Robotdemontage van elektronica moet e-wasteberg doen slinken

Door de vooruitgang in de technologie, wordt de levensduur van elektronische apparaten – paradoxaal genoeg- steeds korter. Dit resulteert in een gestaag groeiende vraag naar eindige grondstoffen en een groeiende stapel e-waste. Het iDear-project van het Fraunhofer IFF zoekt oplossingen middels geautomatiseerde, niet-destructieve robotdemontage van elektronica voor herfabricage en materiaalrecycling.

Meer dan 80 procent van het geproduceerde e-afval eindigt momenteel op stortplaatsen of in verbrandingsovens, inclusief alle waardevolle grondstoffen, edele metalen en zeldzame aardmetalen die in de elektronica zitten. Het kleine percentage e-waste dat wordt verwerkt, wordt meestal versnipperd, terwijl slechts een beperkt deel handmatig wordt gedemonteerd, ontdaan van gevaarlijke stoffen, mechanisch afgebroken en gesorteerd in verschillende fracties.

Dergelijke handmatige demontage brengt hoge kosten met zich mee en is niet erg effectief. Er zijn vrijwel geen duurzame strategieën voor waardebehoud om elektronica op te knappen en te recyclen die een geavanceerde circulaire economie mogelijk maken.

Revolutie

In het iDear-project, dat staat voor Intelligent Disassembly of Electronics for Remanufacturing and Recycling, combineren wetenschappers van Fraunhofer IFF in Maagdenburg kennismanagement, metrologie, robotica en kunstmatige intelligentie tot een intelligent systeem voor geautomatiseerde en niet-destructieve demontageprocessen om een certificeerbaar, gesloten afvalbeheersysteem op te zetten.

“We zijn van plan om een revolutie teweeg te brengen in de demontage van e-waste. De huidige oplossingen vereisen aanzienlijke engineering en zijn beperkt tot een bepaalde productgroep. In het iDear-project streven we naar een datagestuurde methodologie zodat de meest uiteenlopende producten, van computers tot magnetrons en huishoudelijke apparaten, in realtime kunnen worden gedemonteerd met weinig engineering”, zegt Dr. José Saenz, manager van de Assistive, Service and Industrial Robots Group bij Fraunhofer IFF.

De onderzoekers concentreren zich in eerste instantie op de geautomatiseerde demontage van computers. Het is de bedoeling dat het systeem in de loop der tijd kan worden geüpgraded voor alle apparatuur

Hoe het werkt

Nadat de onderdelen zijn geleverd en gescheiden, worden de eerste processen van identificatie en conditieanalyse gestart. Optische sensorsystemen en 3D-camera’s met AI-gestuurde algoritmen scannen vervolgens labels met informatie over de fabrikant, het producttype en -nummer, detecteren componenttypes en -locaties, onderzoeken geometrieën en oppervlakken, beoordelen de conditie van bevestigingsmiddelen zoals schroeven en klinknagels en detecteren afwijkingen.

“Optische metrologie helpt bij het scannen van labels en het sorteren van verschillende onderdelen, zoals schroeven. Eerder getrainde algoritmen voor machinaal leren en AI interpreteren de beeldgegevens en maken de identificatie en classificatie van materialen, kunststoffen en onderdelen in realtime mogelijk op basis van sensor- en spectrale gegevens”, aldus Saenz.

Roest? Lijm?

De AI detecteert bijvoorbeeld of een schroef verborgen of verroest is. “Alle gegevens worden opgeslagen in een digitale demontage-tweeling, die als het ware een productinstantie is en ook informatie geeft over of een soortgelijk product ooit is gedemonteerd.”.

In de volgende stap definiëren Saenz en zijn team de demontagevolgorde, zodat hun software kan bepalen of ze een volledige demontage uitvoeren of zich alleen richten op het terugvinden van specifieke, waardevolle componenten. Gelijmde of anderszins aan elkaar vastzittende componenten belemmeren een niet-destructieve demontage. Roestige of gestripte schroeven of vervormde onderdelen zijn hiervoor ook niet ideaal.

Het demontageproces begint op basis van deze informatie op hoog niveau. De robot krijgt een reeks instructies en uit te voeren handelingen, zoals “Verwijder twee schroeven links van de behuizing, open de behuizing” enzovoort. Waar nodig wisselt de machine tussen de afzonderlijke stappen van gereedschap.

De vaardigheden die in de demontagescenario’s worden gespecificeerd, omvatten robothandelingen zoals schroeven, heffen, snijden, uitpakken, lokaliseren, herpositioneren, losmaken, hendels bewegen, draden buigen, breken en doorsnijden, die de demontagerobot volledig autonoom kan uitvoeren.

De demonstrator slaagde er in tests zelfs in om een moederbord uit een computer te halen – een zeer complexe taak die een hoge mate van precisie vereist. “Daarvoor gebruikten we AI. Een AI-agent wordt eerst getraind om het proces op het simulatiemodel uit te voeren en later brengen we de getrainde robotactie over naar de echte experimentele opstelling. Dit is niet nodig voor eenvoudige vaardigheden, zoals lokalisatie. Daarvoor gebruiken we sensor- en cameragegevens.”

Statuq quo

De individuele demonstrators voor de deelprocessen zijn gebouwd: een station voor de identificatie en analyse van computers, een demonstrator van het beoordelingsmodel gekoppeld aan de digital twin van het product en de demontagevolgorde, een digital twin demonstrator, een demonstrator van de automatische uitvoering van op vaardigheden gebaseerde robotacties voor demontage en een demonstrator van AI-gegenereerde robotacties om moederborden uit de behuizing te verwijderen.

In de volgende stap worden de demonstrators met elkaar verbonden. Het doel is één demonstrator die alle technologische ontwikkelingen integreert en alle geautomatiseerde demontageprocessen kan uitvoeren.