Greyparrot将其技术定位为品牌、废弃物公司和监管机构获取运营数据的来源。Kenvue加入了一系列使用其系统的消费品集团行列,其中包括欧莱雅集团(L'Oréal Groupe)、联合利华(Unilever)和麦当劳(McDonald's)。
对Kenvue而言,此次合作与其在全球健康和个人护理产品组合中的更广泛包装议程紧密相关。来自回收设施的证据有助于其从内部设计标准转向基于丢弃后实际发生情况的测量标准。
Kenvue全球包装创新、可持续性与体验负责人David Lickstein从运营角度阐述了此次合作的理由。
为实现循环包装目标,企业必须超越愿景性指导原则,转向采纳现实世界中的实证数据。Lickstein表示,与Greyparrot的合作以及Deepnest技术的整合,标志着可持续包装方法论的根本性转变。基于人工智能的废弃物智能系统使企业能够突破简单的追踪范畴,进入高级场景建模阶段,从而在全球产品组合中更快速、更具成本效益地识别最具影响力的设计变更并实施创新解决方案。
监管压力
此次合作的背景是新的包装法规及报告要求,尤其是在欧洲,《包装和包装废弃物法规》正收紧对可回收性、再生材料含量及废弃物削减的期望。生产者责任延伸制度也在促使企业审视那些在纸面上看似合规的包装,在实际操作中是否实现了大规模回收。
这催生了商业动力,要求企业不仅理解材料选择,更要掌握整包在分拣线中的表现。标签、封口、着色及材料组合的细微变化,均可能影响物品是否被识别并分离至可再加工的流程中。
Greyparrot指出,此类可视化能力在废弃物和回收运营中历史上一直十分有限。如今,人工智能工具正被应用于实体基础设施系统,使品牌方能够获取产品进入废弃物流后的直接信息,而此前品牌方对此知之甚少。
Greyparrot联合创始人Ambarish Mitra表示,此次合作反映了包装设计与衡量标准的更广泛转变。
Mitra称:“循环包装不再是一种愿景,而是正在迅速成为行业标准。我们很荣幸能与Kenvue合作,将设计意图转化为可衡量的影响,为行业如何设计、衡量和交付循环性树立新的标杆。”
Deepnest by Greyparrot董事总经理Yaseed Chaumoo表示,该项工作旨在超越废弃物流监控,通过测试设计选择对现实世界中潜在回收结果的影响,深入探究其实际效应。
“数据是可持续包装领域变革的最终催化剂,而人工智能为在全球范围内提供这些洞察提供了手段。与Kenvue的合作标志着超越废物追踪的重要一步,其核心在于利用Deepnest的预测能力对现实世界的回收场景进行建模。通过这种方式,我们赋能Kenvue以比以往更快、更具成本效益的方式实施可执行的、数据驱动的设计变更,从而加速向真正循环经济的转型,”Chaumoo表示。
探索人工智能
编辑观点
包装合规性正从纸面设计转向实际分选线表现,AI技术成为连接设计与回收的关键桥梁。从业者需关注EPR制度下的成本转嫁,并重新评估包装组件对机械回收效率的影响,以应对日益严格的监管要求。
常见问题
Greyparrot和Kenvue这次合作主要想解决什么问题?
旨在评估包装在消费者丢弃后是否真正被回收,弥合设计假设与分拣系统实际处理能力的差距。Kenvue希望了解其包装在英美回收设施中的实际表现,而非仅依赖理论上的可回收分类。
Deepnest平台如何帮助Kenvue优化包装设计?
通过AI材料识别技术创建回收运营数字模型,追踪材料在设施中的流动。Kenvue可借此在制作实体原型前测试设计变更,识别降低回收率的设计元素,并模拟EPR制度对包装变更的财务影响。
哪些因素会导致包装实际回收率与设计预期不符?
当地基础设施、材料处理方式以及泵头、标签或半透明特性是否影响分拣等因素。这些细微变化可能导致物品无法被识别并分离至可再加工流程,造成实际回收率波动极大。