선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 앞서 언급한 바와 같이 플라스틱의 재질선별에 널리 이용되고 있는 비중선별, 정전선별, 근적외선분광법 및 IR/Raman 분광법 등의 선별기술은 기술적 한계를 가지고 있으며 특히, 흑색 플라스틱의 재질선별에 적용할 경우 높은 선별효율을 기대하기 어려운 단점이 있다. 본 연구에서는 레이저유도붕괴분광법(LIBS)을 이용하여 흑색 플라스틱의 재질별 자동 인식 및 선별이 가능한 자동선별 시스템을 개발하였다.
- 본 연구에서는 폐소형가전으로부터 발생하는 흑색 플라스틱을 재질별로 자동선별하기 위하여 레이저기술을 기반으로 한 자동선별 시스템을 개발하였으며, 연구 결과를 요약하면 다음과 같다.
제안 방법
- 1. 기존의 플라스틱 선별기술인 비중선별, 정전선별, 근적외선분광법 및 IR/Raman 분광법 등은 플라스틱의 재질선별에 폭 넓게 이용되고 있으나, 흑색 플라스틱의 재질선별에는 일부 기술적 한계 및 단점을 가지고 있어 이를 보완하기 위하여 레이저유도붕괴분광법(LIBS)을 기반으로 한 흑색 플라스틱 재질별 자동선별 시스템을 개발하였다.
- 2. 본 연구에서 개발된 자동 선별시스템은 흑색 플라스틱 시료를 공급해 주는 정량 공급장치, 시료의 위치 자동인식 장치, 실시간으로 흑색 플라스틱의 재질을 인식하는 레이저유도기반분광분석(LIBS) 장치, 재질별 플라스틱류를 선별/회수하기 위한 선별분리장치 및 선별시스템을 구성하는 장치를 제어하기 위한 Control unit 등으로 구성되어 있다.
- PCA보다 연산량이 적다는 장점을 가지고 있다. LIBS를 통하여 획득한 흑색 플라스틱의 재질별 특성 스펙트럼 데이터를 Fuzzy transform을 사용하여 스펙트럼의 노이즈를 제거하였으며, 노이즈 제거를 통해 획득한 새로운 데이터는 주성분 분석법(PCA)을 이용하여 입력변수를 축소하였다.
- 특히, 방사형기저함수신경회로망(Radial Basis Function Neural Networks, RBFNNs) 분류기를 바탕으로 흑색 플라스틱의 재질을 실시간으로 분석하였다. 따라서, 분석된 플라스틱 시료의 재질 특성 data는 흑색 플라스틱을 ABS, PP, PS 등의 재질로 구분하여 Control unit으로 data를 전송하고, Control unit은 받은 data를 바탕으로 각각의 선별 분리장치를 제어하여 다양한 재질의 플라스틱 시료를 압축공기를 이용하여 각각 선별/회수한다.
- 본 연구에서는 시료의 위치 자동인식 장치, 실시간으로 흑색 플라스틱의 재질을 인식하는 레이저유도기반분광분석(Laser-Induced Breakdown Spectroscopy, LIBS) 장치, 재질별 선별/회수를 위한 선별분리장치 및 선별 시스템 각각의 장치를 제어하기 위한 Control unit 등으로 구성된 흑색 플라스틱 재질별 자동선별 시스템을 개발하였다. 또한, 폐소형가전으로부터 발생하는 흑색 플라스틱의 재질별 특성을 분석하였으며, 획득한 흑색 플라스틱의 재질별 특성 데이터를 주성분 분석법과 인공지능형 알고리즘 기반의 분류기를 설계하여 재질인식효율을 크게 개선하였다. 향후 본 연구에서 개발한 흑 플라스틱 자동선별 시스템에 대한 성능 개선 및 보완 등을 통하여 재활용 현장에 적용하고자 한다.
- 본 Lab-scale 자동선별 시스템을 이용하여 선별 실험을 수행하였으며, 흑색 플라스틱에 대한 인식률과 선별효율(회수물의 품위)을 측정하였다. 폐소형가전 제품을 수작업으로 해체하여 선별한 흑색 플라스틱을 이용하였으며, 30×30 mm 이상의 크기로 잘라서 사용하였다.
- 본 연구에서 개발된 Lab-scale 규모의 흑색 플라스틱 자동선별 시스템의 경우 투입되는 흑색 플라스틱 시료에 대한 재질의 정확한 인식과 자동선별이 매우 중요하며, 자동선별 시스템의 흑색 플라스틱에 대한 인식률과 선별효율(회수물의 품위)을 측정하였다. 실험에 사용한 시료는 경기도 H시에 위치한 민간수집업체를 통하여 확보한 폐소형가전 제품을 수작업으로 해체하여 선별한 흑색 플라스틱을 이용하였으며, 본 자동선별 시스템의 인식률과 선별효율(회수물의 순도) 실험을 위하여 30×30 mm 이상의 크기로 잘라서 사용하였다.
- 흑색 플라스틱 시료를 일정한 간격으로 컨베이어 벨트 위에 정량공급 해 주면, 이동하는 컨베이어 벨트 위의 흑색 플라스틱 시료의 위치 정보 데이터를 Control unit을 통하여 LIBS 장치로 전송한다. 본 연구에서는 LIBS 장치에서 획득한 흑색 플라스틱 시료의 재질 특성 데이터를 주성분 분석법(Principal Component Analysis, PCA)과 Fuzzy Transform을 기반으로 다차원 축소 알고리즘을 결합한 Hybrid Fuzzy Transform 인공지능형 알고리즘 기반의 분류기를 개발하였다. 특히, 방사형기저함수신경회로망(Radial Basis Function Neural Networks, RBFNNs) 분류기를 바탕으로 흑색 플라스틱의 재질을 실시간으로 분석하였다.
- 본 연구에서는 시료의 위치 자동인식 장치, 실시간으로 흑색 플라스틱의 재질을 인식하는 레이저유도기반분광분석(Laser-Induced Breakdown Spectroscopy, LIBS) 장치, 재질별 선별/회수를 위한 선별분리장치 및 선별 시스템 각각의 장치를 제어하기 위한 Control unit 등으로 구성된 흑색 플라스틱 재질별 자동선별 시스템을 개발하였다. 또한, 폐소형가전으로부터 발생하는 흑색 플라스틱의 재질별 특성을 분석하였으며, 획득한 흑색 플라스틱의 재질별 특성 데이터를 주성분 분석법과 인공지능형 알고리즘 기반의 분류기를 설계하여 재질인식효율을 크게 개선하였다.
- 추론부에서는 퍼지 추론법과 무게 중심법을 적용하여 분류기의 출력(분류율)을 계산한다. 본 인공지능형 알고리즘 분류기(RBFNNs)는 LIBS를 이용하여 획득한 흑색 플라스틱의 재질별 특성 데이터 및 파라미터 학습을 통하여 획득한 데이터 등을 입력하면 시뮬레이션을 통하여 분류기의 분류율(classification rate)을 계산하여 출력해준다.
- 3에는 본 연구에서 개발한 Lab-scale 규모의 흑색 플라스틱 재질별 자동선별 시스템의 실제 모습을 제시하였으며, Table 3에는 시스템을 구성하고 있는 각 장치들의 사양을 나타내었다. 본 자동선별 시스템은 흑색 플라스틱 시료를 일정한 간격으로 자동 공급해 주는 정량공급 장치, 컨베이어 벨트에 투입된 흑색 플라스틱 시료의 위치 정보 등을 자동으로 인식하는 위치 자동인식 장치, 실시간으로 흑색 플라스틱의 재질별 특성 데이터를 분석 및 판별하는 레이저유도기반분광분석(LIBS) 장치, 재질별 자동 인식된 흑색 플라스틱 시료를 정확하게 선별/회수하기 위한 선별분리장치 및 선별 시스템을 구성하고 있는 장치 간의 전기적 신호의 변환 등을 통하여 정확한 data의 전송 및 처리와 선별 시스템을 구성하고 있는 각각의 장치를 제어하기 위한 Control unit 등으로 구성되어 있다. 본 자동선별 시스템은 파쇄된 흑색 플라스틱 시료를 시간단 약 30~50 kg의 처리가 가능하다.
- Table 2에는 폐소형가전제품 중 9개 품목을 선정하여 해체한 후 구성물질의 물리적 성상을 분석한 결과를 요약하여 제시하였다. 분석에 사용한 폐소형가전은 경기도 H시에 위치한 민간수집업체를 통하여 확보하였으며, 수작업으로 해체한 후 각 구성 물질별로 분류하였다. 폐소형가전은 제품의 종류 및 품목에 따라 구성 물질과 플라스틱의 재질이 매우 다양하였으며, 철금속류, 비철금속류, 플라스틱류, PCBs 및 기타 부품류 등으로 분류하였다.
- 전처리부는 획득한 데이터의 정보손실을 최소화하여 고차원 특징 벡터를 저차원 특징 벡터로 차원을 축소하는 주성분분석법과 퍼지 공간 분할 및 퍼지화를 통해 데이터의 크기를 축소함 Membership function의 개수를 정하고 각 Membership function을 대표하는 값을 찾아 축소시켜주는 Fuzzy Transform 알고리즘으로 구성되어 있다. 조건부는 데이터의 특성을 최대한 반영하기 위하여 퍼지 클러스터링 방법(Fuzzy c-means clustering)을 적용하여 적합도를 계산하며, 결론부에서는 분석한 데이터의 연결가중치를 1차 선형식으로 확장하고 최소자승법을 이용하여 계수를 추정한 후 분류율을 확인한다. 추론부에서는 퍼지 추론법과 무게 중심법을 적용하여 분류기의 출력(분류율)을 계산한다.
- 본 연구에서는 LIBS 장치에서 획득한 흑색 플라스틱 시료의 재질 특성 데이터를 주성분 분석법(Principal Component Analysis, PCA)과 Fuzzy Transform을 기반으로 다차원 축소 알고리즘을 결합한 Hybrid Fuzzy Transform 인공지능형 알고리즘 기반의 분류기를 개발하였다. 특히, 방사형기저함수신경회로망(Radial Basis Function Neural Networks, RBFNNs) 분류기를 바탕으로 흑색 플라스틱의 재질을 실시간으로 분석하였다. 따라서, 분석된 플라스틱 시료의 재질 특성 data는 흑색 플라스틱을 ABS, PP, PS 등의 재질로 구분하여 Control unit으로 data를 전송하고, Control unit은 받은 data를 바탕으로 각각의 선별 분리장치를 제어하여 다양한 재질의 플라스틱 시료를 압축공기를 이용하여 각각 선별/회수한다.
대상 데이터
- 실험에 사용한 시료는 경기도 H시에 위치한 민간수집업체를 통하여 확보한 폐소형가전 제품을 수작업으로 해체하여 선별한 흑색 플라스틱을 이용하였으며, 본 자동선별 시스템의 인식률과 선별효율(회수물의 순도) 실험을 위하여 30×30 mm 이상의 크기로 잘라서 사용하였다.
- 흑색 플라스틱 시료를 일정한 간격으로 정렬하여 이동하는 컨베이어벨트에 자동으로 공급하면, 위치 자동인식장치에서 시료의 위치를 정보를 LIBS에 보내어 레이저를 조사하고 발생된 플라즈마를 분석하여 플라스틱 시료의 재질을 인식하게 된다. 이때 투입한 흑색 플라스틱시료의 개수는 총 500개이며, ABS, PP, PS 시료 각각 150개와 재질을 모르는 플라스틱 시료 50개다. 흑색 플라스틱에 대한 재질 인식 정보는 LIBS 분석용 S/W (Aurora 프로그램; TruLIBSTM)에서 확인이 가능하며, 앞서 제시한 식 (1)을 이용하여 계산하였다.
- 폐소형가전 제품을 수작업으로 해체하여 선별한 흑색 플라스틱을 이용하였으며, 30×30 mm 이상의 크기로 잘라서 사용하였다.
이론/모형
- 경기도 H시에 위치한 민간수집업체를 통하여 확보한 폐소형가전 제품으로부터 발생하는 플라스틱 중 ABS, PP 및 PS 재질의 흑색 플라스틱 시료를 레이저유도붕괴분광분석법(LIBS)을 이용하여 분광 특성 피크(peak)를 분석하였으며, 결과를 Fig. 5에 제시하였다. 흑색 플라스틱의 각 재질별로 획득한 특성 피크의 파장값(wavelength; nm)는 스펙트럼에서 확인이 가능하였으며, 각각 340~360 nm, 450~470 nm, 520~550 nm,710~750 nm의 범위에서 위치 확인이 가능하였다.
성능/효과
- 3. 레이저유도붕괴분광법(LIBS)을 이용하여 흑색 플라스틱의 재질별 특성 스펙트럼 데이터를 획득하고, 인공지능형 알고리즘을 적용한 분류기를 개발하여 데이터처리에 적용함으로써 흑색 플라스틱의 재질을 효율적으로 인식하고 분류할 수 있다.
- 4. 주성분 분석법(PCA), Fuzzy transform 및 두 가지 분류기를 결합한 Hybrid fuzzy transform 기반의 방사형기저함수신경회로망(RBFNNs) 분류기의 분류율은 각각 약 97.46%, 약 96.54% 및 약 97.33%으로나타났다.
- 5. Lab-scale 규모의 자동선별 시스템의 흑색 플라스틱의 인식률은 약 94.0% 이상, 선별효율은 80.0% 이상으로 조사되었으며, 유색 플라스틱의 인식률은 약 98.0% 이상, 선별효율 약 95.0% 이상으로 조사되었다.
- 18% 등으로 분석되었다. 또한 기타 부품류 즉, 유리, 콘덴서 등의 경우 믹서기가 약 63.88%로 가장 높게 나타났으며, 플라스틱류의 경우 진공청소기가 약 44.56%로 분석되었다. 폐소형가전제품에 포함된 플라스틱류는 유색과 흑색으로 구분하였으며, 플라스틱의 함량은 비데가 약 73.
- 본 자동선별 시스템은 흑색 플라스틱 시료를 일정한 간격으로 자동 공급해 주는 정량공급 장치, 컨베이어 벨트에 투입된 흑색 플라스틱 시료의 위치 정보 등을 자동으로 인식하는 위치 자동인식 장치, 실시간으로 흑색 플라스틱의 재질별 특성 데이터를 분석 및 판별하는 레이저유도기반분광분석(LIBS) 장치, 재질별 자동 인식된 흑색 플라스틱 시료를 정확하게 선별/회수하기 위한 선별분리장치 및 선별 시스템을 구성하고 있는 장치 간의 전기적 신호의 변환 등을 통하여 정확한 data의 전송 및 처리와 선별 시스템을 구성하고 있는 각각의 장치를 제어하기 위한 Control unit 등으로 구성되어 있다. 본 자동선별 시스템은 파쇄된 흑색 플라스틱 시료를 시간단 약 30~50 kg의 처리가 가능하다.
- Table 7에는 본 연구에서 개발한 Lab-scale 규모의 자동선별 시스템을 이용하여 폐소형가전으로부터 발생한 유색 플라스틱과 흑색 플라스틱에 대한 인식률과 선별효율(회수물의 품위) 실험 결과를 나타내었다. 유색 플라스틱의 경우 인식률은 약 98.0% 이상, 선별효율은 약 95.0% 이상으로 매우 높게 나타났으며, 흑색 플라스틱의 인식률은 약 94.0% 이상, 선별효율은 80.0% 이상으로 분석되었다. 그러나, 흑색 플라스틱 중 PP와 PS의 인식률은 약 93.
- 국내의 경우 2003년부터 대형가전과 통신사무기기 제품 등 10개 품목을 포함한 생산자책임재활용제도(Extended Product Responsibility, EPR)가 시행되었다. 특히, EPR제도는 지난 10여년간 폐가전 제품의 재활용율 향상에 크게 기여하였으며, 2014년부터 중·소형가전제품 17개 품목을 재활용 대상에 추가하여 모두 27개 품목으로 확대 되었다. 정부의 EPR 제도의 확대 시행, 무상방문수거서비스(Door to Door,DTD) 실시, 재활용 목표 관리제 및 환경성 보장제(EcoAS) 등의 실시로 폐소형가전의 재활용량은 크게 증가하였다3,5).
- 파장값 340~360 nm에서 흑색 ABS 플라스틱의 경우 PP 및 PS와는 전혀 다른 특성의 스펙트럼이 나타났으며, 파장값 450~470 nm에서 PP와 PS의 경우 거의 유사한 특성의 스펙트럼을 보였으나 ABS는 다른 특성의 스펙트럼이 나타났다. 파장값 520~550 nm에서 PP와 PS의 경우 강도(intensity)의 차이는 있으나 거의 유사한 특성의 스펙트럼이 나타났으며, ABS의 특성 스펙트럼은 미미하였다.
- 파장값 520~550 nm에서 PP와 PS의 경우 강도(intensity)의 차이는 있으나 거의 유사한 특성의 스펙트럼이 나타났으며, ABS의 특성 스펙트럼은 미미하였다. 파장값 710~750 nm에서 PP 재질만 다른 재질과 구별되는 특성 스펙트럼이 나타났다. 흑색 플라스틱 각 재질별 특성 스펙트럼에서 정확한 파장값은 레이저 업체에서 제공한 Aurora 프로그램(TruLIBSTM)의 Database나 미국표준기술연구소(National Institute of Standards and Technology Institute, NIST)에서 제공하는 제품과 서비스에 관한 표준 중 하나인 ASD(Atomic Spectra Database)를 이용할 경우 정확한 값을 확인할 수 있다.
- 56%로 분석되었다. 폐소형가전제품에 포함된 플라스틱류는 유색과 흑색으로 구분하였으며, 플라스틱의 함량은 비데가 약 73.71%, 공기청정기 약 68.30%, 진공청소기 약 52.08% 등으로 매우 높게 조사되었다. 그러나, 흑색 플라스틱의 경우 공기청정기 약 66.
- 폐소형가전은 제품의 종류 및 품목에 따라 구성 물질과 플라스틱의 재질이 매우 다양하였으며, 철금속류, 비철금속류, 플라스틱류, PCBs 및 기타 부품류 등으로 분류하였다. 폐소형가전제품을 구성하고 있는 내부 물질 중 비율이 가장 높은 품목은 철금속류의 경우 전기다리미가 약 51.28%, 비철금속류의 경우 전기밥솥은 약 26.16% 그리고 PCBs는 오디오/CD플레이어가 약 8.18% 등으로 분석되었다. 또한 기타 부품류 즉, 유리, 콘덴서 등의 경우 믹서기가 약 63.
- 파장값 710~750 nm에서 PP 재질만 다른 재질과 구별되는 특성 스펙트럼이 나타났다. 흑색 플라스틱 각 재질별 특성 스펙트럼에서 정확한 파장값은 레이저 업체에서 제공한 Aurora 프로그램(TruLIBSTM)의 Database나 미국표준기술연구소(National Institute of Standards and Technology Institute, NIST)에서 제공하는 제품과 서비스에 관한 표준 중 하나인 ASD(Atomic Spectra Database)를 이용할 경우 정확한 값을 확인할 수 있다.
- 5에 제시하였다. 흑색 플라스틱의 각 재질별로 획득한 특성 피크의 파장값(wavelength; nm)는 스펙트럼에서 확인이 가능하였으며, 각각 340~360 nm, 450~470 nm, 520~550 nm,710~750 nm의 범위에서 위치 확인이 가능하였다.
후속연구
- 6. 본 연구에서 개발된 흑색 플라스틱 자동선별 시스템을 구성하는 각 설비들의 인식률 및 선별효율 등의 성능을 개선할 예정이며, 향후 본 장비의 경우 폐소형가전제품의 재활용 현장에 적용이 가능할 것으로 사료된다.
- 다음 Fig. 2에는 레이저유도붕괴분광법의 측정원리를 제시하였으며, 플라스틱 재질에 따라 플라즈마 분광신호는 차이가 나며, 분광장치(Detector)를 이용하여 플라즈마의 분광신호를 수집/분석하여 재질을 구성하고 있는 원자의 조성을 확인함으로써 흑색 플라스틱의 재질 인식 및 선별에 활용이 가능하다. 레이저유도기반분광기술은 비접촉방식으로 특별히 시료의 전처리 과정이 필요 없으며, 수십 msec 이내의 매우 짧은 시간 내에 소재를 분석할 수 있는 장점을 가지고 있다.
- 레이저유도기반분광기술은 비접촉방식으로 특별히 시료의 전처리 과정이 필요 없으며, 수십 msec 이내의 매우 짧은 시간 내에 소재를 분석할 수 있는 장점을 가지고 있다. 또한, 빠른 속도로 선별이 가능할 뿐만 아니라 선별 정확도가 매우 우수하여 근적외선분광법(NIR)의 단점을 보완할 수 있는 기술로 인정받고 있다.
- 따라서, 다량의 유용자원을 포함하고 있는 폐소형가전을 효율적으로 재활용하기 위해서는 다양한 구성 물질을 선별/회수 할 수 있는 기술 개발이 시급한 실정이다. 또한, 폐소형가전으로부터 발생하는 흑색 플라스틱의 재질을 자동으로 인식하여 선별할 수 있는 기술을 개발하고, 상용화하여 폐소형가전의 재활용을 촉진 시킬 수 있는 기반 구축이 필요한 시점이다.
- 또한, 폐소형가전으로부터 발생하는 흑색 플라스틱의 재질별 특성을 분석하였으며, 획득한 흑색 플라스틱의 재질별 특성 데이터를 주성분 분석법과 인공지능형 알고리즘 기반의 분류기를 설계하여 재질인식효율을 크게 개선하였다. 향후 본 연구에서 개발한 흑 플라스틱 자동선별 시스템에 대한 성능 개선 및 보완 등을 통하여 재활용 현장에 적용하고자 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.