人工智能能否拯救回收業?——《華爾街日報》
Dieter Holger | Photographs and Videos by Rachel Woolf for The Wall Street Journal
全美各地的回收企業正面臨困境,工人短缺和成本上升導致回收業務往往無利可圖。
他們寄希望於人工智能能扭轉局面,提高回收率。
根據美國環保署最新數據,城市固體廢物回收率從2015年的近35%降至2018年的約32%,環保署數據顯示。
人工智能如何助力?通過接手越來越多人不願做的分揀工作——且做得更好。AI驅動的機器人每分鐘可分揀約80件可回收垃圾;人工分揀速度約為每分鐘50至80件。光學分揀機作為更成熟的技術,藉助改進的AI效率更高,每分鐘可分揀多達1000件。
美國大型回收企業和許多中小型企業正在部署這兩種方案,旨在從廢物流中回收更多可用材料。
博爾德縣回收中心員工正在進行材料分揀作業。### 填補勞動力缺口
一切始於勞動力問題。由飲料、食品等企業支持的非營利組織"回收夥伴關係"首席系統優化官科迪·馬歇爾表示,分揀站點通常只有80%到崗率,有時低至20%。人手不足意味着無法滿負荷運轉。“AI可以填補這些空缺”,他説。
蘇珊娜·瓊斯,博爾德縣回收中心運營方Eco-Cycle的執行董事。在科羅拉多州最大的回收站之一——博爾德縣回收中心,這項技術正發揮作用。該設施三年前在分揀廠引入了機器人。兩條配備機械臂和吸盤的機器人在傳送帶上分揀塑料瓶、牛奶盒等可回收垃圾。該非營利運營機構Eco-Cycle的執行董事蘇珊娜·瓊斯表示,機器人承擔了人們不願做的繁重工作。
更重要的是,“它們不需要休息,不休假,還能連軸轉”,瓊斯説。
諮詢公司Resource Recycling Systems總裁J.D.林德伯格指出,長遠來看,分揀機比人工更經濟。他表示回收企業通常兩年內就能收回機器人系統的投資,雖然維護升級有持續成本,但機器人能以更低成本處理更多分揀。
部分回收企業選擇規避前期投入。美國最大回收機器人制造商AMP Robotics首席執行官馬坦亞·霍洛維茨透露,公司多數機器人採用租賃模式,費用比企業支付的人工時薪低20%至50%。
雙軌並行
當前AI分揀設備主要有兩種形態:近年快速普及的機械臂和光學分揀機。Resource Recycling Systems數據顯示,美國使用機器人的分揀中心比例從2019年的不足5%升至32%。通過深度學習(一種圖像識別技術),機器人AI視覺系統能精準識別形狀、尺寸甚至品牌標誌,準確分揀塑料、紙張、玻璃和金屬等可回收物。
根據資源回收系統公司的數據,光學分選機存在於美國大多數大型回收設施中,這些設施共同處理了美國一半以上的可回收物。它們利用傳感器和光線,在混合材料的傳送帶上快速識別可回收物品。一旦發現可回收材料,機器會噴射壓縮空氣將其分揀至對應收集箱。
資源回收系統公司的林德伯格表示,機器人可被添加到現有設施中,與人類在同一傳送帶上工作;而光學分選機需要獨立傳送帶處理垃圾,需額外空間,通常需在回收中心重建或新建時安裝。
博爾德縣回收中心是科羅拉多州規模最大的回收機構之一。### 重大押注
美國最大廢棄物管理公司Waste Management將人工智能作為其2030年前實現可回收物回收率提升60%目標的核心策略。該公司去年啓動總額超10億美元的投資計劃,到2026年前建設40個回收中心,其中大部分資金將用於自動化和人工智能技術。
該公司可持續發展主管塔拉·海默指出,當前自動化工廠可能僅需4-6名員工配合機器分揀,而非自動化設施需要多達50名員工。
作為人工智能設備影響的一個例證,該公司表示,在配備光學分選機的回收中心,酸奶杯和黃油容器中常見的聚丙烯回收率提升了近40%。
WM公司的自動化進程主要聚焦於光學分選設備,但機械臂在聚丙烯分揀領域同樣成效顯著。回收合作伙伴組織數據顯示,安裝機械臂的聚丙烯分揀場地物料回收量提升了259%。
美國第二大廢物回收公司共和服務集團正投資機器人技術,作為其2030年前實現紙板、金屬、紙張和塑料等關鍵材料回收率提升40%目標的重要舉措**。**
該公司回收與可持續發展副總裁皮特·凱勒表示,計劃到明年年底將機器人部署比例從目前的約10%提升至74個分揀中心的20%。他指出,雖然降低人力成本是採購機器人的主因(因地而異),但材料回收量和品質提升等因素可能更具決定性。
博爾德縣回收中心三年前在分揀工廠引入機器人,與人工協同作業。### 新挑戰
生態循環組織的瓊斯指出,人工智能技術仍面臨挑戰:機器人需要前期投入,且設備需頻繁維護升級。林德伯格透露,單台機器人成本通常在15萬至30萬美元之間。圍繞光學分選機新建或改造回收中心的成本更高(每套系統100萬至200萬美元),且需要停產改造,部分回收商難以承受。
總部位於明尼阿波利斯的非營利組織尤里卡回收公司聯合總裁凱特·達文波特表示,該機構2021年選擇租賃兩台機器人(而非光學分選機)來分揀瓶罐,原因是承擔不起安裝光學分選機所需的停機時間。
她指出,機器人通過回收材料的價值覆蓋了自身成本,並隨時間推移不斷改進,但人類在回收設施中仍具價值,因為某些工作人類仍能做得更好。例如,工人可以快速歸攏傳送帶上湧來的大量塑料瓶,而機器人必須用吸盤逐個抓取。“我們將機器人視為工具箱中的一種工具。“她解釋道。
此外還存在持續的維護修理成本。但達文波特表示,儘管這些機器人每年可能累計故障兩週,它們仍能實現收支平衡。
AMP機器人公司首席執行官霍洛維茨認為,隨着機器人調試優化,未來幾年升級維護頻率將會降低。他表示這種學習曲線與汽車製造等其他行業的機器人發展軌跡相似。
與此同時,林德伯格看到了人工智能分揀機更廣泛的潛在效益,部分源於機器能記錄流經回收中心的材料數據。例如,這些數據正幫助某些州瞭解其廢物流中的品牌構成,從而制定或擴展所謂的生產者責任延伸計劃——通過對企業產品徵收小額費用來資助回收。包裝設計師也可利用這些數據,確保系統能識別進入廢物流的新型材料。
他表示,人工智能可以通過機器學習逐步提升機器的分揀能力。“AI技術對回收經濟的影響才剛剛開始。”
迪特爾·霍格是加利福尼亞州聖克魯斯的作家,聯繫方式:[email protected]。
本文發表於2023年11月9日印刷版,標題為《人工智能能拯救回收業嗎?》。