Des outils d'IA optimisent la conception des emballages en plastique pour les objectifs de recyclage et de durabilité
infohightech ·
Au sein du laboratoire d'innovation KIOptiPack, des chercheurs de l'Institut Fraunhofer pour l'ingénierie des procédés et l'emballage (IVV) collaborent avec 51 partenaires de l'industrie et de la recherche pour développer des outils d'optimisation innovants basés sur l'IA et un espace de données reliant tous les acteurs de l'industrie de l'emballage et leurs données. L'objectif est d'utiliser l'IA pour recycler les emballages plastiques à l'avenir.
Les plastiques sont légers, durables et faciles à transformer, ce qui en fait des matériaux véritablement polyvalents pour presque toutes les applications. Il n'est donc pas surprenant que plus de 60 % des produits emballés en Allemagne soient emballés, mis en sachet ou en boîte dans du plastique.
L'objectif de l'industrie du plastique est de soutenir l'économie circulaire grâce à une conception optimale des emballages (conception pour le recyclage), de minimiser l'impact environnemental et d'assurer une protection optimale des produits emballés. Idéalement, les emballages seront composés d'un maximum de matériaux recyclés. La nouvelle réglementation européenne exige également que les emballages plastiques soient composés d'au moins 35 % de matériaux recyclés d'ici 2030.
C'est là qu'intervient la recherche menée par KIOptiPack, l'un des deux laboratoires d'innovation qui font partie du AI Application Hub on Plastic Packaging (voir ci-dessous, « The AI Application Hub on Plastic Packaging »), qui bénéficie d'un financement du ministère fédéral allemand de la recherche, de la technologie et de l'espace.
En collaboration avec leurs partenaires de projet, les chercheurs du Fraunhofer IVV utilisent l'intelligence artificielle pour révolutionner le recyclage et la transformation des matériaux recyclés en emballages, afin de répondre aux défis technologiques et aux normes élevées de la production d'emballages.
L'objectif est de réduire les déchets plastiques, de créer des emballages plus durables et de diminuer la demande de matières premières grâce à leur réutilisation sous forme de matériaux recyclés, augmentant ainsi la fiabilité de l'approvisionnement en Europe grâce à la circularité.
Pour y parvenir, les chercheurs du Fraunhofer IVV ont développé des outils d'optimisation basés sur l'IA et les ont connectés via un espace de données. Cette approche permet de prendre en compte efficacement les nombreuses exigences auxquelles les emballages plastiques doivent répondre. Elle ouvre notamment la voie à des solutions de recyclage et d'optimisation globale de ces emballages.
Outre la compatibilité et l'impact environnemental, les aspects de fonctionnalité, de conception, d'acceptation client et de faisabilité industrielle sont également pris en compte. Une fois toutes les données intégrées, les outils d'IA suggèrent les meilleures conceptions d'emballage possibles pour un produit donné, tout en minimisant l'utilisation de matériaux.
Pour ce faire, l'espace de données rassemble toutes les données numériques sur les propriétés, l'origine et la destination des matériaux et les relie entre elles. Il fournit ainsi une infrastructure partagée pour l'échange de données au-delà des portes de l'usine. Le modèle de données sous-jacent à l'emballage complet, qui permet le partage des données entre les différentes parties prenantes, a également été développé au Fraunhofer IVV.
La numérisation des flux de matières pour protéger les consommateurs
« Pour améliorer l'intégration des matériaux recyclés dans les solutions d'emballage, un espace de données partagé est crucial », explique Andrea Büttner, directrice de l'institut Fraunhofer IVV. « Le plastique recyclé est un matériau précieux. Mais la qualité du plastique recyclable doit être optimale. Si le matériau recyclé est contaminé par des substances indésirables telles que d'autres types de plastique, des encres d'impression ou des produits de dégradation, cela peut gravement altérer sa qualité, voire le rendre inutilisable. Une fois recyclés, les plastiques peuvent en principe contenir des contaminants. »
Cela représente un défi particulier pour l'industrie. Cela signifie que, pour l'ensemble de la filière, des producteurs de matériaux recyclés et des fabricants de films d'emballage au secteur alimentaire, un partage systématique des données est nécessaire, ainsi qu'un langage unique pour traiter les plastiques. Les matériaux concernés sont principalement les polyoléfines, qui représentent le groupe de plastiques le plus important et peuvent subir des modifications importantes au cours de leur transformation.
L'IA aide à choisir la bonne méthode de recyclage
« Les outils basés sur l'IA sont indispensables pour un recyclage de haute qualité des matières plastiques. Les solutions logicielles modulaires que nous développons au Fraunhofer IVV facilitent la caractérisation et l'analyse des propriétés des matériaux, et relient différents flux d'informations afin d'identifier un champ d'application adapté aux matériaux recyclés aux propriétés fluctuantes », explique Matthias Reinelt, responsable du groupe Modélisation de la durée de conservation et des emballages au Fraunhofer IVV.
« Notre outil d'IA pour la production d'emballages exploite un maximum d'informations sur le matériau recyclé afin de déterminer la chaîne de traitement optimale, de sorte que le produit final soit, par exemple, un pot de yaourt fabriqué de manière durable, avec une épaisseur de paroi homogène et la forme souhaitée. »
Les chercheurs analysent également la qualité des matériaux recyclés par chromatographie, qui s'appuie elle-même sur des outils d'IA pour une meilleure identification des substances. L'objectif est d'empêcher l'entrée de matériaux recyclés inadaptés ou contaminés dans le cycle, ce qui peut arriver même avec un tri rigoureux.
Les outils d'optimisation basés sur l'IA et l'espace de données interconnecté fournis par Fraunhofer IVV et ses partenaires de projet sont même parfois directement intégrés aux processus de production des fabricants. Cela permet de proposer en temps réel des solutions de traitement ultérieur, en fonction des matériaux recyclés utilisés sur les machines sur site.
Les outils d'IA comblent le manque de matériaux recyclés
L'utilisation de matériaux recyclés dans les produits en plastique est en constante augmentation. Cependant, malgré cette tendance, le volume de plastiques recyclés sera insuffisant pour atteindre les niveaux de matériaux recyclés requis par la loi. Cela entraînera un écart croissant entre l'offre et la demande de plastiques recyclés au cours des prochaines années. D'ici 2030, la demande de matériaux recyclés devrait dépasser l'offre de 30 %.
« Les solutions isolées ne suffiront pas à combler le déficit de recyclage dans le secteur des plastiques à long terme. Nous abordons ce problème grâce à nos outils d'optimisation basés sur l'IA, qui relient les flux de matières et d'informations. Nous réunissons les acteurs d'un large éventail de secteurs et nous efforçons de répondre plus efficacement aux pénuries de ressources », assure Andrea Büttner.
Des experts du secteur de la recherche, de l'industrie, des pouvoirs publics et du monde associatif de toute l'Allemagne se réuniront au Zukunftsforum Kunststoffkreislauf, qui se tiendra à Berlin du 1er au 3 juillet, pour débattre de sujets variés liés aux plastiques, aux emballages et à leur recyclage. L'objectif est de réunir des acteurs pour discuter d'approches innovantes pour la transition vers une économie circulaire économe en ressources et de traduire des solutions concrètes en pratique.
Le pôle d'application de l'IA sur les emballages en plastique
Afin de boucler au maximum le cycle des emballages plastiques, 51 partenaires issus de l'industrie, de la recherche et de la société civile collaborent au sein de deux laboratoires d'innovation : KIOptiPack, axé sur la conception et la production, et K3I-Cycling, dédié au recyclage et au tri des matériaux. Ces laboratoires ont été créés pour permettre le partage de données entre laboratoires et garantir la prise en compte de toutes les conclusions pertinentes tout au long de la chaîne de valeur.