Menjadikan Daur Ulang Lebih Hemat Biaya dengan AI: Wawasan dari NIST Research

Daur ulang dapat menimbulkan biaya yang besar bagi pemerintah daerah, namun AI dapat membantu mengurangi biaya tersebut dan berpotensi meningkatkan tingkat daur ulang. Para peneliti di NIST berupaya membuat daur ulang menjadi lebih efisien dan lebih murah.

Pernah bertanya-tanya apa yang terjadi pada plastik Anda setelah Anda membuangnya ke “tempat sampah”?

Pertanyaan ini sering muncul di berita akhir-akhir ini.

Jawabannya cukup rumit. Tergantung di mana Anda tinggal dan jenis plastik apa yang Anda buang.

Mengumpulkan barang-barang daur ulang merupakan biaya yang sangat besar bagi pemerintah daerah. Mereka perlu memelihara fasilitas untuk memproses plastik, serta truk dan tempat sampah untuk mengumpulkannya. Mereka juga perlu mempekerjakan orang untuk melakukan pekerjaan itu. Akan jauh lebih murah jika membuang semuanya ke tempat pembuangan sampah.

Namun, ketika pemerintah daerah melakukan daur ulang, mereka dapat mengubah sampah menjadi uang tunai jika mereka memiliki infrastruktur yang tepat. Mereka dapat mengimbangi sejumlah biaya dengan menjual kembali plastik yang dikumpulkan ke produsen. Sebagian besar produsen menginginkan plastik daur ulang hampir sama bagusnya dengan yang baru, sehingga memerlukan penyortiran yang cermat untuk menghasilkan produk yang konsisten.

Bagi kebanyakan orang, semua plastik terlihat sama. Namun jika diperhatikan dengan seksama, ada tujuh jenis plastik yang umum. Anda dapat mengidentifikasinya dengan simbol daur ulang kecil di bagian bawah hampir semua wadah plastik. Angka-angka ini membantu mengidentifikasi susunan kimiawi plastik tersebut. Anda mungkin memperhatikannya saat memilah daur ulang Anda sendiri.

Berikut rincian beberapa bahan tersebut:

Bahan	Kegunaan Umum	Kode Daur Ulang
Polietilen Tereftalat	Botol soda, botol air	1 – PETE
Polietilen Kepadatan Tinggi	Kendi susu, botol deterjen	2 – HDPE
Polivinil Klorida	Pipa, tirai kamar mandi	3 – PVC
Polietilen Kepadatan Rendah	Tas belanjaan, tas sandwich	4 – LDPE
Polipropilena	Wadah bawa pulang, cangkir yogurt	5 – hal
Polistiren	Cangkir kopi sekali pakai	6 – hal
Lainnya	Kacamata pengaman, DVD, banyak botol air yang dapat digunakan kembali	7 – Lainnya

Memilah plastik ini sangatlah penting. Berbagai jenis plastik dengan karakteristik serupa seringkali tidak dapat dicampur karena memerlukan proses peleburan yang berbeda.

Ambil PVC misalnya. Ini digunakan dalam segala hal mulai dari pipa hingga tirai kamar mandi. PVC yang meleleh menghasilkan asam kuat yang berguna dalam banyak aplikasi industri. Namun, seperti banyak asam lainnya, ini bukanlah sesuatu yang ingin Anda buat secara tidak terduga.

Poliolefin, sekelompok plastik termasuk HDPE (digunakan dalam wadah susu), LDPE (digunakan dalam kantong plastik), dan PP (digunakan dalam wadah bawa pulang), merupakan contoh yang lebih ringan. Plastik ini dibuat tentang 40% produksi plastik dunia. Mereka juga termasuk yang paling sulit untuk disortir.

Jenis plastik yang digunakan dalam wadah susu memerlukan suhu tinggi untuk meleleh dan diproses ulang karena struktur kristalnya. Namun, jika kontaminan kantong plastik tercampur, kantong tersebut akan rusak pada suhu tinggi. Jadi, jika kantong plastik tercampur dengan wadah susu, hal ini dapat menyebabkan wadah susu berubah warna dan tidak dapat digunakan lagi. Risiko pemrosesan ini adalah salah satu alasan mengapa Anda tidak melihat banyak wadah susu yang terbuat dari plastik daur ulang.

Selain itu, jika beberapa bahan yang stabil pada suhu tinggi dari wadah makanan dibawa pulang berakhir di jalur pemrosesan kantong plastik, Anda dapat melihat mesin tersumbat.

Para pekerja di Pusat Daur Ulang Montgomery County memilah bahan untuk didaur ulang.

Secara teori, Anda dapat dengan mudah memilah sampah plastik menggunakan simbol daur ulang kecil. Kemudian, Anda dapat menjual plastik yang telah disortir tersebut ke pendaur ulang sekunder, yang akan mengubahnya menjadi produk.

Harganya tergantung pada asumsi kemurnian plastik. Seikat besar botol deterjen berwarna oranye mungkin dijual dengan harga tinggi karena mudah untuk dipilih. Namun, tumpukan wadah makanan dapat dengan mudah tercampur dengan berbagai warna atau bahan tambahan.

Di fasilitas daur ulang lokal di Montgomery County, Maryland, orang-orang secara manual menyortir botol deterjen, wadah makanan, dan lainnya. Namun, tangan dan mata hanya bisa bergerak begitu cepat, dan sangat mudah untuk membuat kesalahan pada kecepatan tersebut. Jadi, fasilitas daur ulang fokus pada pemilahan plastik bernilai tinggi atau mudah diidentifikasi untuk menjaga konsistensi saat dijual ke pendaur ulang sekunder. Ini berarti botol deterjen dan wadah minuman didaur ulang dengan kecepatan tinggi. “Peralatan makan” plastik dan mainan anak-anak lama Anda mungkin tidak.

Untuk membantu penyortiran, pekerjaan kami di NIST berfokus pada penggunaan cahaya Inframerah Dekat (NIR), sebuah teknologi yang dapat dengan cepat mengidentifikasi berbagai jenis plastik. Beberapa fasilitas daur ulang terkemuka sudah menggunakan lampu atau kamera untuk “melihat” dan menyortir botol soda dari pipa PVC.

Namun sistem ini tidak dapat menyelesaikan semuanya. Penelitian saya berfokus pada penciptaan metode untuk membantu memilah plastik yang paling menantang sehingga pendaur ulang dapat memperoleh keuntungan.

Bagaimana Kami Membuat Daur Ulang Lebih Efisien

Dengan pemikiran ini, tim kami melihat metode NIR ini dan memutuskan untuk memperbaikinya dengan algoritma pembelajaran mesin dan teknik ilmiah lainnya.

Dalam spektroskopi inframerah, Anda menyinari panjang gelombang cahaya yang berbeda pada beberapa molekul. Molekul-molekul ini menyerap sebagian energi cahaya pada panjang gelombang tertentu dan memantulkan atau meneruskan sisanya.

Salah satu cara untuk memikirkan hal ini adalah dengan bunga dan warna. Misalnya, ketika banyak panjang gelombang cahaya matahari menyinari bunga mawar merah, maka mawar tersebut sangat baik dalam menyerap setiap panjang gelombang/warna kecuali merah. Cahaya merah terpantul dari kelopaknya, itulah sebabnya mawar tampak merah bagi kita.

Jika kita mengetahui warna dan intensitas cahaya yang kita pancarkan pada bunga atau botol plastik serta warna/intensitas yang kita peroleh, kita dapat menggunakan perbedaan tersebut untuk mengidentifikasi lebih banyak bunga atau botol tersebut, seperti sidik jari.

Dengan menggunakan pembelajaran mesin, kita dapat menemukan sidik jari NIR dari banyak bahan plastik. Kami kemudian “melatih” komputer untuk mengidentifikasi plastik berdasarkan sinyal NIR baru dibandingkan dengan sinyal NIR plastik lainnya. Pelatihan ini membantu teknologi mengenali bahan dalam botol soda, memahami perbedaannya dengan wadah bawa pulang, dan memisahkannya sesuai kebutuhan.

Dalam makalah pertama kami, kami menggunakan pembelajaran mesin untuk menghubungkan sinyal plastik ke sifat tertentu (seperti kepadatan dan kristalin polietilen). Biasanya, Anda mengukur kepadatan dengan menimbang plastik dalam cairan yang berbeda dan membandingkan perbedaannya. Ini adalah proses yang sangat lambat dan membosankan.

Namun, kami menunjukkan bahwa Anda dapat menemukan informasi yang hampir sama menggunakan cahaya yang dipantulkan—lebih cepat. Dalam jalur daur ulang, waktu sangatlah penting.

Anda dapat menerapkan metode ini pada sampel besar dan kecil. Ini keren karena menunjukkan bahwa jika kita mengaturnya dengan hati-hati, kita bisa mendapatkan lebih banyak informasi dari pengukuran berbasis cahaya ini.

Ini masih merupakan pekerjaan awal dan belum berlaku untuk semua jenis plastik. Jadi, kita tidak bisa hanya menyoroti plastik apa pun dan mengetahui sifat pastinya, tapi ini adalah awal yang menarik. Jika kita dapat meningkatkannya, hal ini dapat menghemat banyak waktu dan tenaga bagi pendaur ulang dan produsen dalam langkah-langkah pengendalian kualitas.

Sejak menerbitkan karya ini, saya telah mempelajari cara menangani semua data dari pengukuran ini. Anda akan mendapatkan data yang sangat berbeda berdasarkan bentuk plastik dan apakah sampelnya berupa pelet, bubuk, atau botol.

Hal ini karena cahaya masih dipantulkan, namun dipantulkan ke arah yang berbeda tergantung bentuk plastiknya. Bayangkan pantulan pada kolam yang jernih versus kolam yang banyak riaknya. Kemudian, Anda bisa menambahkan pigmen dan pengawet yang mungkin benar-benar mengubah sinyalnya. Hal ini tidak membuat data menjadi salah, namun dapat mempengaruhi penyortiran. Anda dapat menganggapnya sebagai mengkategorikan foto orang berkulit hitam putih versus orang yang sama dalam warna hitam putih, berwarna, komik, dan lukisan.

Untuk mengatasi hal ini, tim telah memperluas kumpulan data kami, dan saya sedang mencari perbaikan matematis untuk menempatkan bubuk, pelet, dan plastik berwarna pada bidang yang sama. Jika kita bisa melakukan ini, mengidentifikasi plastik mana yang menggunakan pembelajaran mesin menjadi lebih mudah.

Agar penelitian ini bermanfaat secara lebih luas, saya berusaha menunjukkan bahwa kita dapat menyortir poliolefin yang rumit tersebut. Dengan menggunakan metode saya saat ini, kami telah mencapai akurasi 95% hingga 98% dalam memilah plastik ini. Kami melakukan hal ini dengan proses yang dapat digunakan dengan cepat oleh hampir semua fasilitas daur ulang yang dilengkapi NIR.

Banyak fasilitas daur ulang yang mungkin sudah menggunakan algoritme serupa, namun penelitian ini memberikan tingkat penyempurnaan ekstra, dengan fokus khusus pada poliolefin yang sulit disortir.

Jika kita dapat memilahnya secara efektif, kita dapat menggunakannya kembali dengan lebih sedikit masalah pemrosesan, sehingga daur ulang menjadi lebih menguntungkan. Harapannya, keuntungan dapat mendorong kebiasaan daur ulang yang lebih baik, dan kita dapat mulai mengubah perekonomian linier menjadi ekonomi sirkular.

Daur Ulang sebagai Teka-teki yang Harus Dipecahkan

Saya seorang pemecah masalah, melompat dari satu teka-teki ke teka-teki berikutnya.

Selain penelitian polimer, saya telah mengerjakan sistem penghantaran obat untuk kanker ovarium, dan sekarang saya menggunakan kecerdasan buatan (AI) dan pembelajaran mesin.

Saya suka berbuat baik sambil memecahkan masalah yang kompleks. Keberlanjutan dan bahan ramah lingkungan telah menjadi tema yang indah sepanjang karir penelitian saya.

Awalnya Anda mungkin tidak melihat hubungan antara penelitian biomedis dan plastik. Namun sistem penghantaran obat dapat membantu menciptakan bahan yang sangat keren dengan penerapan di luar bidang kedokteran. Pekerjaan plastik juga dapat meningkatkan pemahaman kita tentang DNA, protein, dan kolagen dalam tubuh kita.

Kini, dengan ledakan AI, kita memiliki alat baru untuk melakukan penelitian material dengan lebih cepat dan efisien. Ini adalah saat yang menyenangkan di bidang material berkelanjutan!

Masa Depan Penyortiran Riset

Saat ini saya sedang menyelesaikan kontrak dua tahun di NIST dan mencari teka-teki berikutnya untuk dipecahkan.

Namun, saya berencana untuk tetap terhubung dengan NIST sebagai afiliasi untuk membantu peneliti lain menggunakan teknik saya.

Saya berharap dapat membantu komunitas daur ulang yang lebih luas menggunakan analisis data untuk meningkatkan proses daur ulang dan membantu membersihkan planet kita.