主题 · 92 篇
除杂
关于除杂的 92 篇文章,覆盖再生塑料政策、市场、企业与技术动态。
【韩国】韩国化学研究院利用AI与实验揭示废塑料热解油中的“干扰因素”
该研究突破传统仅关注杂质总量的局限,首次系统量化了不同形态氮化合物对沸石催化剂的干扰机制,并引入机器学习势解析吸附原理。这为再生塑料从业者提供了精准的原料预处理与运行参数调整依据,有助于降低催化剂损耗,提升化学回收路线的经济性与稳定性。
【欧盟】欧盟批准将再生塑料作为二次原料进行商业化的新规
此次投票标志着欧盟在消除成员国间“废弃物终止”标准差异上取得关键突破,为再生塑料作为二次原料的合法流通奠定了统一规则基础。对于从业者而言,这意味着跨境贸易的合规成本将显著降低,但需提前适应新的杂质含量限制及数字合规声明要求,以应对更严格的质量管理体系认证。
【韩国】找到阻碍废塑料回收的“元凶”……AI揭示杂质身份
该研究首次通过机器学习势(MLP)揭示含氮杂质占据沸石催化剂活性位点的微观机制,突破传统仅关注杂质总量的局限。对从业者而言,这意味着在原料预处理阶段需建立更精细的杂质谱分析体系,以匹配催化剂特性,降低中试及量产阶段的非计划停机风险。
【瑞士】无溶剂丙烯酸回收技术实现纯单体再生
该工艺突破传统热解高温限制,以单一试剂在低温下实现高纯度单体回收,显著降低能耗与杂质风险。对从业者而言,这为亚克力类高价值塑料的化学回收提供了可验证的技术范式,但需关注放大生产中的异质性原料处理与全生命周期成本评估。
【瑞士】新方法高效回收亚克力玻璃,或推动循环经济
该研究突破了传统热解工艺需400摄氏度以上高温且杂质含量高的瓶颈,实现了低温、无溶剂、高纯度的单体回收。对于再生塑料从业者而言,这标志着化学回收在特定工程塑料领域正从实验室走向具备工业兼容性的阶段,为拓展高价值再生料来源提供了新的技术选项。
【瑞士】苏黎世联邦理工学院研究人员开发亚克力玻璃回收方法
该研究突破了传统化学回收对高温、溶剂及复杂催化剂的依赖,通过单一廉价试剂实现了亚克力玻璃的高效解聚,显著降低了工艺门槛与能耗。对于再生塑料从业者而言,这为高价值工程塑料的化学回收提供了可落地的技术路径,有助于提升特定品类塑料的闭环循环率。
【西班牙】马塔罗提升回收效率:减少609吨二氧化碳排放
该资讯展示了光学分选技术在处理混合残余垃圾时的量化成效,特别是针对rPET和rPE纯度的显著提升。对于从业者而言,这验证了后端分选技术对弥补前端分类不足的价值,但源头精准分类仍是保障再生料品质的核心前提。
【英国】ReVentas:一家拥有全球雄心的苏格兰塑料回收公司及其“溶解”技术
ReVentas将溶解回收定位为机械与化学回收的补充,其首座商业化设施选址格兰茅斯并锁定瓶盖原料,标志着该路径从实验室走向规模化落地。对从业者而言,这种“先稳后扩”的策略为复杂废物流处理提供了可复制的降险范式,值得在规划再生料产能时重点评估。
【荷兰】塑料回收:为何仅凭分拣原料的“纯度”难以判断
该研究厘清了“高分子纯度”与“附着水分及杂质指标”(LAMD)的测量边界,纠正了行业长期存在的指标混淆误区。从业者需明确数据对应的具体环节,避免用原料状态数值片面评判再生料性能,从而提升供应链数据沟通的准确性。
【西班牙】马塔罗废物处理厂升级灰色垃圾桶可回收物回收系统
该资讯的核心变化在于将AI光学分选技术规模化应用于灰色垃圾桶残余废弃物处理,通过气流脉冲精准分离杂质,显著提升rPET、rPE等再生料的纯度指标。对从业者而言,这验证了源头分类不足时,后端智能分选可作为提升再生料品质的关键补充,但无法替代前端分类,需结合EPR体系优化全链条效率。
【西班牙】Maresme 废物处理厂安装新型光学分选机以提升回收质量
该资讯展示了AI视觉技术在残余垃圾分选中的落地应用,通过精准剔除杂质显著提升了机械回收原料的纯度指标。对于再生塑料从业者而言,这验证了后端技术升级对弥补前端分类不足的价值,但源头分类仍是降低处理成本、保障食品级再生料供应的基础,二者需协同推进。
【西班牙】Mataró废物处理厂引入光学分选机以提升灰色垃圾桶材料回收率
该资讯的核心变化在于利用AI视觉技术解决混合垃圾中低纯度再生料的分选难题,将机械回收的原料纯度提升至接近源头分类水平。对从业者而言,这验证了智能分选在提升rPET、rPE等再生料品质、降低清洗与运输成本方面的可行性,为应对混合垃圾回收瓶颈提供了技术参考。
【埃及】受霍尔木兹海峡局势影响 埃及塑料废料重返生产线
地缘政治危机导致原生塑料价格翻倍,迫使埃及企业加速从进口依赖转向本土机械回收,这一转变揭示了供应链韧性在循环经济中的核心价值。对于从业者而言,这不仅是成本对冲策略,更表明在物流受阻背景下,建立本地化再生料产能已成为维持生产连续性的关键生存手段。
【德国】K3I-Cycling项目利用人工智能将消费后塑料废物转化为适配工业用途的再生材料
该项目的核心突破在于将机器学习与材料实测结合,解决了混合废塑料杂质与老化程度导致的质量波动难题,并引入数字护照概念。对于从业者而言,这意味着再生塑料从“可用”向“可靠”跨越,为进入食品级包装等高门槛市场提供了标准化的技术路径和数据支撑。
【德国】人工智能将塑料废弃物转化为适用于工业的再生材料
该资讯的核心突破在于将机器学习引入再生塑料的质量分级与全链条模拟,解决了混合废弃物成分波动导致的质量不稳定难题。对于从业者而言,这意味着再生料从“可用”向“高可靠”迈进,特别是为食品级再生料的标准化和数字护照落地提供了技术路径,有助于提升再生塑料在高端市场的竞争力。
【德国】Fraunhofer LBF 联合伙伴推进 K3I-Cycling 项目,利用 AI 提升混合轻包装回收料品质
该项目将 AI 引入回收前段分选与后段质量分级,通过“人工神经孪生”数字化概念优化物流与预处理,是机械回收向智能化、标准化转型的关键尝试。对从业者而言,这预示着再生塑料的质量认证将更依赖数据驱动,掌握材料分析数据与添加剂技术将成为进入高价值应用市场的核心壁垒。
【丹麦】为何回收旧人造草坪场地如此困难——丹麦是如何做到的
丹麦Re-Match设施实现了合成草皮全组分无水洗分离,产出99%纯度再生沙橡胶及95%纯度纤维,标志着机械回收技术突破。这为从业者提供了从源头设计单一聚合物到末端高效分选的全链条参考,推动行业从末端处置向高值化再生转型。
【韩国】安保公司的无限变身……造就EsTek Systems的“两大增长轴
安保企业跨界整合资源回收,通过自动化分拣降低人工成本并优化燃料热值,同时以快速结算打通废铝供应链。这种“安保+回收”的垂直整合模式为行业提供了降低合规风险与提升资金周转效率的新路径,值得从业者关注其自动化设备投入与许可获取周期。
【意大利】Revet:托斯卡纳循环经济凭借两项新专利聚焦创新
Revet将光学分选前置至弹道筛之前,并彻底解决再生水污泥残留问题,标志着机械回收从粗放分拣向精细化预处理与闭环水管理的技术跃迁。对于从业者而言,这提示分选效率与水资源循环已成为提升再生料纯度、降低合规成本的核心竞争壁垒,而非单纯的环保成本项。
【新西兰】无专家证据:塑料燃料厂法院裁决令环保废物组织震惊
该裁决确立了在缺乏具体排放监测数据时,仅凭规划许可即可认定热解活动合法的司法先例,挑战了传统环保监管的证据标准。对于再生塑料从业者而言,这意味着化学回收项目可能在未完全量化环境风险的情况下获得运营许可,需警惕合规成本降低带来的潜在环境责任风险。
【英国】Livingston初创企业ReVentas获350万英镑资助以解决难回收塑料难题
ReVentas获得政府资金加速溶剂回收技术中试,并与工程巨头KBR签署许可协议,标志着化学回收从实验室走向规模化商业部署的关键一步。对于从业者而言,这验证了处理混合薄膜等低值废塑料的高附加值路径,提示行业关注低温低压化学回收在降低碳足迹及提升再生料纯度方面的实际落地能力。
【荷兰】Shell携手行业及研究伙伴推进化学回收
该资讯的核心突破在于产学研联盟针对EVOH等难去除污染物开发专用吸附剂,试图打通高污染薄膜进入化学回收的堵点。对从业者而言,这预示着未来食品级再生料的原料来源可能从单一rPET向更复杂的混合薄膜扩展,但需警惕环保组织对化学回收排放的质疑。
【瑞士】WasteFlow 开发 AI 辅助系统提升废物分拣效率
WasteFlow 将计算机视觉与多模态传感技术引入机械回收前端,实现了从人工巡检到实时智能分选的技术跨越,显著提升了再生塑料原料的纯度控制能力。对于从业者而言,这种基于实时数据反馈的自动化分选方案,为突破传统分拣瓶颈、提升 rPET 等高品质再生料产出率提供了可落地的技术路径。
【日本】回收技术应对石脑油短缺
该资讯核心在于JEPLAN将化学回收从概念落地为日产300万瓶的工业化产能,并明确以“半永久性循环”替代传统线性消耗。对从业者而言,这标志着rPET供应链正从“降级利用”向“闭环再生”转型,食品级再生料的成本与品质稳定性将成为竞争关键。