اخبار

به گزارش گروه تحقیق و توسعه طب پلاستیک؛ کنسرسیوم مرتب‌سازی کامل (Perfect Sorting)، 9 مالک برند، یک مرکز آزمایشی و تحقیقاتی مستقل و دو دانشگاه را طی دو سال آینده گرد‌هم می‌آورد تا یک مدل تصمیم‌گیری هوش مصنوعی (AI) ایجاد و آزمایش کند که می‌تواند به جداسازی بسته‌بندی‌ها کمک کند.

مرکز تست ملی دایره‌ای پلاستیک (NTCP)، دانون، کولگیت-پالمولیو، فررو، LVMH Recherche، Mars، Incorporated، Michelin، Nestlé، PepsiCo، Procter & Gamble، دانشگاه گنت (بلژیک) و دانشگاه رادبود (هلند) کنسرسیوم را تشکیل خواهند داد.

به عنوان بخشی از کنسرسیوم،NTCP  طیف گسترده‌ای از محصولات بسته‌بندی ارائه شده توسط صاحبان برند را با استفاده از خطوط مرتب‌سازی انعطاف‌پذیر و مدولار خود با تجهیزات صنعتی آزمایش خواهد کرد. ارزیابی‌ها برای توسعه بیشتر، مدل مرتب‌سازی بسته‌بندی دانشگاه گنت استفاده خواهد شد.

علاوه بر این،NTCP با همکاری دانشگاه‌های Ghent و Radbound ، یک مدل تصمیم‌گیری هوش مصنوعی برای شناسایی و طبقه‌بندی بسته‌بندی فراتر از جریان‌های مرتب‌سازی فعلی ایجاد خواهد کرد. طبق گفته کنسرسیوم، فناوری مرتب‌سازی هوش مصنوعی مکمل فناوری‌های موجود است، اگرچه تاکید می‌کند که به‌جای یک ماشین مرتب‌سازی، در حال توسعه یک راه‌حل تصمیم‌گیری است.

این کنسرسیوم توضیح می‌دهد که مدل تصمیم‌گیری هوش مصنوعی می‌تواند محصولات را بر اساس ویژگی‌های متعددی مانند رنگ، کاربرد، شکل یا ماده شناسایی و مرتب کند. طبق گزارش‌ها، این امر می‌تواند نرخ مرتب‌سازی و بازیافت زباله‌های بسته‌بندی و همچنین کیفیت بازیافت را افزایش دهد.

طبق کنسرسیوم، زیرساخت‌های مرتب‌سازی مواد در اروپا در حال حاضر بسیار سنتی است، که می‌تواند به این معنی باشد که برخی از مواد بازیافت نمی‌شوند. این کنسرسیوم اضافه می‌کند که تکنیک‌های مرتب‌سازی بر اساس چند پارامتر مانند نوع ماده، خواص سفتی یا انعطاف‌پذیری و رنگ است که می‌تواند عملکرد را محدود کند.

یک مدل تصمیم‌گیری هوش مصنوعی می‌تواند به تفکیک مناسب زباله‌های پس از مصرف، مانند بسته‌بندی مواد غذایی و غیرغذایی کمک کند و به بازیافت‌ها اجازه دهد تا مشخصات مورد نیاز را برآورده کنند تا دوباره برای کاربردهای غذایی در یک اقتصاد چرخشی مورد استفاده قرار گیرند. ظاهراً این می‌تواند به بازیافت بسته‌بندی‌های انعطاف‌پذیر و چند ماده‌ای نیز کمک کند، که در حال حاضر مرتب‌سازی و بازیافت آن دشوار است.

در پایان این پروژه دو ساله، شرکا قصد دارند با موفقیت مدل تصمیم‌گیری هوش مصنوعی را در یک کارخانه مرتب‌سازی صنعتی آزمایش کنند.

این کنسرسیوم خاطرنشان می‌کند که مدل تصمیم‌گیری هوش مصنوعی ترجیحاً در فناوری‌های مرتب‌سازی موجود با حداقل هزینه و پیچیدگی اجرا می‌شود و امکان ورود هرچه سریع‌تر به بازار را فراهم می‌کند. در نهایت، هدف کنسرسیوم مرتب‌سازی کامل این است که مدل تصمیم‌گیری هوش مصنوعی را به‌طور گسترده برای استفاده در کارخانه‌های مرتب‌سازی در اروپا در سال‌های آینده در دسترس قرار دهد.

گرت کالان، مدیر بسته‌بندی پایداری در PepsiCo اروپا، می‌گوید: محل‌بندی بهتر زباله‌ها برای ایجاد یک اقتصاد چرخشی برای بسته‌بندی انعطاف‌پذیر ضروری است.

هوش مصنوعی در حال حاضر به برخی از بزرگ‌ترین چالش‌های جامعه رسیدگی می‌کند و ممکن است گام‌های مورد نیاز برای پیشبرد طبقه‌بندی مواد در اروپا با هدف نهایی بازیافت مواد بیشتر به مواد با ارزش بالاتر را به همراه داشته باشد.

انجام این کار از طریق همکاری پیش رقابتی برای اطمینان از شکستن کد فناوری تصمیم‌گیری هوش مصنوعی که برای همه کار می‌کند و می‌تواند به سرعت مقیاس‌پذیر شود، حیاتی است. ما هیجان‌زده هستیم که پتانسیل را کشف کنیم، زیرا در تلاش برای ساختن جهانی هستیم که در آن بسته‌بندی هرگز به زباله تبدیل نشود.

کنسرسیوم مرتب‌سازی کامل ظاهراً با فناوری‌های موجود مانند واترمارکینگ دیجیتال هماهنگ می‌شود تا اطمینان حاصل شود که نیازی به ایجاد تغییرات زیادی در طراحی بسته‌بندی برای انطباق وجود نخواهد داشت.