Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

AI-guided design and optimization of recycled polymer blends for high-performance and sustainable composites

Opis projektu

Wysoka wydajność recyklingu polipropylenu i polietylenu

Gospodarka odpadami z tworzyw sztucznych stanowi jedno z największych wyzwań środowiskowych na świecie. Większość takich odpadów trafia na wysypiska śmieci lub bezpośrednio do środowiska naturalnego z powodu braku efektywnych metod recyklingu i niskiej jakości produktów. Zespół finansowanego ze środków działania „Maria Skłodowska-Curie” projektu OPTIRBLEND ma na celu opracowanie systemu opartego na analizie danych, który pozwoli usprawnić recykling i poprawić właściwości mieszanych odpadów z polipropylenu i polietylenu. Wykorzystując zaawansowane doświadczenia produkcyjne, algorytmy uczenia maszynowego, modelowanie metodą elementów skończonych oraz metody optymalizacji, w ramach badania zostaną określone optymalne parametry przetwarzania mieszanych odpadów z tworzyw sztucznych, by docelowe projekty były trwalsze i charakteryzowały się lepszymi właściwościami. Celem prac jest opracowanie narzędzi do prognozowania i produkcji tworzyw sztucznych nadających się do recyklingu, które będą mogły być ponownie wykorzystywane w branżach wymagających doskonałych osiągów, takich jak transport i budownictwo.

Cel

Plastic waste is one of the most pressing global challenges, with more than 350 million metric tons generated annually and less than 10% effectively recycled. Polypropylene (PP) and Polyethylene (PE) account for nearly 50% of global plastic production and are often collected as mixed waste streams. Their immiscibility, however, leads to poor mechanical performance, preventing their use in high-value applications. Overcoming this limitation requires new methodologies to optimize manufacturing parameters and microstructures to maximize mechanical performance and reduce their intrinsic variability.
This project proposes a data-driven framework for the design and optimization of recycled PP/PE blends. The methodology integrates:
1. A manufacturing campaign with systematic variation of processing parameters (blend composition, compounding time, temperatures, screw speed, cooling rate, etc.), combined with morphological characterization.
2. Generative machine learning to model and reproduce microstructures conditioned on manufacturing parameters.
3. A multi-fidelity model based on finite element analyses to predict yield stress, ultimate strength, and toughness while quantifying epistemic and aleatoric uncertainties.
4. Bayesian active learning and multi-objective optimization to identify optimal manufacturing configurations.
The framework will be validated through an experimental testing campaign. Expected outcomes include a fundamental understanding of process–microstructure–property relationships in recycled PP/PE blends, efficient predictive tools, and manufacturing guidelines. The project will directly support the circular economy by enabling recycled polymers to be used in high-demand sectors (e.g. transportation, construction), strengthening Europe’s competitiveness while reducing environmental impacts.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

HORIZON-TMA-MSCA-PF-GF - HORIZON TMA MSCA Postdoctoral Fellowships - Global Fellowships

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2025-PF

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

UNIVERSIDADE DO PORTO
Wkład UE netto
€ 395 841,00
Adres
PRACA GOMES TEIXEIRA
4099-002 Porto
Portugalia
Region
Continente Norte Área Metropolitana do Porto
Rodzaj działalności
Higher or Secondary Education Establishments
Linki
Koszt całkowity
Brak danych

Partnerzy (2)