2026. — Т 18. — № 2 - перейти к содержанию номера...

Постоянный адрес этой страницы - https://esj.today/44ecvn226.html

Полный текст статьи в формате PDF (объем файла: 532.1 Кбайт)

Ссылка для цитирования этой статьи:

Ковтуненко, М. Г. Управление твёрдыми коммунальными отходами: инновационные подходы к сортировке и переработке (анализ промышленных кейсов внедрения искусственного интеллекта и роботизации) / М. Г. Ковтуненко, Н. С. Иванюта, А. М. Хелая [и др.] // Вестник Евразийской науки. — 2026. — Т 18. — № 2. — URL: https://esj.today/PDF/44ECVN226.pdf (дата обращения: 04.08.2026).

Управление твёрдыми коммунальными отходами: инновационные подходы к сортировке и переработке (анализ промышленных кейсов внедрения искусственного интеллекта и роботизации)

Ковтуненко Марина Георгиевна
ФГБОУ ВО «Кубанский государственный технологический университет», Краснодар, Россия
Доцент кафедры «Технологии, организации, экономики строительства и управления недвижимостью»
Кандидат экономических наук, доцент
E-mail: dimarin@list.ru
РИНЦ: https://elibrary.ru/author_profile.asp?id=554452

Иванюта Николай Сергеевич
ФГБОУ ВО «Кубанский государственный технологический университет», Краснодар, Россия
E-mail: ni22051990@gmail.com

Хелая Аврора Михайловна
ФГБОУ ВО «Кубанский государственный технологический университет», Краснодар, Россия
E-mail: helaaavrora@gmail.com

Новоторцева Евгения Максимовна
ФГБОУ ВО «Кубанский государственный технологический университет», Краснодар, Россия
E-mail: novotorceva23eva@gmail.com

Аннотация. В статье представлен аналитический обзор и систематизация опыта внедрения технологий искусственного интеллекта и роботизации в процессы сортировки и мониторинга твердых коммунальных отходов в Российской Федерации. Авторами обоснована актуальность перехода от экстенсивного полигонного захоронения к экономике замкнутого цикла и необходимость повышения глубины извлечения вторичных материальных ресурсов. Целью работы является компаративный анализ эффективности различных технологических платформ сортировки на основе искусственного интеллекта и выявление системных ограничений их применения. Методологической основой исследования выбран метод кейс-стади. Авторами проанализированы пять репрезентативных промышленных кейсов. В работе выявлено, что точность нейросетевых алгоритмов распознавания фракций достигает 95–98 %, а применение беспилотных летательных аппаратов позволяет сократить время инвентаризации объектов размещения отходов в двадцать раз по сравнению с ручными проверками. Авторами определены ключевые эксплуатационные барьеры, снижающие эффективность технологий в реальных производственных условиях: низкое качество предварительной подготовки сырья, проявляющееся в высокой степени загрязненности, деформации и взаимном перекрытии объектов на конвейерной ленте, а также оптическая неразличимость некоторых видов полимеров в инфракрасном спектре. В статье обоснована экономическая целесообразность внедрения систем искусственного интеллекта преимущественно на участках досортировки остаточных фракций и сформулированы критерии масштабируемости данных технологических решений для региональных операторов по обращению с отходами.

Ключевые слова: твердые коммунальные отходы; искусственный интеллект; машинное зрение; роботизация сортировки; дроновый мониторинг; экономика замкнутого цикла; вторичные материальные ресурсы; региональный оператор; кейс-стади; управление отходами

Скачать