Rayos X, LIBS Dinámico e IA: tecnologías clave para optimizar el reciclaje de aluminio

La innovación tecnológica está transformando el reciclaje de aluminio. Así quedó patente en el último webcast organizado por TOMRA Recycling, en colaboración con Novelis, donde se analizaron los desafíos del sector y se presentaron las últimas soluciones de clasificación basada en rayos X de transmisión (XRT), LIBS Dinámico e inteligencia artificial con algoritmos de "deep learning".

Nuevas oportunidades en la recuperación de aluminio

Durante la sesión, expertos de ambas compañías destacaron cómo estas herramientas permiten alcanzar niveles de pureza sin precedentes en las fracciones de aluminio recuperadas, generando nuevas calidades de chatarra adaptadas a las exigencias de producción. Se remarcó que, en un mercado cada vez más exigente, la calidad del material reciclado se ha convertido en un factor estratégico para el desarrollo de producto y la rentabilidad de las plantas.

Uno de los mensajes clave fue la necesidad urgente de maximizar tanto la utilización como la capacidad de entrada de chatarra en los procesos industriales, no solo para responder a la creciente demanda, sino también para reducir las emisiones y avanzar hacia modelos de economía circular.

Casos prácticos y tecnologías aplicadas

El webcast ofreció ejemplos reales basados en pruebas realizadas en el Centro de Pruebas de TOMRA y en condiciones operativas. Una de las conclusiones más relevantes fue la efectividad de aplicar secuencias de clasificación combinadas (XRT + Deep Learning + LIBS Dinámico) para procesar fracciones como Twitch, una mezcla compleja de metales ligeros procedentes de la fragmentación de residuos.

Gracias a este flujo, fue posible recuperar hasta un 40% de aluminio forjado de alta calidad (series 5xxx y 6xxx) a partir de Twitch 100%, además de abrir la puerta a la valorización de aleaciones más complejas como las series 2xxx, 3xxx, 7xxx y 8xxx.

Visión compartida para un reciclaje más eficiente

Wilhelm Kiefer, responsable de optimización de metales en Novelis, compartió la experiencia de la compañía en la mejora del contenido reciclado y cómo su visión “3x30” busca posicionar el aluminio como material clave en la transición hacia un modelo circular.

Por su parte, Frank van de Winkel, Business Development Manager Metal en TOMRA Recycling, destacó: “Hemos podido demostrar que el cambio de paradigma hacia un reciclaje de chatarra más eficiente y sostenible es posible si se aplican las tecnologías adecuadas. La combinación de rayos X, LIBS y deep learning nos permite abordar los desafíos actuales y preparar al sector para el futuro”.

Opiniones en tiempo real y participación del sector

Durante la sesión, se realizaron encuestas en directo a los asistentes. Las respuestas reflejaron que el principal obstáculo para aumentar el contenido reciclado es la pureza del material, y que Twitch es la fracción más difícil de clasificar. Además, los participantes señalaron que el principal objetivo al invertir en nuevas tecnologías es mejorar el rendimiento y la pureza del producto final.

La jornada concluyó con una llamada a aplicar estrategias de clasificación optimizadas, diseñadas desde la fase de diseño de producto, que permitan una mayor reciclabilidad, impulsando así un modelo productivo más circular, eficiente y alineado con los objetivos climáticos.