Les cargaisons de déchets qui atterrissent sur le convoyeur des entreprises de recyclage sont toutes différentes. Au vu de cette complexité, il n’est pas simple d’aboutir à des flux très purs, et donc d’en retirer plus de matériaux de valeur. Toutefois, l’avènement de l’intelligence artificielle (IA) ouvre des perspectives d’analyse des matériaux entrants pour atteindre une meilleure qualité en fin de parcours. Un défi tout à fait à la portée de la technologie d’AMP Robotics.
La complexité des flux de matériaux mixtes est un challenge auquel le secteur du recyclage est confronté depuis plusieurs années. Elle complique la capture de données et l’obtention d’informations précises sur ce qui entre et sort au cours des différentes étapes du traitement. Les audits et les observations manuelles ne fournissent que des clichés instantanés, à un moment donné, de ce qui se passe dans une MRF (Materials Recovery Facility, installation de récupération de matériaux). Les audits périodiques sont naturellement importants, mais ils ne donnent qu’un petit aperçu d’un échantillon du flux de matériaux global. De plus, ils coûtent cher, prennent du temps, ne sont pas sans risque pour la sécurité et sont rapidement rattrapés par les changements au niveau du marché. Dans une économie circulaire, les MRF sont les centres de convergence des matériaux. Des flux de matériaux mixtes y entrent et, après le tri, des matières premières et des matières résiduelles en sortent. Si vous ne savez pas ce qui entre dans le circuit, il est difficile de piloter les processus et de les adapter en fonction des variations au niveau des matériaux en présence. C’est pour cette raison que le secteur a mis sur pied des MRF qui appliquent de larges tolérances pour les spécifications des flux entrants ; ceux-ci sont alors finalement convertis en produits peu commercialisables. Le résultat obtenu comporte trop de résidus et de produits à valeur trop faible. Partant, caractériser les matériaux au début du processus serait une énorme opportunité d’améliorer le fonctionnement des centres de tri.
Comprendre comment se présente un flux de matériaux est la clé pour récupérer plus de matériaux en vue du réemploi. Les données générées peuvent augmenter l’efficacité du processus et mieux faire correspondre le recyclat au reste de la chaîne de valeur. Or la génération et la capture de ces données passe impérativement par l’IA. Un logiciel d’IA fondé sur la vision peut identifier et caractériser des objets dans un flux de déchets, en numérisant chaque article qui passe. Ce flux devient alors un flux de données contenant notamment des informations relatives au nombre d’objets et la description de l’emballage. AMP Robotics a déjà mis en œuvre des centaines de robots et de capteurs qui traitent des millions, voire des milliards d’objets sur les convoyeurs des MRF. Cette évolution contribue à la caractérisation automatique et continue des matériaux. Plus le nombre de robots installés est important, plus l’industrie peut profiter de cette intelligence connectée. L’effet de la mise en réseau augmente donc l’intelligence du tri. Si un nouveau type d’emballage ou de matériel délicat se présente, l’IA est rapidement formée pour identifier l’objet en question. Ces connaissances sont alors communiquées à l’ensemble de la flotte de robots.
Avec ces données, les MRF peuvent s’atteler à améliorer la qualité des flux entrants et sortants. En comparant graphiquement les données des flux de matériaux avec des données historiques ; en fixant les seuils pour les volumes de certains matériaux et en paramétrant des alarmes en cas de dépassement de ces seuils ; en exportant les données pour une analyse ultérieure et en les intégrant dans des plateformes intelligentes… La surveillance et l’analyse en temps réel des flux de matériaux permettent d’obtenir des connaissances et un retour d’information sur ces flux. Avec des données tangibles, les responsables du traitement peuvent communiquer clairement avec leurs partenaires ou leurs collaborateurs, par exemple sur les points suivants :
Les applications potentielles ne manquent donc pas. Aujourd’hui, la plupart des entreprises se spécialisent dans le tri robotisé et l’analyse diagnostique avec des capteurs autonomes. À mesure que le nombre de capteurs augmente, AMP peut aider les MRF à se positionner en spécialistes du traitement fondé sur les données pour réduire leurs coûts et augmenter leurs revenus. Mais ces données peuvent aussi servir à ajuster la conception des nouvelles MRF. En recourant à l’intelligence artificielle, AMP a déjà permis à diverses entreprises d’aménager des centres de tri secondaires économiquement exploitables, par exemple pour trier davantage les petits volumes de plastiques, papiers ou métaux mélangés. Une amélioration des données et de la technologie de capture ouvre des possibilités inédites de comprendre la qualité, le flux et la récupération de conteneurs et emballages spécifiques. La technologie d’AMP peut aider les producteurs à prendre des initiatives pour augmenter le taux de recyclage et créer de nouveaux flux de valeur pour les matériaux recyclables. Les capteurs qui sont utilisés dans un nombre d’applications sans cesse croissant au sein des MRF peuvent exploiter la soif d’informations pour obtenir des rapports poussés sur les pourcentages de récupération. La capture de données, les mesures et la caractérisation des matériaux pour le recyclage créent un mécanisme permettant de répondre également aux obligations légales en matière de contenu recyclé et d’évoluer vers une économie plus circulaire.