Kunskap och teknik för mer hållbar återvinning av elektronikskrot (WEEE ID)

Detta projekt syftar till att utveckla ett koncept baserat på realtids machine-vision-system och databehandling med artificiell intelligens för snabb, automatiserad och noggrann sortering av WEEE (Waste Electrical and Electronic Equipment). Genom att tillämpa dessa tekniker på avfallsströmmar, vilket är unikt, möjliggörs en högre återvinningsgrad, minskade emissioner av farliga ämnen, och förbättrad arbetsmiljö.

Avfall från elektriska och elektroniska produkter (WEEE) är en snabbväxande avfallskategori som globalt beräknas uppgå till 20-50 miljoner ton per år. Kasserade elektronikprodukter kan innehålla många farliga ämnen som kan vara skadliga för hälsan eller miljön om avfallet inte sorteras och behandlas korrekt. Återvinning av kasserade elektronikprodukter möjliggör att värdefulla metaller (t ex guld, silver, koppar och aluminium), kritiska material (t ex kobolt, platina, palladium och sällsynta jordartsmetaller), och andra basmaterial (t ex järn, glas och plast) som kan återvinnas och ersätta jungfruliga material, och därigenom bidra till att bevara naturresurser och minska emissioner av föroreningar och växthusgaser.

På grund av stora variationer i produktsammansättning och materialinnehåll, kan inte alla typer av WEEE behandlas på samma sätt, utan kräver olika processer för att möjliggöra effektiv återföring och undvika emissioner av farliga ämnen. Idag genomgår produkter i samma WEEE-kategori oftast samma behandling, mer eller mindre oberoende av produktinnehåll. Det leder till material- och värdeförluster samt till kontaminering av återvunna materialfraktioner med farliga ämnen. Genom att sortera produkter/komponenter i avfallsströmmen efter deras materialinnehåll och nödvändig behandlingsmetod, kan en högre återvinningsgrad och högre värde på återvunnet material uppnås.

Att göra sorteringen manuellt skulle vara mycket arbetskrävande, kostsamt och utsätta arbetskraften för signifikanta risker. Dessutom saknas det information om mängder och materialinnehåll i WEEEströmmen och att generera sådana data är kostsamt med existerande metoder. Ett automatiserat igenkännings- och sorteringssystem som kan integreras med existerande förbehandlingslinjer skulle därför kunna ge stora ekonomiska och ekologiska nyttor till återvinningskedjan.

Detta projekt syftar till att utveckla ett koncept baserat på realtids machine-vision-system och databehandling med artificiell intelligens för snabb och noggrann sortering av elektronikavfall. Genom att tillämpa dessa tekniker på avfallsströmmar, vilket är unikt, möjliggörs en högre återvinningsgrad och ett högre värde på återvunna material, minskade emissioner av farliga ämnen, förbättrad arbetsmiljö och detaljerad avfallsstatistik. Exempel på avfallsslag som kommer att beaktas är kretskort, mobiltelefoner och lampor.

Konceptet kommer att demonstreras genom att utveckla och implementera en automatiserad sorteringsutrustning som känner igen, registrerar och sorterar olika typer av lampor för att möjliggöra separat förbehandling av de sorterade fraktionerna . Detta kommer att leda till en effektiv sortering och efterföljande behandling av kvicksilverinnehållande lampor, vilket minskar kontaminering av andra materialfraktioner (t ex metaller, plast och glas) och förhindrar kvicksilverutsläpp till miljön. Ett verktyg för statistik, analys och rapportering kommer också
implementeras för att generera noggrann och pålitlig avfallsstatistik för lampor. Detta utgör värdefull information för alla aktörer i värdekedjan, från lampproducenter, till återvinnare, producentansvarsorganisationer och myndigheter.

Projektet kommer att kräva forskningsinsatser inom områdena materialanalys och separation, signalbehandling, algoritmutveckling, och produktionsutveckling.

Samarbetande organisationer

  • Optisort Ab (Privat, Sweden)
  • Nordic Recycling Ab (Privat, Sweden)
  • Stiftelsen Chalmers Industriteknik (Privat, Sweden)
  • Mrt System International Ab (Privat, Sweden)
  • El-Kretsen I Sverige Ab (Privat, Sweden)
Startdatum 2013-11-01
Slutdatum Projektet är avslutat: 2015-12-31

Publicerad: to 21 nov 2013. Ändrad: to 31 maj 2018