Acquisto di selezionatore ottico | AISORT
Guida all'acquisto
Come valutare e selezionare un separatore ottico per il riciclaggio
La scelta di un separatore ottico è una delle decisioni più critiche negli investimenti di un impianto di riciclaggio. La macchina giusta può ammortizzarsi in 12-18 mesi grazie a premi di purezza migliorati, maggiore produttività e riduzione della manodopera. La macchina sbagliata – o la macchina giusta nella posizione sbagliata – diventa un costoso collo di bottiglia.
Questa guida illustra i fattori tecnici, operativi e commerciali chiave da valutare quando si confrontano sistemi di selezione ottica, con criteri pratici utilizzabili indipendentemente dal produttore.
Passo 1: Definire l'obiettivo della selezione
Prima di confrontare le specifiche delle apparecchiature, chiarire esattamente cosa deve realizzare il separatore:
- Selezione positiva (recuperare materiale target): Estrarre materiale di valore da un flusso di rifiuti misti. Esempio: recupero bottiglie in PET da plastica rigida mista. Metrica chiave: tasso di recupero (% di materiale target espulso correttamente nella frazione accettata).
- Selezione negativa (rimuovere contaminanti): Espellere contaminanti specifici da un flusso principalmente pulito. Esempio: rimozione di scaglie di PVC da scaglie di rPET. Metrica chiave: efficienza di rimozione dei contaminanti (ppm di contaminanti rimasti nell'accettato).
- Miglioramento della qualità (entrambi): Recuperare simultaneamente materiale target mentre si espellono contaminanti. Richiede il bilanciamento tra recupero e purezza – due metriche in conflitto tra loro.
L'obiettivo della selezione determina tutto ciò che segue: scelta del sensore, passo delle valvole, larghezza del canale e se è necessaria una configurazione a passaggio singolo o multiplo.
Passo 2: Comprendere il vostro materiale in entrata
Il motivo più comune per cui i separatori non raggiungono le prestazioni è che l'acquirente non ha caratterizzato completamente il proprio materiale in entrata prima di specificare l'apparecchiatura. Raccogliere dati su:
| Parametro del materiale in entrata | Perché è importante | Come misurarlo |
|---|---|---|
| Distribuzione granulometrica (min, max, D50, D90) | Determina la larghezza del canale, la spaziatura delle valvole e i requisiti di risoluzione del sensore. Le particelle più piccole del passo delle valvole vengono espulse in modo impreciso. | Analisi granulometrica (a secco o a umido a seconda del materiale) |
| Composizione del materiale (% di ogni tipo di target e contaminante) | La composizione di base determina quanti stadi di selezione sono necessari per raggiungere gli obiettivi di purezza. | Controllo manuale di un campione rappresentativo di 50-100 kg |
| Contenuto di umidità | Il materiale bagnato si agglomera, aderisce alle superfici del canale e può causare letture errate del sensore (specialmente per NIR). | Bilancia di umidità; target <5% per selezione a secco, >95% per selezione a umido/lavaggio |
| Densità apparente | Influisce sul calcolo della produttività – un separatore tarato per 5 t/h di scaglie di PET gestisce un volume molto diverso di film o schiuma. | Pesare un contenitore di volume noto di materiale in entrata |
| Presenza di fini (frazione <2mm) | I fini rivestono i sensori, intasano le valvole e creano polvere che interferisce con la rilevazione ottica. | Analisi granulometrica; considerare la preselezione se i fini >5% |
| Condizione della superficie (pulita, rivestita, bagnata, ossidata) | I sensori NIR e RGB si basano sulla riflettanza superficiale. Rivestimenti, etichette, sporco e ossidazione possono alterare la firma spettrale al punto da causare errori di classificazione. | Ispezione visiva + selezione di prova su unità di laboratorio |
Passo 3: Abbinare la tecnologia dei sensori al vostro materiale
| Tipo di sensore | Applicazioni migliori | Non adatto per | Costo approssimativo |
|---|---|---|---|
| Telecamera RGB (Visibile) | Selezione basata sul colore di plastiche rigide, rottame di vetro, rifiuti elettronici, detriti di costruzione | Materiale dello stesso colore ma composizione diversa (es. PET trasparente vs PVC trasparente) | $ — base |
| NIR (Vicino infrarosso) | Identificazione dei polimeri (PET/HDPE/PP/PVC/PS), selezione carta/cartone, identificazione fibre tessili | Materiali neri o molto scuri (assorbono NIR); metalli; materiali bagnati con pellicola d'acqua superficiale | $$ |
| Iperspettrale / SWIR | Discriminazione di plastiche scure, purificazione per uso alimentare, distinzione di polimeri simili (es. HDPE vs LDPE) | Flussi solo metallici; applicazioni in cui RGB+NIR è sufficiente | $$$ |
| Raggi X per trasmissione (XRT) | Separazione di metalli pesanti, rimozione di alluminio da frazione pesante, selezione minerale/minerario | Materiali leggeri (plastiche, carta); materiali organici | $$$ |
| Correnti parassite / Induzione | Rilevamento metalli in flussi di scaglie e granulati; separazione rame vs alluminio | Materiali non metallici; particelle molto fini (<2mm) | $ — solitamente combinato con ottico |
| 3D / Triangolazione laser | Selezione basata sulla forma (es. filo vs granulato, oggetti 3D vs 2D); misurazione dello spessore | Polveri fini; materiali che non necessitano di discriminazione della forma | $$ |
| Telecamera AI / Deep Learning | Oggetti complessi con aspetto variabile; identificazione di imballaggi specifici per marca; riconoscimento di materiale nel contesto | Semplici compiti di selezione solo colore; applicazioni in cui i dati di addestramento non sono disponibili | $$ — premio software rispetto all'hardware della telecamera |
Passo 4: Valutare i compromessi tra produttività e purezza
Per qualsiasi separatore, una maggiore produttività riduce la purezza perché ogni particella trascorre meno tempo nella zona di rilevamento e il sistema di espulsione ha meno tempo per rispondere. La relazione è approssimativamente:
- 80% della capacità nominale: Purezza e recupero ottimali; il sistema di espulsione ha un tempo di risposta confortevole.
- 100% della capacità nominale: