《Waste Management Bulletin》：Simulating process parameters of sensor-based sorting for plastic packaging waste: Methodology and validation
编辑推荐：
本研究聚焦欧洲消费后塑料包装废物（PPPW）回收率低的现实挑战。针对现有研究多集中于传感器识别技术，而忽略了分选性能的关键过程参数这一问题，研究人员开展了一项传感器分选（SBS）单元模拟方法研究。他们通过真实SBS单元实验获取了不同吞吐率和物料组成下的分选性能数据集，并以此为基础，利用离散事件模拟原理构建了SBS单元仿真模型。该模型能够高精度预测多步骤分选场景中的各项参数，为解决工业规模分选设施的设计与工艺优化提供了有力工具，有望提升塑料回收率以应对欧盟严格的回收目标。
想象一下，我们每天丢弃的塑料瓶、包装袋，在经过垃圾桶的“旅行”后，最终只有不到一半能被成功回收再利用。在欧洲，这个数字甚至从2020年的46%骤降至2022年的38%，与欧盟设定的2025年50%、2030年55%的塑料包装回收目标相去甚远。这中间的“损耗”很大程度上发生在工业分选环节。目前，大型材料回收设施（MRF）普遍采用传感器分选（SBS）技术，特别是近红外光谱（NIRS），来识别和分离不同种类的塑料。然而，现实中的分选效果并不理想，导致大量可回收塑料未被有效捕获。
问题的根源在于，过去大量的研究都聚焦于“看得准不准”——即如何改进传感器和算法来更精确地识别塑料类型。但这只是故事的一部分。一个SBS单元的工作包括进料、探测、数据处理和分离四个步骤。就像一条繁忙的流水线，当传送带（进料）上的塑料碎片太多（高吞吐率）、或者目标塑料（如聚丙烯PP）混在大量其他塑料（如聚对苯二甲酸乙二醇酯PET）中（低纯度）时，即使传感器“看”对了，气动喷嘴在“吹”走目标碎片时，也容易发生误伤（将非目标碎片一起吹走）或漏网（目标碎片未被吹到正确位置）。这些由物理相互作用导致的系统性误差，严重影响了分选的“纯度”和“回收率”。更复杂的是，实际的分选线通常由多个SBS单元串联而成，前一个单元的误差会像涟漪一样传递并放大，影响最终产品的质量。然而，现有研究缺乏对这种多单元级联效应及其相互作用影响的深入探索，也缺乏能够准确模拟这些关键过程参数的实用工具。为了填补这一研究空白，由Tuomas Sormunen、Gerald Koinig、Pauli R?s?nen和Arto Wallin组成的研究团队开展了一项研究，旨在构建并验证一个能够精确模拟SBS单元关键过程参数的仿真模型，从而为设计和优化工业分选流程提供新方案。这项成果发表在《Waste Management Bulletin》上。
为了开展研究，作者团队运用了几个关键技术方法：首先，他们利用一个实验室规模的SBS单元平台（包含NIR高光谱相机和气动执行器）进行了系统的数据采集实验。实验材料来源于真实的消费后塑料包装废物（PPPW）经破碎、清洗后的PET和PP碎片。他们通过精心设计，测量了不同输入物料纯度（PET/PP比例）和不同吞吐率下，分选输出物（弹射物和拒绝物）的纯度与吞吐率，共进行了196次分选试验，构建了用于模型拟合的数据集。其次，他们基于离散事件仿真的原理，将SBS单元抽象为一个具有输入、输出和内部状态（目标材料列表）的模块，并使用Python结合流式可视化脚本引擎Ryven开发了仿真软件。该软件包含输入节点、分选器节点、求和节点等，可以灵活地连接以模拟多级分选级联。最后，他们利用实验数据，通过添加理论假设（如0%和100%输入纯度下的极端情况）和线性插值，填充了整个输入纯度-吞吐率参数空间，从而“训练”出分选器节点的响应函数，完成了模型的构建。
1. 实验数据揭示关键参数对分选性能的显著影响
研究人员首先通过大量实验，明确了输入纯度（目标物料比例）和吞吐率对单个SBS单元分选性能的具体影响。数据显示，分选远非完美。当输入吞吐率增加时，弹射物中目标物料的纯度会下降，特别是在输入纯度本身较低的情况下，这种负面影响尤为剧烈。例如，当目标物料（PP）的输入纯度约为7%时，吞吐率从25 kg/h增加到900 kg/h，导致弹射物纯度几乎减半。同时，弹射物的吞吐率则随着输入纯度与输入吞吐率的增加而增加。这些结果证实，物料组成和吞吐率是影响分选性能的关键过程参数，且它们的影响是非线性和复杂的，不能简单地用一个固定的“分选系数”来描述。
2. 基于离散事件仿真的SBS单元与级联模型构建
基于上述认知，研究团队建立了一个仿真模型。他们将每个SBS单元建模为一个离散事件仿真模块：物料流作为实体进入分选器，触发分选事件，并根据其状态（吞吐率和物料组成）被拆分为弹射和拒绝两个输出实体。多个分选器可以通过连接其输入输出端口，并与求和模块（用于合并物料流）组合，来模拟真实分选设施中复杂的多级分选流程。模型的核心是一个从实验数据拟合出的函数，该函数能够根据任何给定的输入纯度和吞吐率，唯一地确定对应的弹射物纯度和吞吐率。
3. 仿真模型在真实分选场景中的验证
为了检验模型的实用性，研究人员设计了一个包含三个分选步骤的现实分选场景（如图1右所示），用于同时提纯PET和PP两种塑料。他们设定了两个验证情景：高纯度高吞吐（50/50 PET/PP，600 kg/h）和低纯度低吞吐（85/15 PET/PP，200 kg/h），其中用到的参数部分超出了模型训练数据的范围。他们将仿真预测结果与实际运行该分选流程得到的实验数据进行比较。结果显示，在大多数分选步骤中，仿真模型对输出物料纯度和吞吐率的预测与实验结果高度吻合。例如，在高吞吐情景下，最终PET和PP产品的纯度预测误差仅在2.2-2.6个百分点以内。虽然在低吞吐情景中，对于分选过程中产生的极少量物料流（如Eject_1和Eject_2），预测出现了较大偏差，但这主要是由于实际物料量过少，统计波动增大所致。总体而言，模型成功预测了多级分选中的级联效应，验证了其准确性和泛化能力。
研究的结论明确指出，将传感器分选视为一个具有固定分选系数的静态过程是过于简化且不准确的。本研究成功构建并验证了一种通用的SBS单元仿真建模方法。该方法基于离散事件仿真原理，通过系统的实验数据采集来刻画关键过程参数（物料纯度和吞吐率）对分选性能的影响，并能够模拟多单元级联分选流程。模型验证表明，即使对于训练数据范围之外的部分参数，模型也能做出相当准确的预测。
这项研究的意义重大。首先，它超越了传统研究只关注传感器识别的局限，将工程模拟的视角引入塑料回收领域，为理解和优化整个分选过程提供了量化工具。其次，所构建的仿真模型具有高度的通用性（传感器无关、物料类型无关），可用于设计各种现实的分选方案和布局，并能在满足处理能力需求的前提下，寻找吞吐率与产品纯度之间的最优操作点，从而实现材料回收设施（MRF）的工艺优化。最终，这种精准的模拟与优化能力，有望显著提升塑料包装废物的分选效率和回收率，为应对欧盟日益严格的塑料回收法规目标提供切实可行的技术支持。作者在讨论中也指出了未来的改进方向，包括在误差较大的参数区间进行更密集的数据采样、将传感器误识别的因素纳入模型，以及在工业规模的分选线上进行最终验证。
