Indústria enfrenta bloqueios estruturais

A conclusão resulta do documento de posição ‘Artificial Intelligence in the Plastics Value Chain by 2030’, publicado recentemente pelo Fraunhofer Cluster of Excellence Circular Plastics Economy (Fraunhofer CCPE), que analisa o impacto da inteligência artificial na cadeia de valor dos plásticos até 2030. O documento baseia-se numa análise do panorama atual a partir de fontes disponíveis publicamente, bem como num inquérito realizado a 46 especialistas do Fraunhofer CCPE e de parceiros dos projetos de investigação ‘KIOptiPack’ e ‘K3ICycling’.

Os especialistas envolvidos concluíram que a IA pode, de facto, tornar-se um dos principais catalisadores da economia circular dos plásticos na próxima década, desde que exista uma abordagem sistémica baseada em partilha de dados, normalização e colaboração transversal entre indústria, investigação e entidades reguladoras.

A indústria de plásticos enfrenta uma combinação particularmente desafiante de fatores: pressão regulatória crescente, necessidade de aumentar incorporação de reciclado, exigências de transparência associadas ao passaporte digital de produto e perda de competitividade industrial europeia. Paralelamente, continua a existir dificuldade em garantir reciclados de elevada qualidade e fluxos de materiais suficientemente homogéneos para aplicações de maior valor acrescentado.

Neste contexto, a inteligência artificial surge como uma ferramenta capaz de melhorar significativamente a eficiência operacional e a qualidade dos processos. O Fraunhofer CCPE destaca aplicações já maduras em áreas como inspeção ótica, controlo de qualidade, processamento de imagem, triagem automatizada e controlo de processos industriais.

Mas o verdadeiro salto, defendem os investigadores, passa pela criação de “ciclos inteligentes” suportados por dados contínuos desde o design até à reciclagem final. O objetivo é criar cadeias digitais integradas capazes de acompanhar materiais, prever 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.

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.

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.

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.

Segundo os especialistas, este risco é particularmente elevado na gestão de resíduos e reciclagem, setores onde predominam pequenas e médias empresas com recursos limitados.

Ao mesmo tempo, existe receio crescente relativamente à dependência de fornecedores tecnológicos externos e plataformas proprietárias. O estudo identifica como preocupação central a criação de “isolated solutions” incompatíveis entre si, potenciando ‘lock-in’ tecnológico e perda de soberania industrial europeia.

Outro ponto de tensão identificado no documento prende-se com a regulamentação da IA.

Embora exista consenso quanto à necessidade de modelos regulatórios orientados ao risco, parte dos especialistas receia que excesso de burocracia possa travar inovação industrial europeia, sobretudo face à concorrência dos Estados Unidos e da China.

Por outro lado, vários participantes defendem que regulamentação robusta será indispensável para criar confiança, garantir transparência e uniformizar critérios de validação e segurança.

O Fraunhofer CCPE considera que a implementação prática do AI Act europeu será decisiva para o futuro da IA aplicada aos plásticos, sobretudo em aplicações relacionadas com qualidade, segurança de materiais e rastreabilidade.

Apesar do entusiasmo tecnológico, os autores insistem numa mensagem central: a IA não resolverá, por si só, os problemas estruturais da circularidade dos plásticos.

Os especialistas sublinham que ‘design for recycling’, simplificação de produtos, infraestruturas robustas de recolha e reciclagem e enquadramento regulatório claro continuarão a ser fatores indispensáveis para fechar o ciclo dos materiais.

Além disso, os próprios sistemas de IA têm impacto ambiental relevante, nomeadamente ao nível de consumo energético, treino de modelos e utilização de centros de dados. O relatório recomenda que a pegada ecológica das soluções de IA passe também a ser avaliada através de metodologias de análise de ciclo de vida (LCA).

Em resumo, o Fraunhofer CCPE identifica três prioridades estratégicas para acelerar a circularidade inteligente dos plásticos até 2030:

1. criação de espaços de dados interoperáveis;
2. desenvolvimento de modelos de IA híbridos, explicáveis e auditáveis;
3. construção de modelos de governação, competências e colaboração industrial capazes de suportar a transição digital da cadeia de valor.