Proyecto Europeo RUBSEE: Monitorización de flujos de residuos basada en Inteligencia Artificial

La sociedad actual no es capaz de recuperar todos los materiales valiosos presentes en los residuos que genera. La mayoría de las veces, la razón es económica: las tecnologías y maquinarias actuales no permiten un aumento en la recuperación de material de residuos de manera rentable. El coste incremental de recuperar más material es superior que el valor de mercado de éste. El retorno de las inversiones necesarias es demasiado largo. En muchas ocasiones, producir nuevos materiales es más barato que reciclarlos desde los residuos.

Por supuesto estas ecuaciones pueden ser alteradas a través de tasas o restricciones al no-reciclaje, pero es claramente mejor actuar reduciendo el coste de reciclar.

Esto es lo que la start-up española Sadako Technologies ha tenido siempre en mente. Desde su fundación en 2012, el equipo de Sadako trabaja para contribuir con avances tecnológicos a la reducción del coste de clasificación y gestión de residuos urbanos. Sadako quiere ampliar los límites de lo que es posible reciclar de una manera sostenible y rentable.

Uno de los últimos resultados de este trabajo, en asociación tecnológica con la compañía  estadounidense Bulk Handling Systems (BHS), es el lanzamiento de Max-AITM Autonomous Quality Control, robot clasificador de residuos para tareas de control de calidad dotado de Inteligencia Artificial. La primera unidad de Max-AI está en funcionamiento desde abril de 2017 en una Planta de Tratamiento de Residuos Urbanos en Sun Valley (California), y varios operadores del sector ya están adoptando esta innovadora solución de BHS. Las capacidades de detección de Max-AI provienen de la tecnología de Inteligencia Artificial de Sadako.

Basado en todo el trabajo realizado para desarrollar Max-AI y otros equipos capaces de "ver" los residuos de manera inteligente, y más allá de la aplicación de clasificación, Sadako se encuentra inmerso en el desarrollo de RUBSEE, un disruptivo sistema de monitorización de flujos en tiempo real. El sistema permitirá optimizar el funcionamiento de las plantas de tratamiento de residuos y, en última instancia, aumentar la recuperación de los diferentes materiales.

Para este desarrollo Sadako cuenta con el apoyo financiero de la Unión Europea a través del Proyecto RUBSEE, financiado por el Instrumento PYME del Programa de Investigación e Innovación Horizonte 2020.

RUBSEE: Sistema de monitorización de flujos

En la industria tradicional, las materias primas son inputs totalmente controlados, y todos los materiales se someten a seguimiento completo en su proceso hasta convertirse en productos finales.

Por el contrario, el input de una planta de tratamiento de residuos urbanos es altamente variable e incontrolado, y hoy en día las plantas se ven obligadas a trabajar sin información automática en tiempo real del mix de materiales que están recibiendo, procesando u obteniendo a lo largo de su operativa.

Aunque hay mucho valor potencial en la generación de esta información, los sensores convencionales NIR u otras tecnologías disponibles son demasiado caras.

Para hacer frente a esta necesidad y oportunidad no satisfechas, Sadako está desarrollando RUBSEE, un sistema de monitorización de flujos en tiempo real que utiliza Inteligencia Artificial y Visión por computador avanzada para:

• determinar en cada momento la composición de los residuos presentes en un determinado número de puntos de la planta
• agregar y presentar la información de manera que pueda ser fácilmente analizada y activada, y
• generar alertas automáticas que puedan ayudar a los gerentes y al equipo técnico a detectar y resolver eventos indeseables
Con la información creada por RUBSEE:

• Los operadores podrán ajustar los parámetros de su equipo actual en tiempo real y en algunos casos incluso readaptar el diseño de planta
• De la misma manera, podrán detectar inmediatamente fallos técnicos, atascos de material o disminución de rendimiento de los equipos de planta, para poder así actuar de inmediato
• La información histórica y el análisis comparativo servirán para un mejor conocimiento del funcionamiento de la planta según los diversos escenarios de flujo, y permitirán a futuro tomar decisiones basadas en datos

El sistema RUBSEE identificará los materiales que se están moviendo a lo largo de la planta, superando la naturaleza imprevisible de los flujos de desechos y proporcionando el mismo tipo de información activable que las empresas manufactureras o energéticas ya emplean desde hace años.

El proyecto incluye avances críticos en Inteligencia Artificial, el desarrollo del software de integración de datos, y el testeo del sistema en entorno de operación real, para lo cual Sadako cuenta con la colaboración de Ferrovial Servicios, en particular de su Centro de Competencia de Medio Ambiente. En línea con la apuesta de Ferrovial Servicios por el desarrollo de la Economía Circular y de su compromiso con la innovación y el medioambiente, plantas operadas por la compañía acogerán los sistemas piloto del proyecto.

Tecnología de Inteligencia Artificial

La tecnología de detección de RUBSEE se basa en la técnica de redes neuronales multicapa, conocida como Deep Learning, una parte del novedoso campo de la Inteligencia Artificial. Debido a la heterogeneidad y complejidad del flujo de residuos, la programación de software tradicional o las técnicas convencionales de visión por computador no son suficientes. No es posible programar un ordenador para reconocer todos los posibles objetos presentes en el flujo de residuos.

Sadako utiliza una estrategia diferente: desarrollar algoritmos que permitan a las computadoras aprender lo que necesitan saber. Las máquinas aprenden a resolver sus propios problemas (a partir de cientos de miles de ejemplos y del uso de feedback estructurado) en lugar de ser explícitamente programadas para un resultado particular. Es un proceso similar al experimentado por un ser humano en sus primeros años de aprendizaje.

El proyecto “RUBSEE, Extending artificial intelligence revolution in the waste field beyond sorting” ha sido financiado por la Unión Europea a través de los Fondos de investigación e Innovación Horizon 2020, Grant Agreement número 756841.

Puede descargar aquí el artículo completo.