ربات بازیافت کننده
محققان دانشگاه سیدنی رباتی ساختند که میتواند پلاستیک های نرم را طبقه بندی کند. اعتبار: دانشگاه سیدنی
طبقه بندی پلاستیک ها
در مهم ترین تقسیم بندی به دو گروه اصلی تقسیم می شوند:
۱: ترموپلاست ها (پلاستیک های گرما نرم)
یعنی پلاستیک هایی که در اثر حرارت نرم شده و در اثر از دست دادن حرارت سخت می شود؛ مثل: نایلون.
۲: ترموست ها (پلاستیک های گرما سخت)
منظور پلاستیک هایی که برای اولین بار در اثر حرارت شکل پودری آنها به قطعه ای یک پارچه تبدیل می شود. اما این قطعه دیگر هرگز توسط گرما ذوب نخواهد شد؛ مانند: ملامین، باکالیت. (به علت وجود پیوند های عرضی و شبکۀ سه بعدی) منبع :طبقه بندی پلاستیک ها
محققان زمینه مهندسی، در حال توسعه روشی نادر هستند تا بازیافت پلاستیک نرم را افزایش دهند؛ در این روش از رباتی استفاده می شود که میتواند زباله بازیافتی متفاوت را شناسایی، طبقه بندی و جداسازی کند.
با وجود پیشرفت سال های اخیر در بازیافت پلاستیک، دفن زباله یک مسئله رو به رشد است. پلاستیک های نرم مثل ورق پلاستیکی (سلفون) و کیسه های پلاستیکی سهم مهمی در این مشکل دارند؛ در سال های 2016-2017، نود و چهار درصد از این پلاستیک ها به محل دفن زباله رفتند.
روش مناسبی برای بازیافت پلاستیک های نرم وجود ندارد؛ این پلاستیک ها به سادگی در دستگاه جداسازی زباله، درهم تنیده میشوند و باعث آسیب فنی و آلودگی دیگر مواد بازیافتی مثل کاغذ میشوند. به علت این مشکل، روش های بازیافت فعلی، بر پایه طبقه بندی دستی پلاستیک های نرم است؛ روشی ناایمن که گاهی نیاز به تکرار هم دارد.
در پروژهای تحقیقاتی که توسط دولت حمایت مالی میشود، محققان مرکز اینترنت اشیا و مخابرات دانشگاه سیدنی در کنار نیروهای صنعت بازیافت برای توسعه روشی نادر به منظور افزایش بازیافت پلاستیک های نرم کار میکنند؛ این روش در واقع ساخت سامان های خودکار و باهوش است که با استفاده از هوش مصنوعی زباله های بازیافتی را طبقه بندی میکند.
این گروه شامل استاد برانکا ووستیک (Branka Vucetic)، یونگویی لی (Yonghui Li)، دانشیار وانلی اویانگ (Wanli Ouyang)، دکتر وانچون لیو (Wanchun Liu) و مسئول فنی ارشد داوایی تن (Dawei Tan) از دانشکده مهندسی برق و اطلاعات میشود.
گروه روبات بازیافت کننده از دانشگاه سیدنی
استاد برانکا ووستیک، دکتر وانچون لیو، دکتر وانلی اویانگ، استاد یونگویی لی همراه با روبات بازیافت کننده. اعتبار: دانشگاه سیدنی
به گفته استاد برانکا ووستیک، متخصص اینترنت اشیا و مخابرات، سامانه خودکارسازی بازیافت رباتی از هوش مصنوعی و بینایی رایانه ای برای یادگیری موارد زیر استفاده میکند:
- نحوه شناسایی زباله های بازیافتی مختلف
- نحوه «دیدن» و «طبقه بندی» زباله
- نحوه ساخت جریان های زباله ای جدا
- حفظ خلوص پلاستیک های نرم برای بازیافت آن ها
به گفته یونگویی لی «پلاستیک های نرم، بخش بزرگی از زباله های خاک چاله ها(زباله دان) هستند و مدت زیادی است که چالشی برای اقتصاد چرخه ای و بخش مدیریت زباله به حساب می آیند؛ زیرا هیچ روش مناسب و امنی برای طبقه بندی آنها وجود ندارد. با استفاده از آخرین روش های اینترنت اشیا، ما رباتی ساخته ایم که این مشکل را حل میکند.»
به گفته دکتر وانچون لیو «بین سال 2018 و 2019، استرالیا 2.5 میلیون تن زباله پلاستیکی تولید کرد؛ در این زباله ها پلاستیک نرم هم وجود داشت؛ اما فقط 9 درصد از این زباله ها بازیافت شدند و 84 درصد آنها به خاک چاله ها فرستاده شدند. ما در تلاش هستیم که این درصدها را با توسعه راه حلی، جا به جا کنیم؛ این راه حل باعث بازیافت شدن اغلب پلاستیک های نرم خواهد شد».
محققان با شرکت های مدیریت زباله آیکیورینو (IQRenew) و کربسایکل (CurbCycle)، توسعه دهنده های فناوری لیسلا (Licella)، مایک ریچی و همکاران (Mike Ritchie and Associates)، طراحی بازیابی منبع (Resource Recovery Design) همکاری میکنند تا سامانه را توسعه دهند.
این سامانه در امکانات بازیابی مواد شرکت آیکیورینو، برای بخشی از برنامه بازیابی پلاستیک نرم کربسایکل ادغام خواهد شد؛ ابتکاری استرالیایی که شامل جمع آوری خانگی مواد بازیافتی و تفکیک آنها در کیسه قبل از جا دادن آنها در حاشیه سطل زباله می شود.
به گفته وانلی اویانگ «این پروژه نه تنها از ارسال پلاستیک های نرم خانگی به خاک چاله ها جلوگیری کرد، بلکه چرخه تامین پایداری ایجاد کرد که زباله را از خانه به محل بازیافت انتقال می دهد؛ این امر با ساخت راه حلی برای جمع آوری و طبقه بندی زباله با همکاری شرکای محقق و صنعتی امکان پذیر شد.»
او اضافه کرد: «این روبات کیسه هایی که دارای “برچسب کربی” هستند را شناسایی می کند و منابع پلاستیک را تفکیک میکند؛ یعنی پلاستیک های نرم را از مواد بازیافتی آمیخته شده، جدا میکند».
بعد از جدا شدن از دیگر زباله ها، از پلاستیک های نرم برای اهداف متنوعی استفاده می شود؛ مثل بازیافت پیشرفته به نفت و دیگر مواد شیمیایی با ارزش با استفاده از فناوری راکتور هیدروترمال کاتالیستی (Cat-HTRTM)؛ این روش پیشرفته توسط هولدینگ لیسلا ساخته شده است. این شرکت توسط پروفسور توماس ماسچمیر (Thomas Maschmeyer) از دانشکده علوم، به همراه مدیر عامل لیسلا دکتر لن همفریز (Len Humphreys) ساخته شده است؛ دانشگاه سیدنی 14 سال است که از این شرکت حمایت میکند.
به گفته ماسچمیر «این فرایند نوآورانه مدیریت مواد ممکن است به گسترش دامنه فناوری تبدیل (Cat-HTR) کمک کند و جریان های زباله در حال افزایش را هم شامل شود؛ این فناوری سود همکاری نزدیک دانشگاه و صنعت را روشن میسازد».
محققان پاداش 2\999\220 دلاری از محل کمک هزینه مراکز پروژهش های تحقیقاتی دولت استرالیا دریافت کردند.
پروفسور توماس ماسچمیر از دانشکده شیمی است و در شرکت لیسلا، مشاور ارشد فناوری است.
-اینترنت اشیاء به زبان ساده یعنی ارتباط حسگرها و دستگاهها با شبکه اینترنت که از طریق این ارتباط و تعامل بین لوازم متصل به شبکه و کاربران دارای دسترسی مجاز به این شبکه، امکان مشاهده و کنترل لوازم متصل به شبکه برای کاربران آن فراهم میشود. مرجع:wikipedia
–بینایی کامپیوتر (به انگلیسی: Computer vision) یا بینایی ماشین (به انگلیسی: Machine vision) یکی از شاخههای علوم کامپیوتر است که شامل روشهای مربوط به دستیابی تصاویر، پردازش، آنالیز و درک محتوای آنها است. مرجع:wikipedia
راکتور هیدروترمال (اتوکلاو تفلنی)
راکتور هیدروترمال ، یکی از بهترین و ارزان ترین تجهیزات آزمایشگاهی است که زمانی که در سنتز مواد به بن بست می خوریم از آن استفاده میکنیم. “هیدروترمال” یک فناوری پیشرفته و کاربردی برای گسترهی وسیعی از صنایع شیمیایی است. این فرآیند دارای ریشه زمین شناختی است و شرایط حاکم بر سطوح درونی پوسته زمین را جهت اهداف صنعتی شبیهسازی و کنترل مینماید. فناوری هیدروترمال میتواند در زمینه سنتز، رشد، دگرگونی و تبدیل مواد شیمیایی کاربرد داشته باشد. همچنین بسیاری از فرآیندهای دهیدراسیون، تخریب شیمیایی، استخراج و فرآیندهای سونوشیمیایی، مکانوشیمیایی و الکتروشیمیایی، زینترینگ و غیره میتوانند تحت این فرایند انجام شوند. امروزه بیش از ۹۰ میلیون تن سنگ معدن بوکسیت (حاوی نمکهای آلومنیوم) با بهرهگیری از این فناوری مورد استخراج قرار میگیرد. مرجع:راکتور هیدروترمال