TOMRA y Novelis comparten las claves para maximizar la producción de aluminio reciclado

Ambas empresas analizan en un webcast cómo tecnologías punteras como los rayos X de transmisión (XRT), el LIBS Dinámico y la inteligencia artificial basada en deep learning están redefiniendo los procesos de clasificación de aluminio.

TOMRA Recycling, líder global en soluciones de clasificación basada en sensores, y Novelis, referente mundial en laminación y reciclaje de aluminio, han celebrado recientemente un webcast bajo el título “De la IA al LIBS Dinámico: cómo las nuevas tecnologías de clasificación impulsan el crecimiento del reciclaje de aluminio”. En él, se han desvelado importantes avances tecnológicos que están reduciendo significativamente las emisiones de CO₂, revolucionando el tratamiento de la chatarra de aluminio y abriendo nuevas oportunidades de negocio para recicladores y fabricantes de productos metálicos.

Durante la sesión, expertos de ambas compañías analizaron los desafíos habituales del sector y cómo tecnologías punteras como los rayos X de transmisión (XRT), el LIBS Dinámico y la inteligencia artificial basada en deep learning están redefiniendo los procesos de clasificación. Estas herramientas no solo permiten alcanzar altos niveles de pureza en las fracciones de aluminio recuperadas, sino que también están generando nuevas oportunidades y vías de rentabilidad en un mercado cada vez más exigente.

Más y mejor chatarra: clave para reducir emisiones

Uno de los mensajes clave fue la necesidad urgente de maximizar tanto la utilización como la capacidad de entrada de chatarra en los procesos industriales. Esto no solo implica mejorar la calidad del material entrante, sino también generar nuevas calidades de chatarra que se ajusten a los estándares de producción. En este sentido, la calidad del material se consolida como un factor estratégico tanto en el desarrollo de producto como en las operaciones de las plantas de reciclaje.

El encuentro virtual también puso de relieve cómo el sector del aluminio está acelerando su transición hacia modelos más sostenibles, impulsado por estas tecnologías de clasificación y las iniciativas de reciclaje. Compañías como Novelis, con su visión 3×30 para impulsar el uso circular del aluminio como material de referencia, están liderando esta transformación para maximizar la circularidad y construir un mundo más sostenible.

Las cuestiones clave abordadas durante el webcast fueron:

• Las oportunidades de negocio y mejoras de rentabilidad que aportan las soluciones de clasificación avanzada a los recicladores de aluminio, en especial AUTOSORT PULSE (basado en LIBS Dinámico) y GAINnext (basado en deep learning).
• La experiencia directa de Novelis en la optimización del contenido reciclado, presentada por Wilhelm Kiefer, responsable de optimización de metales.
• La necesidad urgente de adaptar las infraestructuras de reciclaje de metales para responder a la creciente demanda de aluminio reciclado.

Asimismo, se compartieron resultados de ensayos realizados tanto en el Centro de Pruebas de TOMRA como en condiciones reales de operación. Una de las conclusiones más reveladoras fue la efectividad de aplicar una secuencia de clasificación compuesta por XRT + Deep Learning + LIBS Dinámico, especialmente en fracciones de alta complejidad como Twitch (mezcla de metales ligeros procedentes de procesos de fragmentación).

Este flujo permitió recuperar hasta un 40% de aluminio forjado de calidad superior —aleaciones 5xxx y 6xxx— a partir de Twitch 100%, una fracción tradicionalmente difícil de valorizar. Además, se abren nuevas posibilidades para recuperar aleaciones aún más complejas como las series 2xxx, 3xxx, 7xxx y 8xxx.

Durante el webcast se realizaron varias encuestas en vivo. La primera reveló que el principal desafío para aumentar el contenido reciclado de aluminio es la pureza del material. La segunda indicó que la fracción más crítica a clasificar de forma más eficiente es el Twitch, y la tercera mostró que el principal objetivo al invertir en tecnología de clasificación es incrementar el rendimiento y la pureza.

Una sesión interactiva de preguntas y respuestas en directo permitió a los participantes interactuar con expertos de TOMRA y Novelis.

Hacia un modelo más eficiente y sostenible en el reciclaje de chatarra

El webcast concluyó con un llamamiento al sector para aplicar secuencias de clasificación optimizadas que mejoren el aprovechamiento del material y prioricen la calidad en los procesos productivos. La innovación constante en reciclaje de chatarra –desde el procesamiento hasta el diseño de aleaciones más reciclables– está impulsando al sector hacia una economía circular en la que los productos se diseñan desde el principio pensando en su reciclabilidad.

Frank van de Winkel, Business Development Manager Metal en TOMRA Recycling, comentó tras el webcast: “Ha sido un placer dar la bienvenida a asistentes de todo el mundo en nuestro webcast. Ha sido una gran oportunidad para recoger la opinión del sector sobre los retos que afrontan hoy los recicladores de aluminio y los operadores post-fragmentación, y al mismo tiempo mostrar los niveles de separación de materiales, sin precedentes, que pueden lograrse combinando rayos X de transmisión, LIBS Dinámico y tecnologías de deep learning. Junto a Novelis, hemos podido demostrar que el cambio de paradigma hacia un reciclaje de chatarra más eficiente y sostenible ya es una realidad, y esperamos continuar con este diálogo tan necesario.