Author:
Aberger Julian,Khodier Karim,Sarc Renato
Abstract
ZusammenfassungDie Abfallwirtschaft wandelt sich zu einer produzierenden Industrie in der Kreislaufwirtschaft. Trotz Fortschritten und Optimierungen bei der automatischen sensor-basierten Sortierung bleibt die Handsortierung von Abfällen relevant. Das Projekt recAIcle hat es sich zum Ziel gesetzt, die Digitalisierung der Handsortierung in der Abfallwirtschaft mithilfe von künstlicher Intelligenz (KI), Machine Learning (ML) und Human-Machine Interaction (HMI) voranzutreiben. KI und ML haben mehrfach gezeigt, wie sie ganze Industrien und Branchen revolutionieren können. Das Projekt RecAIcle fokussiert sich auf die Kunststoff- und Batterieerkennung und -sortierung. Die Produktivität und Qualität der Handsortierung sollen dadurch gesteigert werden. Hierfür wird ein digitales Assistenzsystem, das die Sortiermitarbeiter:innen bei der Sortierentscheidung unterstützt, entwickelt. Aufgrund der speziellen Anforderungen an ein solches System wurde das Framework Design entsprechend angepasst. Für die Entwicklung dieses Systems werden fortschrittliche, lebenslang lernende ML-Modelle benötigt, welche wiederum große Mengen an hochqualitativen Trainingsdaten und Rechenleistung benötigen. Um genügend use-case-spezifische Trainingsdaten bereitstellen zu können, wurden Versuche unter kontrollierten Bedingungen im Technikumsmaßstab zur Trainingsdatenakquise durchgeführt. Die Ergebnisse des Systemdesignprozesses und der ersten Trainingsdatenakquise werden in dieser Veröffentlichung präsentiert. Ebenso wird ein Ausblick auf künftige Entwicklungen und weitere geplante Versuche gegeben.
Publisher
Springer Science and Business Media LLC
Subject
Fluid Flow and Transfer Processes,General Energy,Water Science and Technology
Reference21 articles.
1. Celebi, M. E., & Aydin, K. (2016): Unsupervised Learning Algorithms. Springer International Publishing. https://doi.org/10.1007/978-3-319-24211-8
2. Chen, C.-C., & Pao, H.-T. (2022): The causal link between circular economy and economic growth in EU-25. Environmental Science and Pollution Research International, 29(50), 76352–76364. https://doi.org/10.1007/s11356-022-21010-6
3. Dornmayr, H., & Riepl M. (2022): Unternehmensbefragung zum Fachkräftebedarf/-mangel Fachkräfteradar 2022: ibw-Forschungsbericht Nr. 210. https://www.wko.at/service/unternehmensfuehrung-finanzierung-foerderungen/fachkraefteradar2022-unternehmensbefragung.pdf
4. Eriksen, E., Afanou, A. K., Madsen, A. M., Straumfors, A., & Graff, P. (2023): An assessment of occupational exposure to bioaerosols in automated versus manual waste sorting plants. Environmental Research, 218, 115040. https://doi.org/10.1016/j.envres.2022.115040
5. European Commission (2019): The European Green Deal: Communication from the Commission to the European Parliament, the European Council, the Council, the European Economic and Social Committee and the Committee of the Regions. https://eur-lex.europa.eu/resource.html?uri=cellar:b828d165-1c22-11ea-8c1f-01aa75ed71a1.0002.02/DOC_1&format=PDF (COM(2019) 640 final)