Comparación de Tecnología de Clasificación

Comparación de Tecnología de Clasificación | AISORT

Guía tecnológica

Cómo elegir la tecnología de clasificación adecuada para su instalación de reciclaje

La elección de la tecnología de clasificación determina el rendimiento, la pureza, el costo operativo y la capacidad de sus instalaciones para adaptarse a los flujos de materiales cambiantes. Esta guía proporciona una comparación estructurada de las seis principales tecnologías de clasificación utilizadas en el reciclaje moderno, con criterios prácticos para adaptar cada una a su aplicación específica.

Capacidades tecnológicas de un vistazo

TecnologíaDetectaMejores aplicacionesLimitaciones Cámara visible RGBColor, brillo, formaClasificación por colores de botellas de plástico, desechos de vidrio, desechos electrónicosNo se pueden distinguir tipos de polímeros diferentes del mismo color (p. ej., PET transparente frente a PVC transparente) Espectroscopia NIRTipo de polímero por firma de reflectancia molecularSeparación PET/HDPE/PP/PVC; identificación de papel versus plásticoLos materiales oscuros o negros absorben la señal NIR; la humedad de la superficie provoca distorsión espectral Hiperespectral / SWIRRango de longitud de onda ampliado para una discriminación de polímeros similarClasificación de plástico oscuro, purificación de rPET de calidad alimentaria, que distingue el HDPE del LDPEMayor coste de capital; velocidad de escaneo más lenta que NIR de banda única Transmisión de rayos X (XRT)Diferencias de densidad atómica entre materialesRecuperación de metales pesados a partir de residuos de trituradoras; clasificación de minerales/mineral; eliminar aluminio del cobreNo apto para materiales ligeros (plásticos, papel); Se requiere cumplimiento de seguridad radiológica Corrientes de Foucault + InducciónConductividad eléctrica de metalesClasificación de metales no ferrosos (aluminio a partir de cobre); Detección de fragmentos metálicos en corrientes de escamasNo se pueden identificar el tipo de polímero, el color ni los contaminantes no metálicos IA / Visión de aprendizaje profundoPatrones visuales, empaques específicos de marca, geometría de objetos complejosIdentificación de empaques a nivel de marca; reconocimiento de componentes de materiales mixtos; clasificación de calidad de fracciones clasificadasRequiere datos de capacitación representativos; Es necesario volver a capacitar al modelo a medida que cambian los diseños de envases

Cómo combinar la tecnología con su aplicación

Envases de Plástico Rígido (Botellas, Tarrinas, Bandejas)

Estándar: RGB + NIR. RGB separa por color (PET transparente, azul y verde). NIR identifica el tipo de polímero (PET, HDPE, PP y PVC). Para obtener resultados de calidad alimentaria, agregue una segunda pasada NIR más detección de metales para lograr una contaminación de <50 ppm.

Envases y películas flexibles

Estándar: NIR + láser 3D. La película se comporta de manera diferente en los conductos de clasificación que en los contenedores rígidos: flota, se pliega y se superpone. La triangulación láser 3D ayuda a distinguir las capas de película de los elementos rígidos; NIR identifica el tipo de polímero de la propia película.

Residuos electrónicos y RAEE

Estándar: XRT + RGB + inducción + IA. El rango de densidad extrema de los desechos electrónicos (desde carcasas de plástico livianas hasta densos disipadores de calor de cobre y marcos de acero) requiere una separación previa basada en la densidad (XRT), una clasificación basada en colores (RGB) y una verificación de metales (inducción). La visión de IA es cada vez más esencial para identificar tipos de componentes específicos, como placas de circuito, baterías y conectores.

Residuos de Construcción y Demolición

Estándar: NIR + 3D + corrientes de Foucault. El material C&D es pesado, abrasivo y muy variable. Las carcasas de sensores robustas con sistemas de limpieza automáticos agresivos son tan importantes como la propia tecnología de sensores. Es esencial realizar una selección previa para eliminar los finos antes de la clasificación óptica.

Criterios de selección clave más allá del sensor

Compensación entre rendimiento y pureza: para un ancho de clasificador y una configuración de sensor determinados, un mayor rendimiento reduce la pureza. Dimensione su clasificador para un 70-80 % de la capacidad nominal según su rendimiento de diseño para mantener un margen adecuado.
Arquitectura de paso único frente a paso múltiple: una sola máquina multisensor cuesta menos, pero todos los sensores comparten la misma presentación del material. Las máquinas separadas en secuencia cuestan más, pero cada una se puede optimizar de forma independiente, lo que normalmente ofrece entre 2 y 5 puntos porcentuales más de pureza en flujos desafiantes.
Perfil de costos operativos: el precio de compra representa entre el 40% y el 50% del TCO a 5 años. El reemplazo de la lámpara del sensor, los kits de reconstrucción de válvulas, el consumo de aire comprimido y la mano de obra de calibración conforman el equilibrio. Los sensores de inducción y corrientes de Foucault tienen el costo operativo más bajo; XRT e hiperespectral tienen los más altos.
Servicio y soporte: un clasificador es un equipo crítico para la producción: los costos del tiempo de inactividad pueden exceder el costo del equipo en cuestión de días. Verifique la presencia del servicio local, los plazos de entrega de repuestos y la capacidad de diagnóstico remoto antes de seleccionar un fabricante.