【美国】PPRC 2026:MRF的转型

要点
- 2026年PPRC会议于10月28-29日在芝加哥举行,主题为智能分选。
- Ron Grinold强调采购机器人需查看运行3-6个月的实际趋势数据。
- Cesar Garcia指出需培训维护技术人员以应对AI及自动化新技术。
- Jamie Lowrey提出借鉴航空业经验,降低操作员工作负荷以优化决策。
光学分选机、人工智能(AI)平台、机器人及自动化等先进分选技术正在重塑材料回收设施(MRF)的运营模式,并向运营方提供关于物料流和系统性能的日益丰富的数据。
在10月28日至29日于芝加哥举行的2026年纸张与塑料回收会议上,由《回收今日》媒体集团主办的圆桌论坛聚焦于新兴技术的优势及当前运营现实。该论坛的主题为“智能分选:下一代MRF”,由总部位于亚利桑那州菲尼克斯的Republic Services Inc.运营支持总监、负责回收与转运站的Kati Council主持。她向与会专家提问:技术承诺与运营现实之间存在何种差异,以及应如何采购先进设备。
总部位于休斯顿的FCC Environmental Services总经理Cesar Garcia表示,在与供应商打交道时,他更看重坦诚。
“我从事这行已有一段时间,”Garcia说,“销售说辞往往好得令人难以置信。我需要的是诚实,需要知道新技术可能出现哪些故障,并保持务实态度……我希望了解潜在问题以便更好地做好准备。我要的是数据,而不仅仅是销售说辞。”
基于此,总部位于新泽西州的Interstate Waste Services回收业务副总裁Ron Grinold指出,他关注新技术背后的现实情况,以及展示该技术实际能力的数据。
“如果我们考虑引入机器人或视觉系统,需要查看实际的趋势数据,”他说,“我们了解其功能,但它的可持续性如何?设备在运行三个月或六个月后的表现如何?如果某设施物料中50%为旧瓦楞纸箱(OCC),同时有大量聚对苯二甲酸乙二醇酯(PET)进入系统,这会产生什么影响?若采购此类技术,必须有数据支撑其合理性。”
总部位于纽约的Circular Services东区副总裁Jamie Lowrey表示,与技术供应商建立关系同样有效,这与与系统集成商建立的关系类似。
“必须与这些公司沟通,同时要求他们提供已部署这些技术的客户联系方式,”他说,“在机器人和AI领域,可以询问‘谁已经在做这件事,他们是如何使用的?’通常,这能提供比销售说辞更优质的数据,且应与销售信息相辅相成。”
伊利诺伊州罗斯蒙特市Lakeshore Recycling Systems(LRS)的MRF经理Melanie Mendez表示,该公司通过试点项目测试新型分选技术。“如果效果理想,我们就会推进。我们会核算数据、分析结果,再考虑长期规划,因为技术是迭代的,不会一成不变。”
把握时机
Council向专家组提问:MRF在何种情况下需要引入新技术?Garcia表示,他首先会审视具体问题、评估现有设施能力以及可控因素。“每次视察工厂,我都会去残料线。那里能告诉我价值流失在哪里,”他说,“随后对现有设备进行调整,无论是涡电流、光学分选还是筛分装置。问题可能源于维护。若确需新设备,答案就明确了。从问题出发,寻找最优解。”
Grinold补充道,若运营方正在追溯根本原因,必须深入细节。“你能否从进料端走到残料线,全程梳理流程?能否识别线上各分选器?它们是否抓取了正确物料?是否将错误物料投入了错误一侧?我们旨在定位问题,但前提是必须对工厂了如指掌。”
数据应用
当MRF部署光学分选或人工智能等先进技术时,如何利用海量可用数据指导行动?
就LRS而言,Mendez表示,公司每日采集残料线数据并进行评估,随后制定方案以最大化物料回收率,并与前一日数据对比以检验进展。“我们据此决定未来是否自动化或增配分选器,”她说,“对我们而言,每日审视这些数据是一项持续挑战。”
Grinold指出,先进分选技术可提供实时数据,对评估工厂绩效大有裨益。但若运营方无法理解数据,数据便毫无价值。“若预分选环节减少一名人员,影响几何?若回溯物料流,周一与周二的数据必然不同。在会议中,你们是否追踪这些指标?”
Lowrey认为,MRF可借鉴航空业经验,该行业创新聚焦于降低飞行员工作负荷,使其专注于其他关键任务。“我们使用此类技术、包装这些数据的方式,也应秉持同样的态度。”
Lowrey继续指出:“我们如何为设施管理人员腾出时间,让他们能更高效地运营工厂,而无需时刻盯着众多仪表盘?我们如何整合信息并构建合适的信息包,以便他们能更快做出决策,而不是再增加一个工具,让他们在一天中已有的繁重任务上雪上加霜?”
Garcia指出,数据无处不在,但运营方必须采取行动。“它能告诉你很多不同的信息,比如设备的运行状况,”他补充道,“我们拥有所有这些信息,但如果我们不对它做任何处理,它就毫无用处。”
岗位技能转型
随着人工智能和自动化技术在材料回收设施(MRF)中的整合,与会者表示,人员需求预计将随时间推移而发生变化。
“这不会完全消除分拣岗位,但会改变我们所需的技能,”Garcia说,“我们需要培训维护技术人员以应对这些新技术。我们需要储备不同类型的备件。但我们仍会有传送带、电机等需要维护的组件。这将极大减轻体力劳动的负担,但也会改变我们对员工所需技能的要求。”
Grinold表示,引入先进分拣技术并不总是为了减少人员数量,而是改变人员配置的位置。
“我们希望这些人成为传送带专家,懂柴油、懂液压、懂焊接。但现在,关键在于编程,”他说,“你理解这套系统吗?你能联系原始设备制造商(OEM)并描述正在发生的情况吗?对于你的机械师和主管来说,技能要求变得更高了。你必须理解组件以及系统的运作机制。”
Lowery表示,这一演变将分阶段进行,并指出10年后对机械师所需技能的要求将截然不同。
“短期内,视觉系统始终在监控,”他说,“传统上,你可以每月进行一次审计,大致了解情况,但视觉系统始终在线,能为团队提供实时更新。我们需要解决培训方面的问题。”
未来的材料回收设施
与会者探讨了下一代工厂可能呈现的形态。Grinold表示,他设想在未来,人工智能将纳入工厂预防性维护的考量之中。
“这套[AI增强]系统能否实现自我对话?”他问道,“关键在于物料回收的预测性维护。系统能否实时评估趋势并即时调整,让主管立即做出修正?它能否从全局视角审视整个系统,而不仅仅局限于容器分拣线?”
尽管对话聚焦于机器人与视觉系统,劳瑞指出,未来几年内,MRF(材料回收设施)在某种程度上实现“自主大脑”并非不可能。
“MRF可以开始自我调节,通过光学传感器实时监测系统状态,并根据 incoming 物料动态更新处理配方,”他解释道,“从长远看,下一代智能MRF应能在维护与运营层面,精准预测或指示机械师所需的具体维护措施。”
门德斯补充道:“企业正在开发此类解决方案,它们能够提前识别潜在问题并实施修复,在故障导致停机之前便已掌握事件根源。”
编辑观点
MRF智能化不再是概念,而是基于残料线数据驱动的运营优化。从业者需关注从“设备采购”到“数据解读”的能力迁移,特别是如何整合多源数据以支持预测性维护,避免技术堆砌导致的管理负担增加。
常见问题
MRF引入AI分选技术前该看哪些数据?
需查看实际趋势数据及长期运行表现。Ron Grinold指出,必须评估设备在运行三个月或六个月后的稳定性,特别是当进料包含50% OCC及大量PET时,系统如何处理混合物料流,以此作为采购决策的依据。
先进分选技术如何改变MRF人员技能要求?
技能重心从体力劳动转向编程与系统理解。Cesar Garcia表示,需培训维护技术人员应对新技术,储备特定备件;Ron Grinold补充,机械师需懂液压、焊接及编程,能向OEM准确描述系统故障,技能门槛显著提高。
未来智能MRF如何实现预测性维护?
通过AI系统实时评估趋势并即时调整。Jamie Lowrey设想MRF可自我调节,利用光学传感器监测状态,根据incoming物料动态更新处理配方;Melanie Mendez指出,企业正开发能提前识别潜在问题并实施修复的解决方案,避免停机。