استفاده از ربات‌ها در تفكیك پسماندهای بازیافتی بر بهره‌وری فرآیند بازیافت می‌افزاید
بازیافت با ربات
آمارها نشان می‌دهد ۷۰درصد از پسماندهای شهری در ایران از نوع آلی (غیرقابل بازیافت) هستند. همچنین ۱۰درصد مجموع پسماندهای شهری به پلاستیك، ۸درصد مقوا و كاغذ و ۳درصد نیز به فلزات اختصاص دارد. طبق همین آمارها، كشورمان هنوز نتوانسته آن‌طور كه باید این مواد را بازیافت كند. در حالی كه ۷۰درصد از پسماندهای بازیافتی در كشورهای توسعه‌یافته دوباره به چرخه مصرف بازمی‌گردد، سهم ایران فقط ۱۷درصد است كه نشان می‌دهد هنوز راه زیادی برای بهره‌مندی بیشتر از این منابع در پیش داریم. البته تردیدی نیست كه در كنار بهبود شیوه‌های مدیریتی و فرهنگ‌سازی برای تفكیك زباله در مبدأ، استفاده از فناوری‌های نوین نیز می‌تواند بر میزان بهره‌وری فرآیند بازیافت بیفزاید.
صالح سپهری‌فر / مشاور کسب و کارهای نوآور
انسان یا ربات؟
در فرآیند تفكیك پسماندهای بازیافتی، این مواد روی یك نوار نقاله كه با سرعت زیاد در حال حركت است قرار می‌گیرد. سپس تعدادی كارگر به‌طور دستی موادی مثل فلز، كاغذ، شیشه و پلاستیك را جدا می‌كنند. چنین كاری یكنواخت و حوصله‌سربر است و حتی ممكن است خطراتی را نیز برای سلامتی این افراد به همراه داشته باشد. همچنین هزینه بالای نیروی انسانی سبب می‌شود هزینه راه‌اندازی چنین مراكزی بالا باشد و در نتیجه بسیاری از شهرها در سراسر جهان، رغبتی به آن نشان ندهند. البته برخی از مراكز تفكیك پسماند از فناوری‌هایی برای كاهش نیاز به نیروی انسانی استفاده می‌كنند. در این مراكز معمولا از نور با طول موج‌های مختلف برای شناسایی انواع پلاستیك استفاده می‌شود. همچنین از آهنربا برای جدا كردن آهن و فولاد و نیز از جریان گردابی برای شناسایی سایر فلزات غیرمغناطیسی بهره گرفته می‌شود. با وجود پیشرفت‌های زیاد در زمینه پردازش تصویر، هنوز این مراكز نتوانسته‌اند به‌خوبی از این قابلیت استفاده كنند. انسان‌ها معمولا به‌راحتی با نگاه كردن به یك جسم می‌توانند جنس آن را تشخیص دهند. اما در حال حاضر، طراحی الگوریتمی كه بتواند این قابلیت را به یك ربات بدهد، بسیار دشوار است. ما انسان‌ها از یك حس دیگر هم برای تشخیص جنس مواد استفاده می‌كنیم كه آن هم حس لامسه است. به نظر می‌رسد برنامه‌ریزی برای ربات‌هایی با این قابلیت، اندكی ساده‌تر باشد.
رباتی با حس لامسه
اخیرا پژوهشگران مؤسسه فناوری ماساچوست موفق به ساخت رباتی شده‌اند كه می‌تواند تا حدودی جایگزین نیروی انسانی در مراكز تفكیك پسماندهای بازیافتی شود. این ربات كه روسایكل (RoCycle) نام دارد، دارای بازوانی مكانیكی برای انجام این كار است.
روسایكل دارای دست‌هایی از جنس تفلون نرم است. این ربات با فشار دادن جسم مورد نظر، متوجه اندازه و نیز سفتی‌اش می‌شود و می‌تواند آن را دسته‌بندی كند. بررسی‌ها نشان می‌دهد دقت این ربات در شناسایی جنس مواد بازیافتی در حالت بدون حركت حدود ۸۵درصد و در حالت معمولی (حركت مواد روی نوار نقاله) حدود ۶۳درصد است.
اما این درصد دقت شاید چندان هم برای مراكز تفكیك پسماند، جذابیت نداشته باشد. به همین دلیل، تیم سازنده روسایكل قصد دارد در گام بعدی، پردازش تصویر را نیز به این ربات اضافه كند. گفتیم فناوری پردازش تصویر برای تفكیك پسماند فعلا دقت بالایی ندارد، اما همین فناوری می‌تواند نقاط كور لامسه ربات را تا حدی پوشش داده و در نتیجه بر دقت ربات بیفزاید.
تیم سازنده روسایكل می‌گوید حتی اگر نتوان در حال حاضر از این ربات برای مراكز بزرگ تفكیك زباله بهره گرفت، این امكان وجود دارد كه با نصب آن در آپارتمان‌های بزرگ و دانشگاه‌ها، تفكیك در محل را انجام داد.
یكی دیگر از قابلیت‌های جالب روسایكل كه آن را از همه ربات‌های موجود متمایز می‌كند، امكان شناسایی قطعات الكترونیكی است. فرض كنید یك اسباب‌بازی الكترونیكی یا كنسول بازی در میان زباله‌ها وجود دارد. دستگاه‌های معمول مبتنی بر پردازش تصویر، آن را به‌عنوان یك قطعه پلاستیكی ارزیابی می‌كنند، غافل از این‌كه در داخل این ساختار پلاستیكی مواد فلزی وجود دارد. خوشبختانه روسایكل می‌تواند این قطعات فلزی را شناسایی كند. البته روسایكل هنوز فاصله زیادی با رباتی مثل دیزی (Daisy) دارد.
ربات ساخت اپل
شركت اپل در سال ۲۰۱۸ از یك ربات جدید به نام دیزی رونمایی كرد. این ربات قادر بود گوشی‌های آیفونی را كه دیگر مورد استفاده قرار نمی‌گیرند، دریافت كرده و آن را به اجزای مختلف تجزیه كند. هر سال میلیون‌ها دستگاه گوشی از چرخه مصرف خارج می‌شوند و مراكز بازیافت نمی‌توانند قطعات آنها را به‌طور كامل تفكیك كنند.
اما دیزی اپل یك فرآیند كامل را برای این كار طی می‌كند. دیزی، الگوی معكوس مونتاژ آیفون را پشت سر می‌گذارد و ضمن باز كردن قاب، پیچ‌ها و قطعات مختلف، این اجزا را تفكیك می‌كند. از آنجا كه هر گوشی دارای مقداری فلزات گرانبهاست، این ربات می‌تواند سودآوری خوبی هم داشته باشد. گفتنی است ربات دیزی می‌تواند در هر ساعت، ۲۰۰دستگاه آیفون را به قطعاتش تجزیه كند.
اقتصاد ربات‌های تفكیك پسماند
همان‌طور كه در ابتدا هم گفتیم، هزینه بالای نیروی انسانی از جمله دلایل عدم استقبال برخی شهرها به ایجاد مراكز تفكیك زباله است. اما ربات‌ها می‌توانند با كاهش این هزینه، نقش مهمی در اقتصادی كردن پروژه‌هایی اینچنینی داشته باشند و ضمن كمك به سلامت سیاره‌مان، به درآمدزایی از طریق بازیافت نیز بینجامد.
تفكیك با رزبری پای
نوآوری در زمینه ربات‌های تفكیك زباله به روسایكل محدود نمی‌شود. با وجود این‌كه شاید در نگاه اول به نظر برسد طراحی ربات‌های اینچنینی نیازمند اختصاص بودجه‌های كلان است، اما یك تیم رباتیك بریتانیایی ثابت كرد كه شاید این‌طور نباشد!
این تیم از پژوهشگران دانشگاه لیورپول هپ (Liverpool Hope) موفق شده با استفاده از رزبری پای ۳ و تجهیز آن به حسگرهای نوری، رباتی بسازد كه از حداقل دقت ۹۰درصد برخوردار است. این تیم از یك پروژه متن باز به‌عنوان ترش‌نت (TrashNet) برای آموزش الگوریتم هوش مصنوعی استفاده كرد. ترش‌نت حدود ۳۵۰۰ تصویر از انواع پسماند را در خود دارد. دستگاه با بررسی این تصاویر می‌تواند پسماندهای مشابه را شناسایی و طبقه‌بندی كند.
نكته جالب درباره این ربات، هزینه پایین ساخت آن است. تیم سازنده می‌گوید با هزینه‌ای كمتر از ۱۳۰ دلار می‌توان چنین رباتی را ساخت. البته این ربات از نظر سرعت تفكیك تا حدی كندتر از یك انسان عمل می‌كند. با این وجود، طبق محاسبات، هزینه كم این سامانه سبب می‌شود سرعت پایین آن قابل چشم‌پوشی شده و در مجموع نسبت به كارگر انسانی از مزیت اقتصادی برخوردار باشد.
در فرآیند تفكیك پسماندهای بازیافتی، این مواد روی یك نوار نقاله كه با سرعت زیاد در حال حركت است قرار می‌گیرد. سپس تعدادی كارگر به‌طور دستی موادی مثل فلز، كاغذ، شیشه و پلاستیك را جدا می‌كنند. چنین كاری یكنواخت و حوصله‌سربر است و حتی ممكن است خطراتی را نیز برای سلامتی این افراد به همراه داشته باشد. همچنین هزینه بالای نیروی انسانی سبب می‌شود هزینه راه‌اندازی چنین مراكزی بالا باشد و در نتیجه بسیاری از شهرها در سراسر جهان، رغبتی به آن نشان ندهند. البته برخی از مراكز تفكیك پسماند از فناوری‌هایی برای كاهش نیاز به نیروی انسانی استفاده می‌كنند. در این مراكز معمولا از نور با طول موج‌های مختلف برای شناسایی انواع پلاستیك استفاده می‌شود. همچنین از آهنربا برای جدا كردن آهن و فولاد و نیز از جریان گردابی برای شناسایی سایر فلزات غیرمغناطیسی بهره گرفته می‌شود. با وجود پیشرفت‌های زیاد در زمینه پردازش تصویر، هنوز این مراكز نتوانسته‌اند به‌خوبی از این قابلیت استفاده كنند. انسان‌ها معمولا به‌راحتی با نگاه كردن به یك جسم می‌توانند جنس آن را تشخیص دهند. اما در حال حاضر، طراحی الگوریتمی كه بتواند این قابلیت را به یك ربات بدهد، بسیار دشوار است. ما انسان‌ها از یك حس دیگر هم برای تشخیص جنس مواد استفاده می‌كنیم كه آن هم حس لامسه است. به نظر می‌رسد برنامه‌ریزی برای ربات‌هایی با این قابلیت، اندكی ساده‌تر باشد.
رباتی با حس لامسه
اخیرا پژوهشگران مؤسسه فناوری ماساچوست موفق به ساخت رباتی شده‌اند كه می‌تواند تا حدودی جایگزین نیروی انسانی در مراكز تفكیك پسماندهای بازیافتی شود. این ربات كه روسایكل (RoCycle) نام دارد، دارای بازوانی مكانیكی برای انجام این كار است.
روسایكل دارای دست‌هایی از جنس تفلون نرم است. این ربات با فشار دادن جسم مورد نظر، متوجه اندازه و نیز سفتی‌اش می‌شود و می‌تواند آن را دسته‌بندی كند. بررسی‌ها نشان می‌دهد دقت این ربات در شناسایی جنس مواد بازیافتی در حالت بدون حركت حدود ۸۵درصد و در حالت معمولی (حركت مواد روی نوار نقاله) حدود ۶۳درصد است.
اما این درصد دقت شاید چندان هم برای مراكز تفكیك پسماند، جذابیت نداشته باشد. به همین دلیل، تیم سازنده روسایكل قصد دارد در گام بعدی، پردازش تصویر را نیز به این ربات اضافه كند. گفتیم فناوری پردازش تصویر برای تفكیك پسماند فعلا دقت بالایی ندارد، اما همین فناوری می‌تواند نقاط كور لامسه ربات را تا حدی پوشش داده و در نتیجه بر دقت ربات بیفزاید.
تیم سازنده روسایكل می‌گوید حتی اگر نتوان در حال حاضر از این ربات برای مراكز بزرگ تفكیك زباله بهره گرفت، این امكان وجود دارد كه با نصب آن در آپارتمان‌های بزرگ و دانشگاه‌ها، تفكیك در محل را انجام داد.
یكی دیگر از قابلیت‌های جالب روسایكل كه آن را از همه ربات‌های موجود متمایز می‌كند، امكان شناسایی قطعات الكترونیكی است. فرض كنید یك اسباب‌بازی الكترونیكی یا كنسول بازی در میان زباله‌ها وجود دارد. دستگاه‌های معمول مبتنی بر پردازش تصویر، آن را به‌عنوان یك قطعه پلاستیكی ارزیابی می‌كنند، غافل از این‌كه در داخل این ساختار پلاستیكی مواد فلزی وجود دارد. خوشبختانه روسایكل می‌تواند این قطعات فلزی را شناسایی كند. البته روسایكل هنوز فاصله زیادی با رباتی مثل دیزی (Daisy) دارد.
ربات ساخت اپل
شركت اپل در سال ۲۰۱۸ از یك ربات جدید به نام دیزی رونمایی كرد. این ربات قادر بود گوشی‌های آیفونی را كه دیگر مورد استفاده قرار نمی‌گیرند، دریافت كرده و آن را به اجزای مختلف تجزیه كند. هر سال میلیون‌ها دستگاه گوشی از چرخه مصرف خارج می‌شوند و مراكز بازیافت نمی‌توانند قطعات آنها را به‌طور كامل تفكیك كنند.
اما دیزی اپل یك فرآیند كامل را برای این كار طی می‌كند. دیزی، الگوی معكوس مونتاژ آیفون را پشت سر می‌گذارد و ضمن باز كردن قاب، پیچ‌ها و قطعات مختلف، این اجزا را تفكیك می‌كند. از آنجا كه هر گوشی دارای مقداری فلزات گرانبهاست، این ربات می‌تواند سودآوری خوبی هم داشته باشد. گفتنی است ربات دیزی می‌تواند در هر ساعت، ۲۰۰دستگاه آیفون را به قطعاتش تجزیه كند.
اقتصاد ربات‌های تفكیك پسماند
همان‌طور كه در ابتدا هم گفتیم، هزینه بالای نیروی انسانی از جمله دلایل عدم استقبال برخی شهرها به ایجاد مراكز تفكیك زباله است. اما ربات‌ها می‌توانند با كاهش این هزینه، نقش مهمی در اقتصادی كردن پروژه‌هایی اینچنینی داشته باشند و ضمن كمك به سلامت سیاره‌مان، به درآمدزایی از طریق بازیافت نیز بینجامد.
تفكیك با رزبری پای
نوآوری در زمینه ربات‌های تفكیك زباله به روسایكل محدود نمی‌شود. با وجود این‌كه شاید در نگاه اول به نظر برسد طراحی ربات‌های اینچنینی نیازمند اختصاص بودجه‌های كلان است، اما یك تیم رباتیك بریتانیایی ثابت كرد كه شاید این‌طور نباشد!
این تیم از پژوهشگران دانشگاه لیورپول هپ (Liverpool Hope) موفق شده با استفاده از رزبری پای ۳ و تجهیز آن به حسگرهای نوری، رباتی بسازد كه از حداقل دقت ۹۰درصد برخوردار است. این تیم از یك پروژه متن باز به‌عنوان ترش‌نت (TrashNet) برای آموزش الگوریتم هوش مصنوعی استفاده كرد. ترش‌نت حدود ۳۵۰۰ تصویر از انواع پسماند را در خود دارد. دستگاه با بررسی این تصاویر می‌تواند پسماندهای مشابه را شناسایی و طبقه‌بندی كند.
نكته جالب درباره این ربات، هزینه پایین ساخت آن است. تیم سازنده می‌گوید با هزینه‌ای كمتر از ۱۳۰ دلار می‌توان چنین رباتی را ساخت. البته این ربات از نظر سرعت تفكیك تا حدی كندتر از یك انسان عمل می‌كند. با این وجود، طبق محاسبات، هزینه كم این سامانه سبب می‌شود سرعت پایین آن قابل چشم‌پوشی شده و در مجموع نسبت به كارگر انسانی از مزیت اقتصادی برخوردار باشد.
