IA y Aprendizaje Automático impulsan la eficiencia y sostenibilidad en el reciclaje de envases plásticos

La integración de la inteligencia artificial (IA) y el aprendizaje automático (AA) están mejorando la sostenibilidad, la eficiencia y la capacidad de respuesta no solo para el diseño y la producción de empaques en la industria de alimentos y bebidas, sino también en el proceso de reciclado.

Uno de los desarrollos en los que se han presentado importantes avances son en los sistemas de clasificación y manejo de residuos plásticos, mejorando la eficiencia y la pureza en el reciclaje de materiales, sobre todo en materiales como el polipropileno (PP).

Además, con la IA y el AA es posible identificar y separar diferentes materiales con alta precisión, lo que mejora la calidad del reciclaje y aumenta la tasa de recuperación de materiales valiosos.

Entre las investigaciones destacan la espectrometría de infrarrojo cercano y tecnologías de aprendizaje profundo. Empresas que han empleado esta tecnología apoyada en la IA han logrado niveles de clasificación de hasta cinco toneladas por hora de residuos plásticos mixtos con una pureza superior al 97% para envases de grado alimenticio. 

Este avance permite que la tecnología se implemente en instalaciones de clasificación de envases de polipropileno (PP), facilitando la producción de flujos de plástico reciclado (PCR) de alta calidad.

Los avances tecnológicos aplicados en la industria de reciclaje de empaques son relevantes si se considera que más de 16 mil sustancias químicas están asociadas a los plásticos, muchas de ellas se han convertido en una fuente de preocupación por su elevado nivel de toxicidad, que puede repercutir en la salud humana y en la naturaleza. 

“Algunas de esas sustancias químicas se pueden lixiviar a lo largo del ciclo de vida completo del plástico y aparecer en el aire, el agua y el suelo. Las mujeres y los infantes son especialmente vulnerables a esas sustancias tóxicas, pudiendo la exposición tener efectos de larga duración en la salud”, señala el Tratado Mundial de los Plásticos. 

Versatilidad para el reciclado 

Las empresas de la industria del embalaje también se han enfocado en el desarrollo de productos de PP monomaterial, que son más fáciles de reciclar a gran escala y pueden utilizarse en diversos ciclos, lo que representa un paso relevante para la economía circular. 

A pesar de los avances, el crecimiento del mercado de monomateriales enfrenta desafíos, que requieren la colaboración estrecha entre las empresas de la cadena de suministro de embalaje y reciclaje. 

Entre estos desafíos se encuentran la movilización de la Autoridad Europea de Seguridad Alimentaria (EFSA) para nuevas regulaciones, la transformación del diseño de envases para facilitar su reciclaje y el aumento en la recolección de envases postconsumo.

Aunque los avances son notables en esta industria, hay cuestiones a resolver como un mayor acceso a materiales reciclados, así como a la fluctuación de precios. 

Según Packaging Europe, la IA implica el uso de algoritmos y modelos avanzados para analizar grandes cantidades de datos, identificar patrones y obtener información significativa. Pueden manejar tareas complejas, resolver problemas y exhibir un nivel de inteligencia que les permite responder de manera efectiva a diversos escenarios.

Mientras que el aprendizaje automático es un subconjunto de la IA que se centra en el desarrollo de algoritmos y modelos estadísticos que permiten a las computadoras aprender de los datos y mejorar su rendimiento. 

Aunque el aprendizaje automático es una parte de la inteligencia artificial, la IA abarca un espectro más amplio que simplemente aprender de los datos. 

La IA tiene la capacidad de pensar, razonar y adaptarse a situaciones nuevas, lo que le permite descubrir soluciones innovadoras que no se habían planteado antes. 

En cambio, el aprendizaje automático se concentra en entrenar modelos con datos para hacer predicciones o ejecutar tareas específicas.

Continúa leyendo: Residuos agrícolas dan vida a envases sostenibles con nueva investigación

Campos de aplicación de la AA

Con la implementación del aprendizaje automático en el reciclaje de plásticos se pueden identificar las huellas dactilares de infrarrojo cercano (NIR) de diversos materiales plásticos, facilitando su clasificación y separación de manera eficiente.

El proceso comienza con la capacitación de un sistema de aprendizaje automático para reconocer los diferentes tipos de plásticos a través de señales NIR. 

Este sistema "aprende" a identificar un plástico basándose en la similitud de su señal NIR con las señales de otros plásticos. 

Por ejemplo, puede distinguir entre el plástico de una botella de refresco y el de un recipiente para llevar, lo que permite su separación adecuada en la línea de reciclaje.

También se ha demostrado que el aprendizaje automático puede conectar las señales de los plásticos con propiedades específicas, como la densidad y el nivel de cristalización del polietileno. 

La metodología se puede aplicar a muestras grandes y pequeñas. A través de una configuración, se pueden obtener datos útiles de las mediciones basadas en luz, lo que podría transformar los pasos de control de calidad en el reciclaje, señalan expertos.

Aunque la investigación está aún en etapas preliminares y no se aplica a todos los tipos de plásticos, hay potencial para su aplicación y exploración. 

Una investigación de National Institute of Standards and Technology, la capacidad de clasificar correctamente plásticos problemáticos, como las poliolefinas, ha alcanzado una precisión del 95% al 98 por ciento. 

Este nivel de precisión se puede implementar en cualquier instalación de reciclaje equipada con tecnología NIR, por lo que es una solución accesible y escalable.

Te recomendamos: Envases sostenibles, una tendencia para el sector packaging