Electromechanical equipment automated plastic waste sorting system and technology for their disposal

Скорочена інформація про документ
dc.contributor.advisorBoichenko, Sergii
dc.contributor.authorJunwei Ren
dc.date.accessioned2026-09-16T08:14:22Z
dc.date.available2026-09-16T08:14:22Z
dc.date.issued2024
dc.description.abstractPlastic recycling plays a pivotal role in advancing a circular economy. Effective mechanical recycling requires plastic waste to first be sorted by type, color, and dimensions to recover high-quality material for further processing, while chemical recycling requires excluding certain plastics that can impair the process. Sorting at Materials Recovery Facilities increasingly relies on advanced automated technologies, with accurate identification of plastic types typically achieved through spectroscopic analysis enhanced by machine learning and artificial intelligence. This paper outlines recent advances in integrating machine learning and AI into plastic recycling, reviewing current identification and sorting technologies, and drawing on publicly available data to assess commercial sorting equipment in terms of sensors used, sorting efficiency across plastic types, main applications, capacity, and precision. Despite significant progress, challenges remain in separating plastic films, dark plastics, and multi-polymer materials, and the field continues to evolve with new developments expected to further enhance sorting automation.
dc.description.abstractotherПереробка пластику відіграє ключову роль у розвитку циркулярної економіки. Для ефективної механічної переробки необхідно спочатку класифікувати пластикові відходи за типом, кольором і розмірами, щоб отримати високоякісний пластик для подальшої обробки, тоді як у хімічній переробці певні види пластику слід виключати, оскільки вони можуть порушувати процес. Сортування пластикових матеріалів на об'єктах з переробки матеріалів дедалі більше залежить від сучасних автоматизованих технологій, а точна ідентифікація типів пластику зазвичай досягається за допомогою спектроскопічного аналізу, вдосконаленого методами машинного навчання та штучного інтелекту. У статті висвітлено останні досягнення в інтеграції машинного навчання й штучного інтелекту в процеси переробки пластику, представлено сучасні технології ідентифікації та сортування, а на основі огляду загальнодоступних даних визначено комерційне сортувальне обладнання й оцінено його сенсори, ефективність сортування різних типів пластику, основні застосування, продуктивність і точність. Попри значний прогрес у сортуванні пластику, залишаються проблеми з розділенням плівок, темного пластику та багатополімерних матеріалів, тому ця галузь продовжує розвиватися, а нові розробки й підходи мають надалі вдосконалити автоматизацію сортування пластику.
dc.format.extent175 p.
dc.identifier.citationJunwei Ren. Electromechanical equipment automated plastic waste sorting system and technology for their disposal : master's thesis for a master's degre : 141 Electric power engineering, electrical Engineering and electromechanics / Junwei Ren. – Кyiv, 2024. – 175 p.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/83106
dc.language.isoen
dc.publisherIgor Sikorsky Kyiv Polytechnic Institute
dc.publisher.placeKyiv
dc.subjectPolymers
dc.subjectclassification
dc.subjectProcessing
dc.subjectmechanical and electrical equipment
dc.subject.udc656:681.518.5
dc.titleElectromechanical equipment automated plastic waste sorting system and technology for their disposal
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Ren_Junwei_mahistr.pdf
Розмір:
2 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (АЕМК)
Магістерські роботи