23 IA E ECONOMIA CIRCULAR propriedades dos reciclados, otimizar parâmetros de transformação e facilitar decisões automáticas ao longo de toda a cadeia de valor. Apesar disso, os autores do documento consideram que a indústria ainda está numa fase predominantemente piloto. Muitas soluções demonstradas em laboratório ou em linhas experimentais continuam longe de uma implementação industrial alargada. O VERDADEIRO PROBLEMA: OS DADOS Uma das principais conclusões do estudo é clara: sem dados estruturados, partilháveis e interoperáveis, a IA não conseguirá escalar na indústria de plásticos. O documento de posição identifica vários bloqueios persistentes: • dados incompletos e não estruturados; • ausência de ontologias comuns; • incompatibilidade entre sistemas informáticos; • falta de standards para materiais, aditivos e reciclados; • resistência empresarial à partilha de informação. Os investigadores defendem que a principal prioridade até 2030 deverá ser a criação de espaços de dados interoperáveis, capazes de ligar informação sobre materiais, processos, qualidade e ciclo de vida dos produtos. A própria indústria reconhece esta limitação. Um dos especialistas citados no estudo resume o problema de forma direta: “Sem uma base de dados comum e fiável, todas as restantes abordagens de IA e digitalização na cadeia de valor dos plásticos continuarão fragmentadas.” Outro aspeto identificado prende-se com a própria natureza histórica da informação industrial. Muitos dados continuam armazenados em formatos pensados para leitura humana — PDFs, folhas Excel ou documentação dispersa — e não preparados para utilização automatizada por sistemas inteligentes. IA PODE MELHORAR QUALIDADE DOS RECICLADOS A reciclagem é uma das áreas onde a IA poderá gerar maior impacto direto. Atualmente, uma das principais dificuldades da economia circular dos plásticos reside na variabilidade dos reciclados. Contaminações, misturas de polímeros, degradação do material e inconsistências de composição limitam a reutilização em aplicações técnicas mais exigentes. As ferramentas de IA analisadas pelo Fraunhofer CCPE procuram responder, precisamente, a este problema através de modelos híbridos capazes de prever propriedades materiais, otimizar a triagem e ajustar parâmetros de transformação em função das características reais dos reciclados. Os investigadores defendem igualmente o reforço da utilização de sensores ‘inline’ e ‘nearline’, combinados com inteligência artificial, para monitorização contínua da qualidade durante os processos de triagem e reciclagem. Outra vertente estratégica passa pelo desenvolvimento de modelos “explainable AI” e sistemas capazes de quantificar incertezas. Num setor altamente sensível a questões de qualidade e conformidade, a rastreabilidade e auditabilidade dos modelos serão essenciais para garantir confiança industrial e regulatória. PME ENFRENTAM RISCO DE EXCLUSÃO DIGITAL O Fraunhofer CCPE alerta também para um possível desequilíbrio competitivo entre grandes grupos industriais e PME. Enquanto grandes empresas químicas, fabricantes de equipamentos e multinacionais da transformação têm capacidade para investir em plataformas digitais, sensores e infraestruturas de dados, muitos recicladores e operadores de menor dimensão poderão enfrentar custos desproporcionados de integração tecnológica. 16382_anuncio_interplast_210x68.pdf 1 28/01/22 10:25
RkJQdWJsaXNoZXIy Njg1MjYx