【荷兰】RecyQMeter:再生塑料的透明化对比工具

要点
- RecyQMeter由TNO与马斯特里赫特大学联合开发,旨在透明比较不同再生塑料流。
- 工具将复杂性能指标转化为0至1之间的质量评分,评分越接近1质量越高。
- RecyQMeter数据库涵盖200多种应用场景,包括汽车电池外壳和瓶盖。
- TNO的QMRP模型与马斯特里赫特大学的RQ模型融合,确保质量捕捉与预测精度。
- RecyQMeter 2.0计划利用机器学习基于材料成分预测质量,减少实验室测量依赖。
向循环塑料经济的转型面临着一项根本性挑战:再生材料缺乏客观的质量标准。为填补这一空白,荷兰应用科学研究组织(TNO)与马斯特里赫特大学联合开发了RecyQMeter。这是一款开创性工具,旨在透明地比较不同再生塑料流,并为聚合物回收商及下游用户提供更优的决策支持。
从主观描述到可靠基准
确定再生塑料的质量并将其匹配至合适的应用场景,历来是一项难题。质量描述往往带有主观色彩,例如,某批再生料若用于汽车领域可能被视为高质量,但用于包装领域时质量表现却可能不佳。
RecyQMeter正是为解决这一痛点而设计。它提供了一种可靠且标准化的方法,以客观、透明的方式评估再生塑料质量,并将其与适用场景进行关联。
RecyQMeter的功能
该工具将复杂的性能指标——如机械性能或光学性能——转化为单一、可操作的指标。回收商输入其在实验室中测得的各项性能数据,工具随后将这些数据与涵盖200多种应用场景的数据库要求进行比对,应用场景范围从汽车电池外壳到瓶盖(见图1)。基于此比对结果,工具生成0至1之间的质量评分。评分越接近1,表明该再生料相对于该特定应用所要求的原生材料,其质量水平越高。
再生料交易市场
TNO在该项目中的首席科学家Milad Golkaram将RecyQMeter描述为一个透明的再生料交易市场。“回收商分享其拥有的材料类型,终端用户则输入其具体需求。通过这种方式,工具帮助回收商为再生料找到合适的应用场景。此外,它还能让回收商根据终端用户的需求对材料进行微调。”
全价值链收益
协同创新
RecyQMeter建立在TNO与马斯特里赫特大学成功合作的基础之上。该工具底层的数学模型融合了两种互补的模型。TNO的QMRP模型(面向循环经济的塑料质量量化模型)涵盖了质量的多维复杂要素。
马斯特里赫特大学开发的RQ模型(再生料质量模型)在机械性能方面具有极高的精度。这一合作确保了工具在捕捉细微质量维度的同时,保持预测的精确性。随着行业需求的不断演变,双方将继续深化合作,以完善工具功能。
RecyQMeter 2.0 精准配混技术
未来的 RecyQMeter 2.0 旨在利用机器学习技术,基于材料成分预测质量,从而减少对实验室持续测量的依赖。该预测模型使配混商和加工商能够精确微调添加剂及原料配方,确保材料符合严格规格。此举消除了因过度规格或质量不达标造成的浪费,在性能与经济层面实现双重优化。
创新聚焦
RecyQMeter 已在复杂的供应链中投入应用。
Absoleu:改进 ABS 塑料回收流程
与乐高(Lego)、沃尔沃(Volvo)及 Bic 等行业领军企业合作,优化面向高性能应用的 ABS 塑料回收。该计划已产出三篇同行评审论文,并将在最后一年接近完成。
Preqorapp:利用 RecyQMeter 的预测能力
通过荷兰化学协会(Chemistry NL)与马斯特里赫特大学(Maastricht University)合作,利用 RecyQMeter 的预测功能,提升再生塑料分选精度与效率。
Reïnkarneer:建立再生材料可靠数据的基础
通过为再生材料建立通用语言,Reïnkarneer 助力将再生料转化为可信赖且可规模化的原生资源替代方案。
行业参与的需求
RecyQMeter 潜力巨大,但 Milad 意识到其成功取决于行业参与。核心挑战在于鼓励回收商和终端用户贡献数据并分享质量难题。这对于提升工具精度及扩展其适用性至关重要。Milad 及其团队设定了宏大目标:“当整个行业使用 RecyQMeter 时,评估再生塑料质量将‘使用同一种语言’。”
携手制定标准
我们邀请回收商、配混商、加工商及原始设备制造商(OEM)与荷兰应用科学组织(TNO)合作,共同完善并标准化 RecyQMeter。通过协作,我们可以为循环塑料经济确立客观的质量要求。
联系我们以获取更多信息及工具访问权限。
科学论文
阅读科学论文《RecyQMeter: Application-specific quality of recycled plastics》以获取详细信息。
联系方式
Peter Versloot
编辑观点
RecyQMeter为再生塑料行业提供了从主观描述到客观基准的转型工具,其核心价值在于建立全价值链的质量通用语言。从业者应关注该工具在ABS等高性能材料回收中的应用进展,以及机器学习预测功能对降低检测成本、优化配混工艺的潜在影响。
常见问题
RecyQMeter如何量化再生塑料质量?
RecyQMeter将机械、光学等性能指标转化为0至1之间的单一质量评分。评分越接近1,表明该再生料相对于特定应用所要求的原生材料,其质量水平越高。
RecyQMeter覆盖多少种应用场景?
该工具涵盖200多种应用场景,范围从汽车电池外壳到瓶盖。回收商输入实验室测得的数据后,工具将其与数据库要求进行比对,生成针对特定应用的质量评分。
RecyQMeter 2.0计划引入什么技术?
RecyQMeter 2.0旨在利用机器学习技术,基于材料成分预测质量,减少对实验室持续测量的依赖。该功能允许配混商精确微调添加剂及原料配方,消除因过度规格或质量不达标造成的浪费。