Guia de tecnologia
Como escolher a tecnologia de classificação certa para sua instalação de reciclagem
A escolha da tecnologia de classificação determina o rendimento, a pureza, o custo operacional e a capacidade de adaptação da sua instalação às mudanças nos fluxos de materiais. Este guia fornece uma comparação estruturada das seis principais tecnologias de triagem usadas na reciclagem moderna, com critérios práticos para combinar cada uma com sua aplicação específica.
| Tecnologia | detecta | melhores aplicações | limitações |
|---|
| Câmera RGB visível | Cor, brilho, forma | Classificação de cores de garrafas plásticas, casco de vidro, lixo eletrônico | Não é possível distinguir tipos de polímeros diferentes da mesma cor (por exemplo, PET transparente versus PVC transparente) |
| Espectroscopia NIR | Tipo de polímero por assinatura de refletância molecular | Separação de PET/HDPE/PP/PVC; identificação de papel versus plástico | Materiais escuros ou pretos absorvem o sinal NIR; a umidade da superfície causa distorção espectral |
| Hiperespectral / SWIR | Faixa de comprimento de onda estendida para discriminação semelhante de polímeros | Classificação de plástico escuro, purificação de rPET de qualidade alimentar, distinguindo HDPE de LDPE | Maior custo de capital; taxa de varredura mais lenta que o NIR de banda única |
| Transmissão de Raios X (XRT) | Diferenças de densidade atômica entre materiais | Recuperação de metais pesados de resíduos de trituradores; classificação de minerais/minérios; remoção de alumínio do cobre | Não adequado para materiais leves (plásticos, papel); conformidade com segurança radiológica necessária |
| Correntes parasitas + Indução | Condutividade elétrica de metais | Separação de metais não ferrosos (alumínio de cobre); detecção de fragmentos de metal em fluxos de flocos | Não é possível identificar o tipo de polímero, cor ou contaminantes não metálicos |
| IA/Visão de Aprendizado Profundo | Padrões visuais, embalagens específicas da marca, geometria complexa de objetos | Identificação da embalagem no nível da marca; reconhecimento de componentes de materiais mistos; classificação de qualidade de frações classificadas | Requer dados de treinamento representativos; é necessária reciclagem do modelo à medida que os designs das embalagens mudam |
Combinando a tecnologia com sua aplicação
Recipientes de plástico rígido (garrafas, potes, bandejas)
Padrão: RGB + NIR. RGB separa por cor (PET transparente vs. azul vs. verde). NIR identifica o tipo de polímero (PET vs HDPE vs PP vs PVC). Para saída de qualidade alimentar, adicione uma segunda passagem NIR mais detecção de metais para atingir contaminação <50 ppm.
Embalagem e filme flexíveis
Padrão: NIR + laser 3D. O filme se comporta de maneira diferente em calhas de classificação e em recipientes rígidos – ele flutua, dobra e se sobrepõe. A triangulação a laser 3D ajuda a distinguir camadas de filme de itens rígidos; O NIR identifica o tipo de polímero do próprio filme.
Lixo eletrônico e REEE
Padrão: XRT + RGB + indução + IA. A extrema faixa de densidade do lixo eletrônico (desde invólucros de plástico leves até densos dissipadores de calor de cobre e estruturas de aço) requer pré-separação baseada em densidade (XRT), classificação baseada em cores (RGB) e verificação de metal (indução). A visão da IA é cada vez mais essencial para identificar tipos específicos de componentes, como placas de circuito, baterias e conectores.
Resíduos de construção e demolição
Padrão: NIR + 3D + correntes parasitas. O material C&D é pesado, abrasivo e altamente variável. Carcaças de sensores robustas com sistemas de limpeza automáticos agressivos são tão críticas quanto a própria tecnologia de sensores. A pré-triagem para remover finos antes da classificação óptica é essencial.
Principais critérios de seleção além do sensor
- Compensação entre rendimento e pureza: para uma determinada largura de classificador e configuração de sensor, um rendimento mais alto reduz a pureza. Dimensione seu classificador para 70-80% da capacidade nominal no rendimento do projeto para manter a margem adequada.
- Arquitetura de passagem única versus multipassagem: Uma única máquina multissensor custa menos, mas todos os sensores compartilham a mesma apresentação de material. Máquinas separadas em sequência custam mais, mas cada uma pode ser otimizada de forma independente – normalmente proporcionando pureza de 2 a 5 pontos percentuais maior em fluxos desafiadores.
- Perfil de custo operacional: o preço de compra representa 40-50% do TCO de 5 anos. Substituição de lâmpadas de sensores, kits de reconstrução de válvulas, consumo de ar comprimido e mão de obra de calibração compõem o equilíbrio. Os sensores de corrente parasita e de indução têm o menor custo operacional; XRT e hiperespectral têm os valores mais altos.
- Serviço e suporte: um classificador é um equipamento crítico para a produção — os custos de tempo de inatividade podem exceder o custo do equipamento em poucos dias. Verifique a presença do serviço local, os prazos de entrega de peças sobressalentes e a capacidade de diagnóstico remoto antes de selecionar um fabricante.