Dirbtinis intelektas ir hiperspektrinės vaizdo technologijos veda į revoliuciją, metalo perdirbimo pramonė pradeda naują tikslaus identifikavimo erą

[Esenas, Vokietija]– Perdirbimo aikštelės, tradiciškai siejamos su riaumojančia technika ir metalo laužo kalnais, tyliai išgyvena esminius pokyčius, kuriuos skatina dirbtinis intelektas (AI) ir pažangiausia{0}}daviklių technologija. Neseniai rūšiavimo technologija, integruojanti hiperspektrinius vaizdus ir mašininio mokymosi algoritmus, padarė pažangą bandomojoje gamykloje, kurią valdo pirmaujanti Europos metalo perdirbimo įmonė Scholz Group. Tai žymi naują metalo perdirbimo pramonės erą, pereinant nuo „neapdoroto smulkinimo“ prie „molekulinio-lygio tikslaus identifikavimo“.

Ilgą laiką metalo perdirbimas, ypač smulkus didelės -vertės spalvotųjų metalų (tokių kaip aliuminis, varis ir žalvaris) rūšiavimas, buvo didelis iššūkis pramonei. Tradicinės magnetinio ir sūkurinių srovių atskyrimo technologijos gali veiksmingai pašalinti juoduosius metalus ir kai kuriuos spalvotuosius metalus, tačiau jos susiduria su sudėtingesnėmis aliuminio lydinių serijomis. Pavyzdžiui, buvo beveik neįmanoma atskirti didelio-stiprumo 7075 lydinio, naudojamo orlaivių rėmuose, nuo įprasto 3004 lydinio, naudojamo gėrimų skardinėse. Dėl to buvo sumaišyti ir išlydyti dideli įvairių rūšių metalų kiekiai, dėl ko sumažėjo ciklas, o tai sukelia didelį ekonominės vertės praradimą ir prieštarauja pagrindiniam žiedinės ekonomikos principui: „išnaudoti kuo daugiau išteklių“.

Ši technologinė kliūtis dabar ryžtingai laužoma. Sėkmingai įdiegtos naujoviškos sistemos esmė yra „aki akis“, galinti „matyti“ molekulinius metalų pirštų atspaudus{1}}hiperspektrinio vaizdo jutiklis. Skirtingai nuo žmogaus akies ar standartinių fotoaparatų, ši technologija fiksuoja itin išsamią spektrinę informaciją, atsispindinčią nuo metalinių paviršių plačiame diapazone – nuo ​​infraraudonųjų spindulių iki matomos šviesos. Kiekvienas metalo lydinys dėl nedidelių elementų sudėties ir mikroskopinės struktūros skirtumų turi unikalų spektrinį ženklą, panašiai kaip žmogaus piršto atspaudas.

Tačiau rankiniu būdu interpretuoti didžiulį spektrinių duomenų kiekį būtų neįmanoma. Čia atsiranda dirbtinio intelekto galia. Dr. Anna Weber, projekto techninė vadovė iš partnerių įmonės „Spectral Vision“, paaiškino: „Mes iš anksto-apmokėme sistemą, „pateikdami“ jai dešimtis tūkstančių spektrinių duomenų taškų iš įvairių metalų tipų. Dėl gilaus mokymosi AI modelis dabar gali identifikuoti tikslią kiekvieno konvejerio juostoje esančio laužo lydinio klasę, realiu laiku ir{5}sunkiai. greičiai“.

„Scholz Group“ gamyklos procesas yra įspūdingai efektyvus: susmulkinti metalo fragmentai skrieja dideliu{0}}greičiu konvejerio juosta, juos akimirksniu nuskaito viršutinis hiperspektrinis jutiklis, o duomenys realiuoju laiku-persiunčiami į pagrindinį AI analizės įrenginį. Per sekundės dalį sistema išduoda komandas, naudodama tiksliai kontroliuojamą suspausto oro purkštukų masyvą, kad konkrečius metalo fragmentus „išpūstų“ į tinkamą surinkimo dėžę. Visas procesas yra visiškai automatizuotas, rūšiavimo grynumas ir efektyvumas gerokai pranoksta tradicinius metodus.

„Tai ne tik rūšiavimo greičio pagerinimas; tai iš esmės keičia mūsų verslo modelį“, – sakė Michaelas Langas, Scholz grupės vyriausiasis technologijų direktorius. "Dabar klientams galime tiekti perdirbtas vienos specifinės lydinio klasės medžiagas, kurių grynumo lygis yra iki 99,8%. Tai yra neišmatuojama vertė aukščiausios klasės-pramonėms, pvz., aviacijos ir automobilių gamybai, kurioms taikomi griežti medžiagų eksploatacinių savybių reikalavimai. Dabar jie gali drąsiai naudoti perdirbtą metalą dideliu mastu naujuose gaminiuose, nesijaudindami dėl eksploatacinių savybių skirtumų."

Šios technologinės naujovės poveikis yra toli{0}}siekiantis. Pirma, tai žymiai padidina perdirbtų metalų vertę, užkerta kelią „sumažinimui“ ir sukuria sveikesnes perdirbėjų pelno maržas. Antra, tai žymiai sumažina priklausomybę nuo pirminių mineralų. Sukūrus grynus antrinių žaliavų srautus, gamybos anglies pėdsakas smarkiai sumažinamas, o tai stipriai skatina pasaulinius ekologiškos gamybos ir anglies neutralumo tikslus.

Pramonės analitikai plačiai mano, kad DI{0}}varoma tikslaus rūšiavimo technologija, kartu su robotų išmontavimo ir skaitmeninių medžiagų sekimo platformomis, sudaro „Perdirbimo 4.0“ branduolį. Tai rodo, kad būsimas išteklių perdirbimo efektyvumas nebepriklausys vien nuo mechaninės galios, bet vis labiau priklausys nuo duomenų įžvalgos gylio ir protingo sprendimų priėmimo greičio. Kadangi ši technologija palaipsniui pradedama taikyti visame pasaulyje, jau prasidėjo nauja metalo perdirbimo -švaresnio, efektyvesnio ir išmanesnio- era.