寻求运营洞察，MRF从AI中梳理数据
随着越来越多的MRF运营商在其设施中安装人工智能驱动的系统，那些购买设备以改善分拣效果的运营商表示，这些机器还在收集可能使其更具价值的东西：大量数据。
人工智能驱动的设备（如机器人）在短短几年前还只是新鲜事物，如今已成为MRF运营商计划削减劳动力成本并创造更清洁的可回收商品流的关键组成部分。大型废弃物和回收公司定期在财报电话会议中报告机器人投资，与车队计划和其他资本投资并列。
“对于MRF环境而言，真正比机器人强大得多的是人工智能，因为人工智能让你洞察MRF中发生的一切，”回收软件系统和机器人公司Everest Labs的销售与业务发展主管Don Gambelin表示。“收集系统看起来如何？通过大门进入的污染到底有多少？”
Rumpke Waste & Recycling的回收总监Jeff Snyder表示，关于商品、污染以及MRF物料流整体构成的细粒度数据正变得比以往任何时候都更加重要。今年4月，Rumpke安装了Machinex制造的四套新型机器人系统中的第一套，该公司将依靠这些系统分拣PP和HDPE，以此投资扩大这些塑料的国内市场。
Snyder表示，除了从这些特定物料流中获取更多价值外，人工智能报告数据以帮助MRF更高效运行的潜力“是回收质量未来的方向”。
投资于不断变化的物料流
近年来，越来越多的物料回收设施（MRF）利用新型号和具有竞争力的价格，大规模采用人工智能驱动的机器人。根据 《资源回收》的数据，2019年北美约有100台机器人在MRF及其他回收相关设施中运行。自那以后，各设施又宣布了数十台新安装。
Waste Connections 宣布 ，将于12月在其全国各地的设施中安装AMP Robotics的24套系统，以在容器、纤维和残渣生产线上捕获更多物料。GFL Environmental、Republic Services、Waste Management及其他大型MRF运营商也进行了类似投资。除AMP外，其他人工智能动力机器人分拣系统供应商还包括Bollegraaf（及其北美分销商Van Dyk Recycling Solutions）、Bulk Handling Systems（BHS）、Everest Labs、Machinex、Waste Robotics和ZenRobotics。
许多像Rumpke这样的MRF将人工智能驱动的机器人——以及其他先进分拣设备，如光学分拣机——视为关键工具，用于捕获更多物料，以销售到要求更高质量物料流的不断变化的市场中。FCC Environmental Services工程总监Andrea Rodriguez-Piñero表示，这些MRF还在尝试提前规划，思考他们认为回收物料流“至少十年后”会是什么样子。
在9月举行的WasteExpo Together Online线上会议上，Rodriguez-Piñero在演讲中描述了人工智能和机器人如何帮助“未来的MRF（材料回收设施）”适应不断变化的物料流，就像他们在COVID-19疫情期间已经面临的种种意外情况一样，例如随着更多消费者在线购物，“亚马逊效应”带来了近期塑料包装和居民区纸板的大量涌入。
Snyder预测，商品市场的变化也将促使更多MRF考虑投资机器人技术。“如果你在五年前或三年前说我们要（用机器人技术）分拣聚丙烯，我不会相信。没有人这么做，因为当时我们没有市场，”Snyder说。“随着情况变化，我们希望适应。”
Rumpke的安装项目部分资金来自回收合作伙伴组织（The Recycling Partnership）提供的77.5万美元赠款，该组织通过其 聚丙烯回收联盟. 向多家公司提供了多轮赠款。支持这一努力的有Keurig Dr Pepper、雀巢、宝洁和沃尔玛基金会等品牌。Snyder估计，新的机器人系统将帮助每月捕获40至100吨聚丙烯，系统在分拣过程中产生的数据也应让公司更清楚地了解他们实际收集的数量。
其他人也注意到了回收机器人领域日益激烈的竞争。循环经济投资公司Closed Loop Partners是帮助AMP Robotics从多个来源筹集5500万美元的投资者之一 ，融资于1月完成.
Closed Loop将人工智能和机器人视为 关键技术 为了帮助美国实现循环经济，董事总经理布里奇特·克罗克在2020年6月美国参议院环境与公共工程委员会关于回收挑战的听证会上如此表示。
“行业的未来将由那些生产最高质量商品材料捆包的回收设施引领，”她当时表示。
将AI与机器人分离
尽管“机器人技术”和“AI”这两个术语有时会被互换使用，但机器人回收系统包含三个主要组成部分：首先是视觉系统，它通过颜色、形状和大小等特征识别传送带上的材料。然后是机器人，它利用这些信息根据编程物理拾取或分拣特定物品。系统的第三个要素，也是AMP等公司声称的最大卖点，是其由AI驱动的“学习能力”。
像AMP及其他公司的AI驱动机器人系统会将每台机器人的数据上传到云端，以便全球其他相连的机器人能够从这些数据中学习并进一步改进。AMP表示，其名为Neuron的AI平台每年共享物体识别的运行量超过100亿件物品。
随着机器人领域竞争比往年更加激烈，AMP创始人兼首席执行官马塔尼亚·霍洛维茨表示，他预计机器人硬件和AI方面都将出现更多创新，以适应更具体的MRF需求。“机器人技术正在成熟，但并未放缓，”他说。
人工智能技术也为其他现代系统提供动力，比如光学分拣机，它们利用气流或其他方法而非机械拾取臂来实现分拣。这些系统还配备了大量传感器和摄像头，用于分析物料并尽可能高效地进行分拣，Machinex销售工程执行副总裁David Marcouiller在8月份的东南回收会议（SERC）上如此表示。
随着人工智能日益精进，光学分拣机也随之升级，能够通过高分辨率或3D摄像头识别物品并收集有价值的数据。MRF运营商并不将机器人视为 光学分拣机的替代品，而是将其视为能够协同工作的队友，以实现更清洁的整体产出，Republic Services德克萨斯州工厂运营区域经理Robert Taylor在虚拟WasteExpo的小组讨论中如此表示。
机器人的常见位置是在光学分拣机之后的生产线上。“这些（机器人）系统中的人工智能部分在识别目标材料方面极为精准，”Taylor表示，但在处理主进料流中“海量”物料时，光学分拣机仍然是主力。他的MRF机器人并非为处理如此大量的物料而设计，即使它能非常快速地识别和拾取物品。
休斯顿的FCC MRF使用了一套Bollegraaf机器人系统，旨在物料经过光学及其他分选系统后，生产出更高质量的纤维产品。Rodriguez-Piñero表示，该机器人在混合纸质量控制线上运行，用于回收OCC以及铝和PET等违禁品。机器人在这条线上是理想之选，因为“吸盘在抓取纤维时往往比抓取容器效果好得多，容器形态各异，有的被压扁，有的保持原状，”她说道。
评估物料流
在设施安装新的机器人系统之前，运营方应更深入地了解流经其设备的物料，以确保系统能很好地适应所需任务和优先处理的物料。 机器人公司通常会先建立物料特性分析流程，即在不安装机械臂的情况下安装并运行视觉系统。
据Snyder介绍，Machinex在安装任何硬件之前，花了45天时间收集Rumpke物料流的数据，利用这段时间训练机器人的AI“大脑”，使其能够识别和辨认通常流经该系统的物体，从而尽可能高效地完成工作。“随着这些物料反复通过系统，对物料成分的识别会变得越来越精准，”他说道。
这项初步评估有助于校准设备，但机器人公司和MRF运营商都认为，在此过程中获得的数据，其应用价值远不止让机器熟悉新工作那么简单。许多机器人公司提供独立的视觉评估系统或服务，用于仔细检查传送带上的物品并收集额外数据，帮助MRF运营商优化物料回收或修复分拣线上的薄弱环节。
Gambelin表示，Everest在推荐机器人之前，通常会先进行工厂性能分析。这有助于收集信息，让客户能够做出明智的决定，判断机器人是否真正适合其工厂。
AMP Robotics产品高级总监Amanda Marrs表示，一家MRF运营商使用其名为Clarity的材料特性分析系统，在一年时间内深入研究了残余废物流的组成。数据显示有大量铝罐未被回收，该公司随后调整了现有设备，并安装了一台新机器人来回收这些物料。
她在SERC会议上表示：“这就是这些数据的作用——它告诉你可以在哪些环节调整工艺流程或运营环节，以回收有价值的物料并增加收入。”
其他公司也提供此类独立的视觉系统。总部位于旧金山的MRF运营商Recology， 安装了 BHS的视觉识别系统（VIS）于2019年投入使用，同时还有四台机器人。当机器人分拣塑料及其他材料时，VIS会监测出料端的残余物。这为MRF运营商提供了关于出料物料成分的实时及趋势数据。Recology利用这些数据调整系统“以优化回收率”，该公司在新闻稿中表示。
Gambelin表示，Everest迄今已在加州四个设施安装了AI驱动的机器人，另有西海岸两家工厂仅使用AI技术。他说，AI可以通过查看表明物料成分变化的数据输出来帮助诊断大型MRF分拣系统中的问题，例如筛网上磨损的圆盘或机械故障。
Rodriguez-Piñero表示，FCC利用AI生成的数据为质量控制决策提供依据，“以确保我们的分离器高效运行”，如果效率不高，则“触发流程中需要调整的环节，使最终产品达到市场要求的纯度百分比”。
Snyder补充说，特性分析数据也有助于证明打包物料符合其宣称的质量。
“例如，当你将一包纸张送到造纸厂，而工厂说‘等等，你这包纸的质量有问题’时，你可以用数据来证明并非如此，”他说。“这是AI能够提供的非常非常酷的技术——对源头系统中任意时刻传送带上实际物料的分析。”
人工智能与劳动力的未来
一些MRF运营商表示，AI驱动的数据也为机器人技术在劳动力中的定位讨论增添了更多细微差别。 高流动率 在可能又脏又危险的分拣工作中是一个持续存在的问题。即使在疫情开始之前，许多垃圾和回收公司就已经难以填补分拣岗位，该行业越来越将机器人视为潜在的解决方案。
“如果我们认为劳动力不是一个持续的问题，那就是自欺欺人，”Snyder说，“但我们并不认为这是在取代人力，而更多是试图减轻某些岗位的负担。”Rumpke工厂安装的一台机器人负责将天然HDPE从其他颜色中分拣出来，这一过程过去是由人工完成的。
Machinex公司的Marcouiller指出，AI可以为仍然依赖人工分拣的MRF增加价值，因为员工专注于正确分拣物品，无法报告更大层面的趋势，例如物料流随时间的变化。
非营利组织Eureka Recycling的联合总裁Kate Davenport在8月的Resource Recycling会议上表示，MRF可以 同时投资于技术和员工 。例如，当Eureka的MRF安装机器人时，它创造了一个新职位，让员工负责监控和解读机器人数据。
Republic公司的Taylor表示，他设想未来的MRF可以利用增强的AI和机器人技术，根据物料变化自动调整设备，从而将人类完全从分拣过程中解放出来。
尽管Everest公司的Gambelin认为，未来实现MRF全面自动化是有可能的，但在短期内，“我们必须摒弃机器人在所有应用中都优于人类的观念，因为机器人的工作方式与人类不同，”他说道。
Gambelin表示，许多MRF最初是在机器人技术和其他现代分拣设备尚未在市场上广泛普及之前设计的，这意味着某些类型的改造可能并不适用于特定设施的布局和设计。在这种情况下，从AI收集的数据“确实很有洞察力，因为它有助于设定对[机器人]实际性能表现的预期，并确保客户对此感到满意。”
MRF运营商以及AI和机器人技术供应商表示，AI未来可能会有新的应用场景，可能有助于在新兴市场或利基客户中实现更精细级别的物料分拣。Everest、AMP和其他设备制造商表示，他们已经能够按品牌或条形码对某些物品进行分类，而AMP最近宣布正在利用这一能力来 回收K-cup咖啡胶囊.
一家包装公司最近向Everest索取其产品在不同MRF中流转的数据，以深入了解如何重新设计包装以提高可回收性。“包装最终在MRF中的去向至关重要。如果容器最终进入纸张分拣线，它就有可能无法被回收，”Gambelin说道。
这种技术水平还可以通过与品牌商直接合作，利用人工智能和机器人技术来定位特定容器、进行分类并将其返还给品牌所有者，从而支持生产者责任延伸计划。甘贝林预计，品牌所有者可能会帮助资助建造用于此目的的设备。
“我的看法是，如果你能让制造商直接参与一项真正回收其材料的直接活动，他们会更愿意这样做，”他说。
已经投资此类设备的材料回收设施（MRF）可能还会发现这些设备有他们尚未想到的用途。
“这些计算机系统令人振奋之处在于它们能够不断持续学习——收集关于颜色、尺寸、外形因素甚至品牌识别的数据，”共和服务公司的泰勒表示。“我认为，有了人工智能，未来我们在材料回收设施（MRF）中能做的事情是无限的。”