KI für Materialrückgewinnung und Sortierung von schwarzem Kunststoff

Der Wert liegt in der Garantie, nicht in einem perfekten Modell.

Assay gewinnt den schwarzen Kunststoff zurück, für den Ihr NIR-Sortierer physikalisch blind ist, und zertifiziert den Ballen. Legen Sie einen einzigen Schalter um, und dasselbe Modell liefert auf demselben Materialstrom einen Ballen, den die APR-Spezifikation ablehnt. Das Konfidenz-Gate, nicht der Klassifikator, macht einen Ballen verkaufsfähig.

Ein von Grund auf neu erstelltes 1D-CNN liest ein MWIR-Spektrum mit 154 Bändern aus, ein kalibriertes Gate enthält sich bei allem, was es nicht beweisen kann, und jeder Ballen verlässt die Anlage mit einem signierten Reinheitszertifikat. Führen Sie es aus und prüfen Sie das Zertifikat.

Kommentierter Rundgang durch das aktive Assay-Dashboard (5:01).

85% vs 22.5%

Ballen mit Gate vs. ohne Gate, die APR Grade A erfüllen

Dasselbe Modell, 40 zufällige Ballen aus anspruchsvollem Materialstrom

0.894

Balancierte Genauigkeit auf dem Held-out-Testset, nahe dem Praxis-Benchmark von 83.4%

MWIR 1D-CNN, anspruchsvoller Materialstrom mit 1.700 Objekten

2.7–5.3 µm

MWIR-Band, das Ruß (Carbon Black) erkennt, für den NIR blind ist

154 Bänder, Specim FX50 (emuliert)

Auf dieser Seite werden durchgängig drei Benchmark-Bereiche strikt getrennt gehalten: ein einzelner Ballen mit Demo-Seed 11, das Aggregat aus 40 Ballen und die Statistiken des angepassten Gates über 60 Ballen. Sie werden niemals zusammengeführt.

Eine schwarze Schale auf einem schwarzen Förderband ist für NIR ein signalschwaches Nichts (Zero-Signal Void)

Das Problem der Rückgewinnung beginnt als physikalisches Problem, und es endet nicht dort.

Ruß absorbiert über das gesamte Nahinfrarotspektrum hinweg, sodass eine schwarze PP-Schale auf einem schwarzen Band fast kein Signal an einen standardmäßigen optischen NIR-Sortierer zurückwirft. Das Objekt fällt als Reststoff durch und landet auf der Deponie. Zwischen 3% und 15% des Abfallstroms sind schwarzer Kunststoff, der auf diese Weise verloren geht. Bei einer MRF mit einer Jahreskapazität von 50.000 Tonnen und einem Schwarzanteil von 5% entspricht dies rund 2.500 Tonnen verwertbarem Material pro Jahr – ein Potenzial in der Größenordnung von 2,2 bis 2,7 Millionen Euro pro Jahr an rPP-Wert zuzüglich eingesparter Deponiegebühren (Veriprajna WP45-Studie, 2026).

Im mittleren Infrarotbereich (MWIR, 2,7 bis 5,3 Mikrometer) hört dasselbe Objekt auf, unsichtbar zu sein. Die Absorptionsmerkmale des Polymers treten dort weiterhin deutlich hervor, sodass ein Sensor, der MWIR erfasst, PP von PE und PVC unterscheiden kann, wo NIR nur ein schwarzes Loch sieht. Das ist die sensorische Seite. Doch das Auslesen des Spektrums ist nicht gleichbedeutend mit der Produktion eines verkaufsfähigen Ballens.

Eine MRF verkauft keine Modellgenauigkeit. Sie verkauft einen Ballen, der eine Spezifikation erfüllt. Die APR Model Bale Spec Grade A rPP verlangt 97% oder mehr PP und maximal 0,5% PVC. Ein Ballen, der dies verfehlt, wird zurückgewiesen, zieht Deponie-Umleitungsgebühren von 50 bis 150 Dollar pro Tonne nach sich und schädigt die Geschäftsbeziehung zum nachgelagerten Recycler (Veriprajna WP45-Studie, 2026). Ein einziger falsch-negativer PVC-Befund in einem PP-Ballen ist ein Chlorproblem, für das die gesamte Charge büßt. Die eigentliche Herausforderung liegt nicht in der Klassifizierung des Kunststoffs. Sie liegt im Nachweis des Ballens.

Das Gate, das das Modell nicht überstimmen kann

Assay klassifiziert jedes Objekt und entscheidet anschließend in transparentem Code, ob es in den Ballen gehört, ob es von einem Menschen geprüft werden muss oder ob es direkt zurückgewiesen wird. Der Klassifikator schlägt vor; deterministische Gates entscheiden.

Spektrum erfassen

Ein eigens implementiertes numpy 1D-CNN (Conv1D×3 über Global Average Pooling und zwei Dense-Schichten zu Softmax) klassifiziert jedes Objekt als PP/PE/PS/ABS/PVC anhand seines MWIR-Spektrums mit 154 Bändern – mit echtem Forward- und Backpropagation-Durchlauf, Adam-Optimierer und Temperaturkalibrierung (Temperatur 1.811). Es läuft als reiner numerischer Code im zeitkritischen Förderbandpfad von rund 5 ms. In dieser Entscheidung kommt an keiner Stelle ein LLM zum Einsatz.

Enthalten statt raten

Fällt die kalibrierte Max-Softmax-Konfidenz unter 0.86, wird das Objekt zur manuellen QC geleitet und vom Ballen ferngehalten, anstatt zu raten. Jedes PVC-verdächtige Objekt oberhalb eines niedrigen asymmetrischen Schwellenwerts (0.06) wird als Chlorrisiko strikt abgewiesen (Hard-Reject), da ein falsch-negativer PVC-Befund in einem PP-Ballen katastrophale Folgen hat und eine asymmetrische Regel rechtfertigt.

Ballen zertifizieren

Während der Ballen ausschließlich automatisch akzeptierte Objekte sammelt, prüft ein deterministisches Richtlinien-Gate ihn anhand der implementierten APR Model Bale Spec Grade A rPP (mindestens 97% PP, maximal 0,5% PVC). Bestehen oder Nichtbestehen ist eine Regel, die das Modell nicht überstimmen kann, und jeder Ballen wird mit einem signierten (sha256) Zertifikat ausgeliefert, das die gemessene Reinheit, jede geprüfte Klausel und den Modell-Hash ausweist.

Die Pipeline pro Objekt verläuft geradlinig: ein emuliertes MWIR-Spektrum mit 154 Bändern, Standardisierung pro Band, die 1D-CNN-Klassifizierung mit kalibrierter Konfidenz, das Konfidenz-Gate und der PVC-Hard-Reject, die Ballenakkumulation, das deterministische APR-Richtlinien-Gate und schließlich das signierte Zertifikat sowie das Live-Dashboard. Die Vertrauensebenen – das Enthalten (Abstain), die PVC-Zurückweisung und die Richtlinienprüfung – liegen außerhalb des Modells, in einsehbarem Code.

Diese Trennung ist der beständige Teil. Der Klassifikator kann sich verbessern oder verschlechtern – das Gate leistet stets dieselbe Arbeit: Es hält mehrdeutige Objekte aus dem Ballen fern und verweigert PVC. Schaltet man das Gate aus, liefert dasselbe 0.894-Modell auf demselben Materialstrom einen fehlerhaften Ballen. Das ist der deutlichste Beweis dafür, dass die Garantie in der Infrastruktur liegt, nicht in den Gewichten des neuronalen Netzes. Die Demo ist deterministisch (Seed 11), trainiert in rund 31 Sekunden und speichert ihre Gewichte im Cache, sodass jeder Durchlauf reproduzierbar ist.

Ein einziger Schalter zeigt den entscheidenden Unterschied

Die folgenden Screenshots zeigen das tatsächlich laufende Assay-Dashboard. Die Spektren und Objekte sind synthetisch und wurden von einem physikalisch fundierten Emulator erzeugt, der eine Specim FX50 nachbildet, wie in der Anwendung deutlich angegeben ist. Real sind das CNN, die Gates, die Richtlinienprüfung und die Evaluierung.

Das Assay MWIR-Nebenband-Dashboard während des Betriebs mit aktivem Konfidenz-Gate: das Live-Spektraldiagramm am Scankopf, die Füllstände der Sortierbehälter bei rPP 121, PE 29, PS 11, ABS 10, PVC-Reject 31 und manueller QC 38 sowie ein grüner Fortschrittsbalken für 'Bale Certified'.

Die Live-Sortierung mit aktiven Guardrails

Schwarze Objekte laufen über das MWIR-Nebenband an Linie 04. Das 1D-CNN klassifiziert jedes Objekt anhand seines Spektrums und der Auswerfer-Stub sortiert es ein: rückgewonnenes PP in den rPP-Behälter, andere Polymere in ihre jeweiligen Behälter, PVC in den Hard-Reject und Objekte mit geringer Konfidenz zurückgehalten zur manuellen QC statt blindem Raten. Bei aktivem Gate wird der sich füllende Ballen fortlaufend zertifiziert. Die 38 zur QC geleiteten Objekte sind der ehrliche Preis dafür, die Charge nicht zu verunreinigen.

Das signierte Assay rPP-Ballenzertifikat bei aktivem Gate: 99.2% PP, PASS gemäß APR Grade A rPP, PP-Gehalt von 99.2% und PVC-Gehalt von 0.00% beide bestätigt, 121 Objekte im Ballen, 38 zur manuellen QC geleitet, 17 PVC-Objekte erfasst und 0 durchgelassen.

Der konforme Ballen (Gate aktiv)

Bei Demo-Seed 11 erreicht der Ballen mit Gate 99.2% PP bei 0.00% PVC-Leckage und besteht als APR Grade A rPP. Das Zertifikat ist kein Marketing-Abzeichen. Es führt die gemessene Zusammensetzung auf, prüft jede APR-Klausel mit 'Bestanden' oder 'Nicht bestanden' und protokolliert, dass 17 PVC-Objekte abgefangen und keines durchgelassen wurde – zusammen mit der rückgewonnenen Tonnage und dem Erlös, die live für das Anlagenprofil mit 50.000 Jahrestonnen berechnet werden. Es wird bei jedem Durchlauf neu generiert und kann als archivierbares JSON oder druckbares HTML exportiert werden.

Das Assay-Zertifikat für denselben Materialstrom bei deaktiviertem Gate: 94.2% PP, FAIL und Ballen zurückgewiesen; der PP-Gehalt von 94.2% verfehlt die 97%-Vorgabe und der PVC-Gehalt von 1.94% überschreitet den Grenzwert von 0.5%, beide mit einem roten Kreuz markiert.

Der fehlerhafte Ballen (Gate inaktiv, dasselbe Modell)

Schaltet man das Konfidenz-Gate aus, fällt der Klassifikator auf naives Argmax zurück. Am Modell selbst hat sich nichts geändert. Derselbe Materialstrom liefert nun einen Ballen mit 94.2% PP und 1.94% PVC aus, der beide APR-Klauseln verfehlt und abgewiesen wird: PP unterhalb der 97%-Untergrenze, PVC fast viermal so hoch wie die Obergrenze von 0.5%. Der Unterschied zwischen dem zertifizierten und dem zurückgewiesenen Ballen liegt in der Schutzschicht aus Enthalten (Abstain) und PVC-Hard-Reject – nicht in einem besseren Netzwerk. Das gilt selbst dann, wenn das zugrunde liegende CNN weiter verbessert wird.

Das Assay Modell-Benchmark-Panel zeigt 0.894 für das MWIR 1D-CNN, 0.668 für die regelbasierte Peak-Ratio-Baseline und 0.834 für den RCR-Feld-Benchmark vom Januar 2026 – wobei Ballen mit Gate APR bei ca. 85% erfüllen, Ballen ohne Gate bei ca. 22.5% über 40 zufällige Ballen hinweg.

Ehrliche Genauigkeit und das Aggregat, das die These stützt

Das Benchmark-Panel weist für das CNN eine balancierte Genauigkeit von 0.894 auf einem Held-out-Heavy-Stream aus, flankiert von der interpretierbaren Peak-Ratio-Baseline mit 0.668 und dem Peer-Review-Feld-Benchmark von 0.834 (Resources, Conservation & Recycling, Jan. 2026). Das Modell bewertet sich somit nicht selbst, sondern orientiert sich an realen Feldwerten statt an Laborwerten von 99%. Der entscheidende Punkt ist das Aggregat darunter: Über 40 zufällige Ballen aus dem anspruchsvollen Materialstrom hinweg erreicht der Ballen mit Gate in etwa 85% der Fälle APR Grade A, gegenüber nur etwa 22.5% ohne Gate.

Das Assay Latenz-Panel zur Rechenarchitektur bei 3.0 m/s: Eine optimierte Edge-GPU (Jetson AGX Orin, TensorRT, 14 ms) wird empfohlen – mit einem Ausblasbereich von 42 mm über rund 3.4 Düsenabstände; ein FPGA-Datenfluss wird als nicht gerechtfertigt eingestuft, was 32.000 Euro und rund 20 Wochen spart.

Empfehlung der kostengünstigeren Hardware, sobald die Rechnung es erlaubt

Die Latenz-Engine berechnet den Versatz als Bandgeschwindigkeit multipliziert mit der Latenz von der Erkennung bis zum Auswurfimpuls und stuft eine Architektur als ausreichend ein, wenn der Ausblasimpuls nicht mehr als etwa vier Auswerferdüsen-Abstände überstreicht. Bei 3.0 m/s empfiehlt sie die optimierte Edge-GPU (Jetson AGX Orin, TensorRT, 14 ms), deren 42 mm Impulsbreite etwa 3.4 Düsenabstände innerhalb des Zielfensters abdeckt, und stellt fest, dass ein FPGA nicht gerechtfertigt ist – wodurch 32.000 Euro und etwa 20 Wochen eingespart werden. Erhöht man die Bandgeschwindigkeit auf über ca. 3.6 m/s, wechselt die Empfehlung zu FPGA. Das System empfiehlt keine teurere Komponente als nötig.

Die gemessenen Kennzahlen und ihr genauer Geltungsbereich

Dies sind Evaluierungszahlen der Demo auf synthetischen, aber realitätsnahen Daten – keinesfalls eine Garantie für offene Umgebungen oder den Produktivbetrieb. Die drei unten aufgeführten Geltungsbereiche stellen getrennte Datensätze dar und werden niemals vermischt.

Messung	Geltungsbereich	Wert
Balancierte Modellgenauigkeit / Makro-F1	Held-out-Heavy-Stream, n=1.700	0.894
Regelbasierte Peak-Ratio-Baseline	Derselbe Held-out-Stream (Referenz)	0.668
Peer-Review-Feld-Benchmark	RCR, Jan. 2026 (Kontext, nicht unsere Daten)	0.834
Ballen mit Gate erfüllt APR Grade A	40 zufällige Heavy-Stream-Ballen	~85%
Ballen ohne Gate erfüllt APR Grade A	Dieselben 40 Ballen, naives Argmax	~22.5%
Einzelner Ballen mit Demo-Seed 11 (mit Gate)	Ein Ballen, Gate aktiv	99.17% PP / 0% PVC → PASS
Einzelner Ballen mit Demo-Seed 11 (ohne Gate)	Derselbe Ballen, Gate inaktiv	94.19% PP / 1.94% PVC → FAIL
Zur manuellen QC geleitet / PVC-Erfassung / PP-Rückgewinnung	Datensatz über 60 Ballen mit angepasstem Gate	~12.6% / ~99.8% / ~71.2%

Die Zahl, die die These trägt, ist die Diskrepanz zwischen Ballen mit und ohne Gate bei demselben Modell. Die Genauigkeit des Klassifikators weiter zu steigern, ist ein langwieriges Unterfangen mit engen Grenzen. Das Aktivieren der Schutzschicht aus Enthalten (Abstain) und Zurückweisung erhöht die Bestehenswahrscheinlichkeit eines Ballens sofort von rund 22.5% auf rund 85% – und das mit dem Modell, das Sie bereits im Einsatz haben. Das angepasste Gate hat einen ehrlichen Preis: Etwa 12.6% des Materialstroms gehen zur manuellen QC, und es werden rund 71.2% des PP zurückgewonnen statt der Gesamtmenge. Es leitet im Zweifel mehr Material zur QC weiter, anstatt Ihren Ballen durchfallen zu lassen, und fängt ca. 99.8% des PVC ab – bei nur einem einzigen Leck über 60 Ballen hinweg.

Was diese Demo nicht leistet

Es handelt sich um eine ausführbare Demo zum Nachweis des Wirkprinzips, nicht um eine produktiv installierte Pipeline an einer echten Sortierlinie.
Der Sensor Specim FX50 wird durch einen physikalisch fundierten synthetischen Spektralgenerator emuliert; SPS und pneumatischer Auswerfer sind als protokollierter OPC-UA-Stub ausgeführt; die RGB-Objektsegmentierung wird als gegeben vorausgesetzt. Nichts davon ist ein Live-Sensorfeed oder ein physisch ausgelöster Auswerfer.
0.894 ist ein Testergebnis auf einem anspruchsvollen Held-out-Materialstrom (n=1.700), nicht der Specim-Laborwert von rund 99% und keine Garantie für den offenen Betrieb. Wir verankern das Ergebnis am Peer-Review-Feld-Benchmark von 83.4%.
Die Auswertung zeigt 1 PVC-Leck über 60 Ballen hinweg, etwa 12.6% Ausschleusung zur QC und rund 71% PP-Rückgewinnung. Das Ergebnis ist solide und ehrlich, nicht perfekt – wir erheben keinen Anspruch auf null PVC, absolute Kontaminationsfreiheit oder 100%ige Reinheit.
Wir entwickeln die herstellerneutrale Nachrüst-Steuerung für Nebenbänder, nicht die Sortiermaschine selbst. Wir kopieren, ersetzen oder übertreffen weder TOMRA, Steinert, Machinex, Pellenc noch andere marktgängige Sortieranlagen, sondern schalten uns der primären NIR-Sortierung nach.
Das Zertifikat dient als auditfähiger Reinheitsnachweis, stellt jedoch keinen Konformitäts-, Zertifizierungs- oder Erfüllungsanspruch bezüglich PPWR, California SB 54, RecyClass oder EPR dar. Diese Regularien werden rein als regulatorischer Kontext angeführt.
Die WEEE/RFA-Brom-Fusion, die wöchentliche Rekalibrierungsschleife und die Qualifizierung alternativer Sensoren stellen einen Erweiterungspfad dar, der zurückgestellt wurde und hier nicht demonstriert wird.
Es werden weder Kunden, MRFs, Recycler noch Tonnagen aus dem Feldbetrieb impliziert. RCR Jan. 2026, APR, PPWR, SB 54, RecyClass und die genannten Sortieranlagen sind öffentlich zugängliche Referenzen, keine Kunden von uns.

Fragen von Werksleitern und Recycling-Technologieteams

Wie sortiert man schwarzen Kunststoff, wenn ein NIR-Sortierer ihn überhaupt nicht erkennt?

Ruß absorbiert über das gesamte Nahinfrarotspektrum hinweg, sodass eine schwarze Schale auf einem schwarzen Band für einen optischen NIR-Sortierer ein signalschwaches Nichts (Zero-Signal Void) darstellt. Seine Signatur im mittleren Infrarotbereich (2,7 bis 5,3 Mikrometer) ist jedoch keineswegs leer, da die polymerspezifischen Absorptionsbanden dort weiterhin erkennbar sind. Assay erfasst pro Objekt ein MWIR-Spektrum mit 154 Bändern, und ein von Grund auf implementiertes numpy 1D-CNN klassifiziert es als PP, PE, PS, ABS oder PVC. In dieser Demo wird der FX50-Sensor durch einen physikalisch fundierten Spektralgenerator emuliert, was in der Anwendung transparent ausgewiesen wird.

Müssen wir unsere bestehende NIR-Sortieranlage abbauen, um dies zu nutzen?

Nein. Assay ist eine Nebenband-Sensorstation, die den stark schwarzhaltigen Reststoffabwurf Ihrer primären NIR-Sortierung erfasst. Sie wird der bereits vorhandenen Sortieranlage nachgeschaltet und gewinnt jene Fraktion zurück, die andernfalls im Restmüll und auf der Deponie landen würde. Wir ersetzen oder kopieren weder TOMRA, Steinert, Machinex, Pellenc noch andere etablierte Sortierer und erheben keinen Anspruch darauf, diese zu übertreffen.

Wie genau ist der Klassifikator tatsächlich?

Auf einem anspruchsvollen Held-out-Materialstrom von 1.700 Objekten mit einer gezielt schwierigeren Verteilung als im Training erzielt das MWIR 1D-CNN eine balancierte Genauigkeit von 0.894. Dies liegt nahe am Peer-Review-Feld-Benchmark von 83.4% (Resources, Conservation & Recycling, Jan. 2026), verankert durch eine interpretierbare Peak-Ratio-Regelbaseline von 0.668. Wir weisen diese ehrliche Kaltstart-Spanne bewusst aus. Wir übernehmen nicht den Specim-Laborwert von rund 99% als unseren eigenen; 0.894 ist ein Testset-Wert, keine Garantie für den offenen Echtbetrieb.

Wenn das Modell nicht perfekt ist, wie können Sie garantieren, dass ein Ballen die Spezifikation erfüllt?

Die Garantie entsteht durch die Infrastruktur außerhalb des Modells, nicht durch den Klassifikator. Ein kalibriertes Konfidenz-Gate leitet jedes Objekt mit einem Softmax-Wert unter 0.86 zur manuellen QC weiter, anstatt es auf gut Glück in den Ballen zu sortieren; PVC wird als Chlorrisiko strikt abgewiesen (Hard-Reject), und ein deterministisches Richtlinien-Gate prüft den akkumulierten Ballen anhand der APR Model Bale Spec (Grade A rPP verlangt mindestens 97% PP und maximal 0,5% PVC). Über 40 zufällige Ballen aus anspruchsvollem Materialstrom erfüllt der Ballen mit Gate in rund 85% der Fälle APR Grade A – verglichen mit ca. 22.5% bei naivem Argmax mit demselben Modell.

Was beweist das Ballenzertifikat einem Auditor tatsächlich?

Zu jedem Ballen wird ein signierter (sha256) Datensatz geliefert – archivierbar als JSON oder druckbares HTML. Dieser weist die gemessene Zusammensetzung des Ballens, jede geprüfte APR-Klausel mit 'Bestanden' oder 'Nicht bestanden', den Modell-Hash und die Architektur, den Konfidenz-Schwellenwert sowie die Anzahlen der automatisch akzeptierten, zur QC geleiteten und strikt abgewiesenen Objekte aus, ergänzt um die rückgewonnene Tonnage und den Erlös. Es handelt sich um einen Reinheitsnachweis, nicht um eine behördliche Zertifizierung. Wir erheben keinen Anspruch auf Konformität mit PPWR, SB 54 oder RecyClass.

Benötigen wir teure FPGA-Hardware, um dies bei voller Bandgeschwindigkeit auszuführen?

Nicht bei typischer Bandgeschwindigkeit. Die Latenz-Engine berechnet den Versatz aus Bandgeschwindigkeit multipliziert mit der Latenz zwischen Erkennung und Auswurfimpuls und stellt sicher, dass der Ausblasbereich nicht mehr als etwa vier Düsenabstände umfasst. Bei 3.0 m/s empfiehlt sie eine optimierte Edge-GPU (Jetson AGX Orin, TensorRT, 14 ms), deren Ausblasbereich von 42 mm etwa 3.4 Düsenabstände abdeckt, und stuft einen FPGA als nicht gerechtfertigt ein – was 32.000 Euro und etwa 20 Wochen spart. Erhöht man die Geschwindigkeit auf über ca. 3.6 m/s, schlägt sie transparent den Wechsel zu FPGA vor. Sie empfiehlt die kostengünstigere Variante, wann immer die physikalischen Parameter es zulassen.

Technische Forschung

Die Forschung hinter dieser Demo – die Architektur, das Verifikationsdesign und die Enterprise-Blaupause.

Gesamtlösung

Lösung für KI-gestützte Materialrückgewinnung und Schwarz-Kunststoff-Sortierung entdecken →

Setzen Sie ein Reinheits-Gate zwischen Ihren Klassifikator und Ihren Ballen

Wenn ein zurückgewiesener Ballen Sie Umsatz und eine Kundenbeziehung im Recycling kostet, liegt die Fehlerursache im fehlenden Gate, nicht im Modell.

Wir haben Assay entwickelt, um zu zeigen, dass ein kalibriertes Enthalten (Abstain), ein PVC-Hard-Reject und ein deterministisches Richtlinien-Gate aus einem ehrlichen, guten Klassifikator ein auditierbares Ballenzertifikat machen können. Dasselbe Framework lässt sich auf andere Spezifikationen und andere Sensoren anwenden. Teilen Sie uns mit, welche Schwarzfraktion Ihre Linie verliert und welche Qualität Ihr Recycler verlangt – wir prüfen gemeinsam, ob eine durch Gates gesicherte Rückgewinnungsstation zu Ihren Anforderungen passt.

Audit zur Schwarzfraktions-Rückgewinnung

✓ Ermittlung des schwarzen Kunststoffs, den Ihre NIR-Sortierung an den Reststoffstrom verliert
✓ Abgleich mit den Ballenspezifikationen, die Ihr nachgelagerter Recycler einfordert
✓ Konzeption einer MWIR-Nebenbandstation im Nachgang zu Ihrer Sortieranlage
✓ Definition der Schwellenwerte für Enthalten (Abstain) und PVC-Reject für Ihre Zielgüte

Aufbau der Gate-gesicherten Rückgewinnungsstation

✓ Spektralklassifikator plus deterministische Gates als einsehbarer Code
✓ Kalibriertes Enthalten zur QC und asymmetrischer PVC-Hard-Reject
✓ Signiertes Reinheitszertifikat pro Ballen gemäß Ihrer Spezifikation
✓ Latenzberechnung nach Bandgeschwindigkeit zur Auswahl der kostengünstigsten ausreichenden Rechenhardware

Über WhatsApp kontaktieren E-Mail an unser Team senden