Ceit – Sistema de desmontaje automatizado para recuperación de materiales críticos
Ceit
Sector: Industria
Business Case
Las tareas robóticas de ensamblaje están muy implantadas en la industria, pero no así el desmontaje automatizado. Existe una carencia en la automatización de este proceso y se ha identificado como uno de los grandes retos medioambientales y tecnológicos de la próxima década. El reciclaje de los RAEE (Residuos y Aparatos Eléctricos y Electrónicos) es por tanto una obligación, pero también una oportunidad ya que permite recuperar materiales valiosos que de otra forma se perderían mediante su reciclado o valorización como materia prima secundaria, al mismo tiempo que se reduce el impacto ambiental y consumo de recursos que supone la extracción de los elementos vírgenes y su posterior procesado para la fabricación de materiales primarios.
Objetivos
Desarrollar tecnologías inteligentes de visión artificial (CV) y robótica para el montaje y desmontaje de componentes RAEE. El sistema consiste en una célula flexible para montaje y desmontaje industrial donde la combinación de tecnologías robóticas, de visión artificial e IA puedan abordar la manipulación de componentes en entornos dinámicos y no estructurados, facilitando estas operaciones que hoy en día sólo son posibles de llevar a cabo de manera manual. Los productos a recuperar son baterías y elementos que contienen imanes de Neodimio.
Use case
La estructura de hardware propuesta se basa en un robot industrial de alto grado de IP con control en fuerza/par. En la brida del robot hay un sensor de fuerza/par de 6 ejes con un intercambiador automático de herramientas. Se plantea el uso de diferentes tipos de herramientas para que el robot sea capaz de abordar una amplia variedad de operaciones de desmantelamiento de los RAEE: Pinza/garra, ventosas, atornillador/desatornillador, taladro, rotaflex o similar para operaciones de corte,… Además, el robot tiene un sistema óptico para obtener una percepción del entorno y guiar al robot en las tareas de manipulación.
Infraestructura
Hw: célula con brazo robótico, herramientas y cámara de profundidad. Sw propio de computer vision, deep learning y control del robot.
Tecnologías utilizadas
Aprendizaje Automático o Profundo y Reconocimiento/procesamiento de imágenes
Datos utilizados
Datasets Públicos y Videos del entorno de trabajo
Recursos utilizados
Personal investigador multidisciplinar con conocimientos en IA, computer science, robótica, electrónica, diseño mecánico, etc.
Dificultades y aprendizaje
Las tareas más críticas o con más riesgo se pueden englobar en dos tipos: 1) Automatización eficiente y robusta: si se quiere un proceso eficiente, las tareas tienen que ser rápidas y ágiles. Dar esa velocidad a los procesos robóticos de manipulación implica el riesgo de que haya más errores y se reduzca la robustez del sistema. 2) Sistema flexible: debido a la alta variabilidad de modelos de producto, de estados de deterioro y de condiciones imprevistas en el proceso, la inteligencia artificial que hay que desarrollar para que el sistema sea dinámico y capaz de adaptarse a diferentes escenarios, es un reto importante.
KPIs (impacto en el negocio y métricas del modelo)
El proyecto aborda todos los retos técnicos a lo largo de toda la cadena de valor. – Aumentar el reciclaje de materias primas prometedoras procedentes de tecnologías de productos de EoL y minas urbanas, incluidas tecnologías eficientes de clasificación para la separación y el reciclaje; – Desarrollo de proyectos piloto que demuestren que las materias primas pueden producirse de forma innovadora y sostenible; – Reforzar la competitividad de las industrias europeas de materias primas; – Contribuir a los ambiciosos objetivos energéticos y climáticos para 2030; – Minimizar los impactos y riesgos medioambientales y maximizar la circularidad; – Cadena de valor de los REE resiliente, sostenible y segura para los ecosistemas europeos;
Financiación
Proyectos Horizon Europe REEPRODUCE (RESILENCE-01-04) Grant Agreement No. 101057733 y RecAL (TWIN-TRANSITION-01-42) Grant Agreement No. 101138747. Proyecto FABRICARE funded by EU and CDTI (CER-20231003).
Colaboradores
Indumetal como proveedor de material de reciclado
