ECWALI fait partie du portefeuille Reverse Metallurgy+ soumis par la plateforme Reverse Metallurgy dans le cadre d’un appel lancé par le Gouvernement wallon pour la mise en œuvre de la stratégie Wallonie Circulaire. Elle comprend deux chaînes de valeur prioritaires : la métallurgie et la construction. Au total, 18 projets ont été sélectionnés et couvrent les thèmes de “l’industrie bas carbone” et de “l’économie circulaire”, deux piliers du Plan de Relance de la Wallonie pour lequel la Région wallonne a mobilisé 113 millions d’euros. Les 18 projets financés ont un potentiel de création d’emploi de 991 emplois directs et 1 524 emplois durables indirects dans des secteurs d’activité durables.
Dans le cadre du projet PICKIT mis en œuvre dans la première phase de Reverse Metallurgy, le GeMMe a démontré avec succès le recyclage des chutes métalliques par familles d’alliages. Ce succès a convaincu Comet d’exploiter la technologie à l’échelle industrielle avec le projet COOPILOT MULTIPICK.
Plan de Relance de la Région Wallonne – Film de présentation du projet
ECWALI se concentre sur le tri spécifique des alliages d’aluminium et d’acier inoxydable pour apporter une valeur ajoutée accrue aux produits finaux. En effet, l’aluminium et l’acier inoxydable triés par MULTIPICK ou par d’autres systèmes de tri utilisés dans les installations de recyclage de métaux non ferreux, sont des mélanges de différentes qualités d’alliages généralement refondus pour des applications bas de gamme. Trier des alliages spécifiques générera une valeur économique et environnementale ajoutée. En effet, le gain environnemental généré par le recyclage des éléments d’alliage (Cu, Si, Mg, Mo, Cr, Ni) dans leur fonctionnalité originale via un processus et un circuit plus court est significatif.
Objectifs et résultats:
L’objectif du projet ECWALI est donc l’intégration et l’industrialisation, dans la ligne MULTIPICK sur le site de Comet, de capteurs analytiques LIBS et XRF et d’algorithmes de traitement des données. Ces algorithmes exploiteront les données générées par les capteurs 3D, hyperspectraux, XRT, XRF et LIBS ainsi que les développements les plus récents en intelligence artificielle (Deep Learning) dans le but de trier les alliages d’aluminium et d’acier inoxydable pour maximiser la valeur ajoutée et le gain environnemental associé au tri de ces flux.
