Tunnistusvarmuutta ja jalostusarvoa poistotekstiilin käsittelyyn

Tekstiili- ja muotialan asiantuntemusta tarvitaan kattamaan kaikki tekstiilien elinkaaren vaiheet, mukaan lukien keräys, lajittelu ja kierrätys. Vaikka tekstiilien teollinen tuotanto on Suomessa vähäistä, tekstiili- ja muotialan osaamista tarvitaan edelleen.

Euroopan Unionin ja Suomen kansalliset strategiset tavoitteet pyrkivät hidastamaan ilmastonmuutosta ja edistämään kestävää kehitystä. Ne vaativat merkittäviä muutoksia tekstiilialan koko arvoketjussa. Näiden muutosten myötä syntyy uusia prosesseja ja liiketoimintamahdollisuuksia, joissa tarvitaan uutta osaamista.

Tunnistusteknologia tueksi

Poistotekstiilin käsittely on edelleen poistotekstiilien hyödyntämisen työläin vaihe. Se vaatii joko harjaantuneen työntekijän tai esimerkiksi skannerin toteamaan, onko vaatteen sisältämä kuitu lajittelutarpeen mukaista. Miten erilaiset käyttäjät omaksuvat laitteen toiminnot, ja nopeuttaako NIR-teknologia tosiasiallisesti lajittelua?

Yksi tunnistusteknologian muoto on lähi-infrapuna-spektroskopia. Lähi-infrapunalla (NIR) tarkoitetaan sitä 700–500 nm välille sijoittuvaa elektromagneettista säteilyä, joka kykenee tunnistamaan monia orgaanisia materiaaleja useassa olomuodossaan. Muita laajemmassa käytössä olevia tunnistusteknologioita ovat konenäkö sekä usean teknologian yhdistävä hyperspektrikuvantaminen. Viimeksi mainitun tunnistusteknologian heikkous on analyysiin kuluva aika: tässä tunnistusmetodissa laite jakaa skannattavan kohteen 380:n prosessoitavaan pikseliin. Tuolloin prosessointiaika on lähes 400-kertainen NIR-tunnistusteknologiaan verrattuna.

Kannettavan skannerin käyttökokemuksesta

Kannettavan NIR-skannerin soveltuvuutta lajitteluprosessiin tarkasteltiin Keltakankaan jäteasemalla. Toimiakseen laite tarvitsee sekä toimivan verkkoyhteyden että mobiilisovelluksen, johon skannaukset tallentuvat. Käsiskanneri pystyy rekisteröimään yhden poistotekstiilituotteen kerrallaan. Käyttökokemuksen tarkastelu on olennaista, sillä rahallinen investointi on suuri.

Skannattavien vaatteiden tulee olla kuivia ja puhtaita. Ennen käyttöä laite on myös kalibroitava. Skannerilla osoitetaan kerran esimerkiksi maahan, jonka jälkeen laitteen mukana tuleva kappale toimii valkoisen värin avulla testikohteena. Kalibrointi voi tuntua alkuun työläältä.

Toimeksiannossa prosessointiaika ratkaisee

Tunnistusteknologiaa käytetään esimerkiksi tilanteessa, jossa tarvitaan erä sataprosenttista puuvillaa. Tilaaja määrittää, hyväksytäänkö viiden prosentin heitto kuidun laadussa, vai koskeeko prosenttimäärä esimerkiksi vetoketjuja ja muita vaate-erästä irrotettavia osia. Laitteen yksi puute ilmenee esimerkiksi pellavan kohdalla. Sen laite nimeää skannauksessa puuvillaksi, vaikka käsin tarkastellessa pellavalla on hyvin erilaisia ominaispiirteitä puuvillaan verrattuna. Jotta tunnistus onnistuu, skanneria joutuu toisinaan käyttämään materiaalin lähellä useita kertoja. Kangasta on hyvä taitella valmiiksi paksummaksi, jotta skannausaika nopeutuu.

On inhimillistä, että arvokasta laitetta käsiteltäessä pelkää laitteen vaurioitumista. Käyttömukavuutta voi lisätä luomalla eräänlaisen linjaston, jossa skanneri kiinnitetään pöytään. Skannaus tapahtuu laitteen yläpuolella, eikä pelkoa laitteen vaurioitumisesta ole. Ohuita kankaita analysoitaessa estetään häikäisy asettamalla lautanen taustaksi. Skannaustulosta vääristäviä tekijöitä ovat myös vaatteen kosteus ja likaisuus.

Avoimuutta ja jäljitettävyyttä

Skanneri kerää aikaleimoineen skannatut tuotteet verkkoon muistiin. Tällöin on mahdollista jakaa tietoja materiaalin käsittelyn tilauksesta ja valvoa tilatun erän laatua. Avoimuus voi olla myös myyntivaltti – materiaalin laadulla ja laitteen käytön hyvällä perehdytyksellä on merkitystä.

Perehdytystä varten kannattaa luoda videomateriaalia, jossa opastetaan esimerkiksi kalibroimisessa. Hyvä perehdytys ja henkilöstön oppimistyylin huomioiminen lisää poistotekstiilien parissa työskentelyn mielekkyyttä.

Keltakankaan toimipisteellä havainnoinnin lomassa kävi ilmi, että työssä valmentautujat toivoivat lajitteluprosessin hallitsemiselle ja materiaalituntemukselle enemmän arvostusta; työntekijöitä voi olla vaikeaa saada, ja motivaatio teknologia-avusteiseen lajitteluun voi myös hiipua. Huolellisuus ja paineensietokyky korostuvat työssä, sillä toimitusaika on palvelulupaus ja luotettavan materiaalitoimittajan mittari.

Tekstiilit kiertoon Kymenlaaksossa -hanke toteutetaan ajanjaksolla 1.1.2023–31.12.2024 Logistiikan ja merenkulun sekä Metsä, ympäristö ja energia -vahvuusalojen yhteishankkeena. Kaakkois-Suomen ammattikorkeakoululla on hankkeesta koordinointivastuu.

Hankkeen partnereita ovat Sotek- ja Parik- säätiöt, Kouvola Innovation KINNO ja Kouvolan ammattiopisto Eduko. Lisäksi Kymenlaakson Jätteellä on tärkeä sidosryhmärooli hankkeen läpiviennin kannalta. Hanketta rahoittaa Kymenlaakson liitto Euroopan aluekehitysrahastosta.

Lähteet

Tekstiilikierron työtehtävät ja osaaminen. Tekstiilikierron koulutusmalli. Pdf-dokumentti. Saatavilla: https://www.eduko.fi/wp-content/uploads/2024/01/TEKSTIILIKIERRON- TYOTEHTAVAT.pdf [viitattu 11.4.2024]

What is NIR Spectroscopy and How Does It Work, artikkeli. Verkkojulkaisu. Saatavilla: https://www.kpmanalytics.com/articles-insights/what-is-nir-spectroscopy-and-how-does-it-work[viitattu 22.4.2024]

Rintala, N. & Arvez, E. 2024. Tunnistusteknologiat laitettiin suurennuslasin alle. LAB Pro. Saatavilla: https://www.labopen.fi/lab-pro/tunnistusteknologiat-laitettiin-suurennuslasin-alle/ [viitattu 20.4.2024]