Door de technologische vooruitgang heeft elektronica een kortere levensduur. Dit leidt tot een voortdurend groeiende vraag naar eindige grondstoffen. Tegelijkertijd groeit de berg e-waste. Tegen 2030 zou de wereldwijde jaarlijkse productie van e-waste kunnen stijgen tot 74 miljoen ton. Slechts een fractie van alle elektrische apparaten wordt gerecycled. Meer dan 80 procent van e-waste belandt op de afvalberg of in verbrandingsovens. En daarmee ook de waardevolle grondstoffen, edelmetalen en zeldzame aardmetalen die het bevat. Bij verbranding kunnen gevaarlijke chemicaliën en verontreinigende stoffen vrijkomen in het milieu.
Als elektronica niet wordt geshredderd, wordt een klein deel van de oude apparaten handmatig gedemonteerd. Ze worden ontdaan van schadelijke stoffen, mechanisch geshredderd en met sorteerprocessen gescheiden in verschillende delen. Deze handmatige ontmanteling gaat echter gepaard met hoge kosten en is niet erg effectief. Duurzame strategieën voor waardebehoud om elektrische apparaten op te knappen en te recyclen in de zin van een moderne circulaire economie ontbreken nog grotendeels. In het iDEAR-project, kort voor Intelligent Dismantling of Electronics for Remanufacturing and Recycling, combineren onderzoekers van het Fraunhofer IFF in Maagdenburg kennisbeheer, meet- en robotica-technologie en artificiële intelligentie (AI) om een intelligent systeem te creëren voor geautomatiseerde en niet-destructieve demontageprocessen om zo een certificeerbaar en gesloten-lus afvalbeheersysteem op te zetten.
“Wij willen een revolutie ontketenen in de ontmanteling van elektronisch afval. De huidige oplossingen gaan gepaard met hoge engineeringskosten en zijn beperkt tot een specifieke productgroep. In het iDEAR-project streven we naar een datagestuurde methodologie zodat zoveel mogelijk verschillende producten, van pc’s en magnetrons tot witgoed, kunnen worden ontmanteld met minimale technische inspanning en in realtime,” zegt Dr. José Saenz, groepsmanager voor assistentie, service en industriële robots bij het Fraunhofer IFF. De onderzoekers richten zich in eerste instantie op de geautomatiseerde demontage van pc’s, maar op de lange termijn moet het proces kunnen worden uitgebreid naar alle apparaten, zoals wasmachines.
Zodra de goederen zijn geleverd en gescheiden, begint de procesketen met identificatie en rapportage. AI-gebaseerde 3D camera- en optische sensorsystemen leggen labels vast met informatie over de fabrikant, het producttype en -nummer. Ze herkennen het type en de positie van componenten en controleren geometrieën en oppervlakken. Daarnaast beoordelen ze de conditie van bevestigingsmiddelen zoals schroeven en klinknagels en detecteren afwijkingen. “Optische meettechnologie helpt bij het herkennen van labels en het sorteren van verschillende onderdelen zoals schroeven. Eerder getrainde machine-learning algoritmen en AI analyseren de beeldgegevens en maken de herkenning en classificatie van materialen, kunststoffen en componenten op basis van sensor- en spectrale gegevens in realtime mogelijk,” aldus de onderzoeker. AI herkent bijvoorbeeld of een schroef verborgen of verroest is. Alle gegevens worden opgeslagen in een digitale demontage-twin. Het geeft bijvoorbeeld ook informatie over of een soortgelijk product al gedemonteerd is.
In de volgende stap gebruiken Saenz en zijn team software om de demontagestappen te bepalen. Deze bepalen onder andere of er een volledige of gedeeltelijke demontage van de elektronica moet plaatsvinden. Moeten bijvoorbeeld alleen de hoogwaardige onderdelen worden teruggevonden of volledige demontage nodig. Gelijmde onderdelen of andere verbindingen verhinderen namelijk een niet-destructieve demontage. Verroeste schroeven, versleten schroefkoppen of vervormde onderdelen zijn hier ook niet op berekend. Het demontageproces begint op basis van deze informatie op hoog niveau.
De robot ontvangt een reeks instructies en sequenties die moeten worden uitgevoerd, zoals “Verwijder twee schroeven aan de linkerkant van de behuizing, open de behuizing, enzovoort. Indien nodig wisselt de machine het vereiste gereedschap tussen de afzonderlijke werkstappen. De vaardigheden die in het demontageproces zijn gedefinieerd, omvatten robothandelingen zoals schroeven, heffen, snijden, uittrekken, lokaliseren, herpositioneren, benaderen, neerzetten, hendels bedienen, kabels buigen, breken en doorsnijden. De demontagerobot kan deze taken volledig zelfstandig uitvoeren. In tests is de demonstrator er zelfs in geslaagd om een moederbord uit een pc-behuizing te halen. Dit is een zeer complexe taak die een hoge mate van gevoeligheid vereist.
“Een AI-agent traint eerst de oplossing voor het proces op het simulatiemodel en later brengen we de getrainde robotactie over naar de echte testopstelling. Dit is niet nodig voor eenvoudige vaardigheden zoals lokalisatie, waarbij we sensor- en cameragegevens gebruiken,” legt Saenz uit.
De individuele demonstrators voor de deelprocessen zijn opgezet. De volgende stap is om de demonstrators aan elkaar te koppelen. Het doel is om een demonstrator te creëren die alle technologische ontwikkelingen integreert en de onderlinge koppeling van geautomatiseerde demontageprocessen weergeeft. “Recycling en revisie zijn essentieel voor maakbedrijven om de toegang tot grondstoffen veilig te stellen. Het terugwinnen van materialen vermindert niet alleen de milieu-impact van elektronisch afval, maar vormt ook een waardevolle bron van grondstoffen voor nieuwe producten,” aldus de onderzoeker.
Bron: Fraunhofer IFF; Openingsfoto: De robot tilt het moederbord uit de behuizing. (foto: Fraunhofer IFF)
Lees ook: Europa op weg naar 20 procent wereldaandeel in de halfgeleiderproductie