Optische Sorter Koopgids | AISORT
Koopgids
Hoe u een optische sorteerder voor recycling evalueert en selecteert
Het selecteren van een optische sorteerder is een van de beslissingen met de hoogste inzet bij een investering in een recyclingfaciliteit. De juiste machine kan zichzelf binnen 12 tot 18 maanden terugbetalen dankzij verbeterde zuiverheidspremies, hogere doorvoer en minder arbeid. De verkeerde machine – of de juiste machine op de verkeerde positie – wordt een duur knelpunt.
In deze gids worden de belangrijkste technische, operationele en commerciële factoren besproken die u moet evalueren bij het vergelijken van optische sorteersystemen, met praktische criteria die u kunt gebruiken, ongeacht de fabrikant.
Stap 1: Definieer het sorteerdoel
Voordat u de specificaties van de apparatuur vergelijkt, moet u duidelijk maken wat de sorteerder precies moet bereiken:
- Positief sorteren (doelmateriaal terugwinnen): Waardevol materiaal uit een gemengde afvalstroom halen. Voorbeeld: PET-flessen terugwinnen uit gemengd hard plastic. Belangrijke maatstaf: terugwinningspercentage (% van het doelmateriaal dat correct in de acceptatiefractie is uitgeworpen).
- Negatieve sortering (verwijder verontreinigingen): werp specifieke verontreinigingen uit een voornamelijk schone stroom. Voorbeeld: PVC-vlokken verwijderen uit rPET-vlokken. Belangrijke maatstaf: efficiëntie van de verwijdering van verontreinigende stoffen (ppm van de verontreinigende stoffen die in de acceptatie achterblijven).
- Kwaliteitsupgrade (beide): Herwin tegelijkertijd doelmateriaal terwijl verontreinigingen worden uitgeworpen. Vereist een balans tussen herstel en zuiverheid: twee statistieken die met elkaar in tegenspraak zijn.
Het sorteerdoel bepaalt alles stroomafwaarts: sensorselectie, klepspoed, gootbreedte en of u een configuratie met één of meerdere doorgangen nodig heeft.
Stap 2: Begrijp uw grondstof
De meest voorkomende reden waarom sorteerders ondermaats presteren, is dat de koper zijn grondstoffen niet volledig heeft gekarakteriseerd voordat hij de apparatuur specificeerde. Verzamel gegevens over:
| Feedstockparameter | Waarom het belangrijk is | Hoe te meten | |
|---|---|---|---|
| Verdeling van de deeltjesgrootte (min, max, D50, D90) | Bepaalt de gootbreedte, klepafstand en vereisten voor sensorresolutie. Deeltjes kleiner dan de klepsteek worden onnauwkeurig uitgeworpen. | Zeefanalyse (droog of nat, afhankelijk van het materiaal) | |
| Materiaalsamenstelling (% van elk doel en type verontreiniging) | De basislijnsamenstelling bepaalt hoeveel sorteerfasen nodig zijn om de zuiverheidsdoelen te bereiken. | Handmatige sorteeraudit van een representatief monster van 50-100 kg | |
| Vochtgehalte | Nat materiaal klontert, blijft aan de gootoppervlakken plakken en kan valse sensormetingen veroorzaken (vooral voor NIR). | Vochtbalans; doel <5% voor droog sorteren, >95% voor nat/was sorteren | |
| Bulkdichtheid | Beïnvloedt de berekening van de doorvoer: een sorteerder met een capaciteit van 5 ton PET-vlokken per uur verwerkt een heel ander volume film of schuim. | Weeg een container met grondstof met een bekend volume | |
| Aanwezigheid van fijne deeltjes (<2 mm fractie) | Fijne deeltjes bedekken sensoren, verstoppen kleppen en creëren stof dat de optische detectie verstoort. | Zeefanalyse; overweeg pre-screening als boetes >5% | |
| Oppervlakteconditie (schoon, gecoat, nat, geoxideerd) | NIR- en RGB-sensoren zijn afhankelijk van oppervlaktereflectie. Coatings, labels, vuil en oxidatie kunnen de spectrale signatuur voldoende veranderen om verkeerde classificatie te veroorzaken. | Visuele inspectie + proefsortering op laboratoriumschaal |
| Sensortype | Beste toepassingen | Niet geschikt voor | Geschatte kosten |
|---|---|---|---|
| RGB-camera (zichtbaar) | Kleurgebaseerde sortering van harde kunststoffen, glasscherven, elektronisch afval, bouwafval | Materiaal van dezelfde kleur maar met een andere samenstelling (bijvoorbeeld helder PET versus helder PVC) | $ — basislijn |
| NIR (Near-Infrared) | Polymeeridentificatie (PET/HDPE/PP/PVC/PS), papier-/kartonsortering, identificatie van textielvezels | Zwarte of zeer donkere materialen (absorberen NIR); metalen; natte materialen met oppervlaktewaterfilm | $$ |
| Hyperspectraal / SWIR | Onderscheiding van donker plastic, zuivering van voedselkwaliteit, onderscheid van vergelijkbare polymeren (bijvoorbeeld HDPE versus LDPE) | Stromen die alleen uit metaal bestaan; toepassingen waarbij RGB+NIR voldoende is | $$$ |
| Röntgentransmissie (XRT) | Zware metaalscheiding, verwijderen van aluminium uit zware fractie, sorteren van mineralen/ertsen | Lichte materialen (kunststoffen, papier); organische materialen | $$$ |
| Eddy Current / Inductie | Metaaldetectie in vlokken- en granulaatstromen; scheiding van koper en aluminium | Niet-metalen materialen; zeer fijne deeltjes (<2 mm) | $ — meestal gecombineerd met optisch |
| 3D / Lasertriangulatie | Vormgebaseerd sorteren (bijv. draad versus granulaat, 3D versus 2D-objecten); diktemeting | Fijne poeders; materialen die geen vormdiscriminatie nodig hebben | $$ |
| AI / Deep Learning Camera | Complexe objecten met variabel uiterlijk; merkspecifieke verpakkingsidentificatie; materiaal-in-contextherkenning | Eenvoudige sorteertaken op kleur; toepassingen waarbij trainingsgegevens niet beschikbaar zijn | $$ — software premium boven camerahardware |
| Kostencategorie | % van de TCO over een periode van vijf jaar | Wat u de leverancier moet vragen |
|---|---|---|
| Kapitaaluitrusting | 40-50% | Wat is inbegrepen? Chute, sensoren, uitwerpsysteem, schakelkast, montageframe, installatietoezicht? |