PlasInsight

AI選別技術が混合プラスチック廃棄物から工業グレードのリサイクラートを目指す

Fraunhofer LBFと16のパートナーは、混合された消費後プラスチックストリームをより信頼性の高い工業用リサイクラートに変えるためにAIを使用しています。

陳美慧

陳美慧

展示会特派記者 · 2026年9月7日 · 5 分で読了

AI選別技術が混合プラスチック廃棄物から工業グレードのリサイクラートを目指す

リサイクレートのための混合ポストコンシューマープラスチックのAI選別 - plascentral.com

AI選別がリサイクラートの品質を価値連鎖の上位へ引き上げる

Fraunhofer LBFは、混合消費後プラスチック廃棄物を要求の厳しい工業用途で使用可能にするための実用的なツールとして人工知能を位置づけています。低グレードの回収ルートだけではなく、幅広い用途を目指します。

K3I-Cyclingプロジェクトが解決しようとしている課題

リサイクラーやコンパウンダーにとって馴染みの課題は、混合軽量包装廃棄物が組成の変動、汚染、経年劣化を伴って到着し、出力品質の安定化が難しい点です。K3I-Cyclingプロジェクトでは、Fraunhofer LBFが16のパートナーとともに、黄色袋ストリーム由来の材料を含む消費後プラスチック向けのAI支援選別手法を開発しています。

プロジェクトの説明によると、目的は混合軽量包装廃棄物から工業的に使用可能なプラスチックリサイクラートを生産することです。つまりプロジェクトは選別だけで終わらず、実験室規模およびパイロット規模でのリサイクラート生産、材料特性評価、バイオベース安定剤を含む添加剤パッケージの開発を組み合わせ、より要求の厳しい用途向けに回収材料を調整できるようにしています。

分別準備完了の混合ポストコンシューマープラスチック廃棄物 - plascentral.com
分別準備完了の混合ポストコンシューマープラスチック廃棄物 - plascentral.com

プロセッサーにとって重要なのは、リサイクラートの品質がペレットが押出機に到達するかなり前から判断される点です。経年劣化や汚染の変動は、加工挙動の不安定さ、機械的性能のばらつき、ブランドオーナーの信頼低下につながります。K3I-Cyclingのアプローチは、上流でより堅牢な品質グループを作成することでこの不確実性を低減しようとしています。

機械学習と材料分析の融合

Fraunhofer LBFは、実世界の材料分析と機械学習を組み合わせて、ポリオレフィンリサイクラートを経年状態と不純物で分類していると述べています。その結果、材料品質レベルを定義するために使用できる品質クラスターが形成されます。

老化したポリオレフィンリサイクラートの品質クラスタリングのためのラボ分析 - plascentral.com
老化したポリオレフィンリサイクラートの品質クラスタリングのためのラボ分析 - plascentral.com

これらのレベルは学術的な演習として提示されているわけではありません。プロジェクトによると、これらは新しい規格やデジタル製品パスポートの基礎となり、コンバーターやバイヤーがリサイクル原料をより透明性の高い方法で指定できるようにします。下流ユーザーにとって、このような追跡可能なグレーディングは、リサイクラートのより広範な使用を阻害する最大の障壁の一つ、つまり再処理業者が約束できることとバイヤーが完成部品や包装形態で必要とすることの間のギャップを縮小する可能性があります。

Fraunhofer LBFはまた、自社の作業パッケージでリサイクラートの評価と後安定化のためのツールボックスを開発していると述べています。これは、出力品質が選別純度だけでなく、収集、再処理、再使用後のポリマーの挙動にも依存する工業用リサイクルにおいて重要なステップです。

「ダルムシュタットの研究者らは、リサイクルおよびリサイクラート生産作業パッケージを主導し、リサイクラートの評価と後安定化のためのツールボックスを開発しています」- Fraunhofer LBF

人工ニューラルツインが連鎖を結びつける

プロジェクトの第2の要素は、収集からリサイクル材料の最終ユーザーまでの選別連鎖をマッピングする人工ニューラルツイン(ANT)です。その目的は、価値連鎖全体で純度、短い物流、低価格などのパラメータを最適化することです。

プラスチックリサイクル物流と純度パラメータのデジタルモデリング - plascentral.com
プラスチックリサイクル物流と純度パラメータのデジタルモデリング - plascentral.com

この枠組みは、リサイクラーとブランドオーナーの双方にとって重要です。物流が長くコストが高すぎる場合、純度だけでは商業的成功を保証しません。全連鎖をモデル化することで、プロジェクトはリサイクラート品質を単一の機械の問題ではなくシステムの問題として扱っています。

火災安全と選別信頼性

プロジェクトはAIをプラント保護にも拡張しています。Fraunhofer LBFによると、DangerSortシステムはリチウム電池を検知して排出でき、火災の原因となる前に防ぐことができます。これは、選別技術が出力純度だけでなく、プラントの稼働時間保護と運用リスク低減の観点からも評価されるようになっていることを示しています。

AIを活用した検知システムがリサイクル工場を火災から守る - plascentral.com
AIを活用した検知システムがリサイクル工場を火災から守る - plascentral.com

選別オペレーターにとって、これは直接的な商業的価値があります。火災事故は生産中断、設備損傷、原料ストリームの汚染を引き起こす可能性があり、より優れた検知はスループットと材料価値の両方を維持できます。この意味で、リサイクラート品質を高めるのと同じAIロジックが、選別ライン自体をより回復力のあるものにするためにも使用されています。

K3I-Cyclingからのより広範なシグナルは、工業用リサイクラート品質が材料の問題であると同時にデータの問題になりつつあるということです。AI選別、材料分析、後安定化、連鎖全体の最適化を結びつけることで、Fraunhofer LBFはリサイクルプラスチックを、コンバーターがすでにバージンポリマーに期待しているようなプロセス制御のレベルへと押し上げています。

編集部の見解

AI支援の選別は、技術的に要求の厳しい用途でのリサイクル材使用のビジネスケースをどのように変えるのでしょうか?
経年劣化状態や不純物によって材料を分類するAI支援の選別により、リサイクル材は広範で不確実なストリームではなく、より予測可能な品質クラスターにグループ化できます。これをターゲットを絞った添加剤および安定剤パッケージと組み合わせることで、加工業者はより狭い物性範囲と明確な仕様を持つ原料を得られ、オフスペック生産や高額なライン調整のリスクを低減できます。長期的には、リサイクル材を機会主義的で低価値の使用から、プロセス信頼性が不可欠な計画的で高マージンの用途へとシフトさせることができます。
リサイクル材の品質を単なる選別課題ではなくシステム全体の問題として扱うことが重要なのはなぜですか?
工業用途におけるリサイクル材の性能は、光学センサーや近赤外線装置での処理だけに依存するものではなく、回収品質、汚染、経年劣化、物流、再加工条件、安定剤の選択など、チェーン全体の相互作用を反映します。システムアプローチはこれらの要素を全体としてモデル化し、純度、コスト、輸送距離、加工条件のトレードオフを総合的に最適化することを可能にします。リサイクルプラスチックがバージン材と同等のプロセス管理水準を満たしつつ商業的に競争力を持つためには、この統合的な視点が不可欠です。
標準化された品質レベルとデジタル製品パスポートは、リサイクル材の採用をどのように加速させる可能性がありますか?
デジタル製品パスポートで裏付けられた標準化された品質レベルにより、加工業者はリサイクル材の由来、組成、経年劣化、安定化履歴を追跡可能な形で把握できます。これにより、購入者はリサイクル原料を特定の部品要件に適合させやすく、リサイクラーの主張と実際の加工現場での経験のミスマッチを減らせます。データに基づくグレードへの信頼が高まることで、調達チームはリサイクル材の使用を仕様、契約、長期供給計画に正式に組み込むことが可能になります。
ポストスタビライゼーションのツールボックスは、リサイクルプラスチックの環境性能にどのような影響を与えますか?
ポストスタビライゼーションのツールボックスにより、リサイクラーやコンパウンドメーカーは使用、回収、再加工の過程で蓄積した劣化を抑制し、リサイクルポリマーの機能寿命を延ばすことができます。バイオベースの安定剤を適切に用いることで、複数回の使用サイクルにおいても機械的性能を維持し、バージン材への置き換えを避けられます。安定剤自体を毒性、リサイクル性、規制適合性に配慮して選定すれば、全体的な資源消費と廃棄物の発生を低減できます。
AIを活用した選別ラインでの火災リスク検知が、リサイクラーの収益性にますます重要になっているのはなぜですか?
家庭や商業の混合廃棄物に隠れた電池などの危険物が増える中、1件の火災による損失はスループット向上による利益を上回る可能性があります。AIによる検知で危険物を確実に特定・排除することで、設備の保護、長期ダウンタイムの回避、原料の汚染防止が実現します。経済的には、安全対策を防御的なコストセンターから、安定した稼働率とサプライチェーンへの信頼を支える積極的な要素へと転換します。
プラスチック廃棄物の選別や価値判断にAIがさらに深く関わることで、長期的にどのような倫理的課題が生じますか?
アルゴリズムがどの画分を高品質とみなすか、低価値ルートに回すかを決定する場合、材料の価値、リスク許容度、環境優先順位に関する前提が組み込まれます。これにより特定の廃棄処理経路が固定化され、代替的な手法や新材料の普及が難しくなる恐れがあります。AI主導の選別が責任あるプラスチック利用への移行を支えるためには、透明な基準、定期的な監査、社会的期待の変化に応じたモデルの見直しが不可欠です。

出典・参考文献

  1. 1.Kunststoff + Verarbeitung. (2026, August 27). KI-gestütztes Kunststoffrecycling für industrietaugliche Rezyklate. Kunststoff + Verarbeitung.
  2. 2.chemie.de. KI macht Kunststoffabfälle fit für industrietaugliche Rezyklate. chemie.de.
  3. 3.bioplastics MAGAZINE. Daily news. bioplastics MAGAZINE.
  4. 4.Phys.org. (2026, August 18). Novel plastic turns into a gas when heated—then reforms once cooled. Phys.org.
  5. 5.chemeurope.com. News plastics. chemeurope.com.