Optik Ayırıcı Satın Alma Rehberi | AISORT
Alıcı Rehberi
Geri Dönüşüm İçin Optik Ayırıcı Nasıl Değerlendirilir ve Seçilir
Bir optik ayırıcı seçmek, bir geri dönüşüm tesisi yatırımındaki en yüksek riskli kararlardan biridir. Doğru makine, iyileştirilmiş saflık primleri, daha yüksek verim ve azaltılmış iş gücü sayesinde kendini 12-18 ay içinde amorti edebilir. Yanlış makine – veya doğru makinenin yanlış konumlandırılması – pahalı bir darboğaz haline gelir.
Bu kılavuz, optik ayırma sistemlerini karşılaştırırken değerlendirilmesi gereken temel teknik, operasyonel ve ticari faktörleri, üreticiden bağımsız olarak kullanabileceğiniz pratik kriterlerle birlikte ele almaktadır.
Adım 1: Ayırma Hedefini Tanımlayın
Ekipman özelliklerini karşılaştırmadan önce, ayırıcının tam olarak neyi başarması gerektiğini netleştirin:
- Pozitif ayırma (hedef malzemeyi geri kazanma): Karışık bir atık akışından değerli malzemeyi çıkarma. Örnek: Karışık sert plastikten PET şişelerin geri kazanılması. Temel metrik: geri kazanma oranı (hedef malzemenin kabul edilen fraksiyona doğru şekilde fırlatılma yüzdesi).
- Negatif ayırma (kirleticileri uzaklaştırma): Esasen temiz bir akıştan belirli kirleticileri atma. Örnek: rPET pulundan PVC pullarının çıkarılması. Temel metrik: kirletici giderme verimliliği (kabul edilen içinde kalan ppm cinsinden kirletici).
- Kalite iyileştirme (her ikisi): Kirleticileri atarken aynı anda hedef malzemeyi geri kazanma. Geri kazanma ve saflık arasında denge kurmayı gerektirir – bu iki metrik birbiriyle ödünleşir.
Ayırma hedefi, aşağıdaki her şeyi belirler: sensör seçimi, valf aralığı, kanal genişliği ve tek geçişli veya çok geçişli konfigürasyon ihtiyacı.
Adım 2: Besleme Malzemenizi Anlayın
Ayırıcıların yetersiz performans göstermesinin en yaygın nedeni, alıcının ekipmanı belirlemeden önce besleme malzemesini tam olarak karakterize etmemesidir. Aşağıdakiler hakkında veri toplayın:
| Besleme Parametresi | Neden Önemlidir | Nasıl Ölçülür |
|---|---|---|
| Parçacık boyut dağılımı (min, maks, D50, D90) | Kanal genişliği, valf aralığı ve sensör çözünürlük gereksinimlerini belirler. Valf aralığından daha küçük parçacıklar hassas bir şekilde fırlatılamaz. | Elek analizi (malzemeye bağlı olarak kuru veya ıslak) |
| Malzeme bileşimi (her bir hedef ve kirletici türünün yüzdesi) | Temel bileşim, saflık hedeflerine ulaşmak için kaç ayırma aşaması gerektiğini belirler. | 50-100 kg temsili numunenin elle ayırma denetimi |
| Nem içeriği | Islak malzeme topaklanır, kanal yüzeylerine yapışır ve (özellikle NIR için) yanlış sensör okumalarına neden olabilir. | Nem dengesi; kuru ayırma için <%5, ıslak/yıkama ayırma için >%95 hedef |
| Yığın yoğunluğu | Verim hesaplamasını etkiler – 5 t/s PET pul için derecelendirilmiş bir ayırıcı, film veya köpükten çok farklı bir hacim işler. | Bilinen hacimdeki bir besleme kabını tartın |
| İnce malzeme varlığı (<2mm fraksiyon) | İnce malzeme sensörleri kaplar, valfleri tıkar ve optik algılamayı engelleyen toz oluşturur. | Elek analizi; ince malzeme >%5 ise ön eleme düşünün |
| Yüzey durumu (temiz, kaplamalı, ıslak, oksitlenmiş) | NIR ve RGB sensörleri yüzey yansımasına güvenir. Kaplamalar, etiketler, kir ve oksidasyon, spektral imzayı yanlış sınıflandırmaya neden olacak kadar değiştirebilir. | Görsel inceleme + laboratuvar ölçekli bir ünite üzerinde deneme ayırması |
Adım 3: Sensör Teknolojisini Malzemenizle Eşleştirin
| Sensör Türü | En İyi Uygulamalar | Uygun Olmadığı Durumlar | Yaklaşık Maliyet |
|---|---|---|---|
| RGB Kamera (Görünür) | Sert plastiklerin, cam kırıklarının, e-atıkların, inşaat atıklarının renge dayalı olarak ayrılması | Farklı bileşimde ancak aynı renkteki malzeme (ör. şeffaf PET ve şeffaf PVC) | $ — temel seviye |
| NIR (Yakın Kızılötesi) | Polimer tanımlama (PET/HDPE/PP/PVC/PS), kağıt/karton ayırma, tekstil lif tanımlama | Siyah veya çok koyu malzemeler (NIR'i emer); metaller; yüzey su filmi olan ıslak malzemeler | $$ |
| Hiperspektral / SWIR | Koyu plastik ayırma, gıda sınıfı saflaştırma, benzer polimerleri ayırt etme (ör. HDPE vs LDPE) | Sadece metal akışları; RGB+NIR'in yeterli olduğu uygulamalar | $$$ |
| X-Işını Geçirgenliği (XRT) | Ağır metal ayırma, ağır fraksiyondan alüminyum çıkarma, mineral/cevher ayırma | Hafif malzemeler (plastikler, kağıt); organik malzemeler | $$$ |
| Eddy Akımı / İndüksiyon | Pul ve granül akışlarında metal tespiti; bakır ve alüminyum ayırma | Metalik olmayan malzemeler; çok ince parçacıklar (<2mm) | $ — genellikle optikle birleştirilir |
| 3B / Lazer Üçgenleme | Şekle dayalı ayırma (ör. tel vs granül, 3B vs 2B nesneler); kalınlık ölçümü | İnce tozlar; şekil ayrımı gerektirmeyen malzemeler | $$ |
| Yapay Zeka / Derin Öğrenme Kamerası | Değişken görünüme sahip karmaşık nesneler; markaya özel ambalaj tanımlama; bağlam içinde malzeme tanıma | Basit sadece renge dayalı ayırma görevleri; eğitim verisinin bulunmadığı uygulamalar | $$ — kamera donanımı üzerine yazılım primi |
Adım 4: Verim ve Saflık Arasındaki Ödünleşimleri Değerlendirin
Herhangi bir ayırıcı için daha yüksek verim, her bir parçacığın algılama bölgesinde daha az zaman geçirmesi ve fırlatma sisteminin tepki vermek için daha az süreye sahip olması nedeniyle saflığı azaltır. İlişki yaklaşık olarak şöyledir:
- Nominal kapasitenin %80'i: Optimum saflık ve geri kazanma; fırlatma sisteminin rahat tepki süresi vardır.
- Nominal kapasitenin %100'ü: