Catalunya recicla menys del 45% dels seus residus municipals. L'objectiu europeu per a 2030 és el 60%. La distància entre tots dos números no és un problema de consciència ciutadana ni de manca de contenidors: és un problema d'eficiència a les plantes de tractament. Els classificadors humans en les línies de cinta perden entre un 20 i un 30% del material recuperable. Una empresa de dotze persones al 22@ de Barcelona ha demostrat que la intel·ligència artificial pot tancar aquell buit — i ho ha fet a quatre continents.
Sadako Technologies va ser fundada el 2012 per enginyers que observaven una paradoxa: plantes de tractament que processaven centenars de milers de tones anuals continuaven depenent de persones que seleccionaven materials a mà, sobre cintes ràpides, en condicions dures. La taxa d'error era estructuralment elevada. El cost laboral, creixent. I la tecnologia de visió artificial, llavors emergent als laboratoris universitaris, tenia una aplicació directa i urgent que ningú havia explorat al sector.
La primera prova real va tenir lloc a l'Ecoparc 4 de Barcelona, la planta de tractament de residus municipals gestionada per Ferrovial Servicios per a l'Àrea Metropolitana de Barcelona. Allà van instal·lar Wall-B, el seu primer braç robòtic amb visió artificial, capaç d'identificar i separar envasos de PET d'un flux de residus barrejats en temps real. En la primera fase operativa, Wall-B va recuperar més de 125 tones de PET l'any — material que la maquinària existent no detectava — generant més de 50.000 euros anuals en valor econòmic recuperat. Els resultats van interessar Bulk Handling Systems (BHS), el fabricant líder mundial d'infraestructura de recuperació de materials. BHS va integrar la visió d'IA de Sadako a la seva plataforma Max-AI i va començar el desplegament global.
Per Què la Majoria de Plantes de Reciclatge Segueixen Fallant a la Classificació
Els sistemes de classificació òptica convencionals funcionen per regles fixes: detecten diferències de color i densitat en condicions controlades. El problema és que els residus municipals no arriben en condicions controlades. Arriben humits, deformats, barrejats i contaminats. Un separador òptic estàndard té dificultats per distingir una ampolla de PET transparent d'un envàs de PEAD translúcid quan tots dos viatgen a tres metres per segon sobre una cinta. L'error acumulat en una planta mitja pot suposar centenars de tones de material valuós que acaba en rebuig.
Sadako va adoptar un enfocament radicalment diferent. En comptes de programar regles fixes, van entrenar xarxes neuronals convolucionals profundes amb milions d'imatges de residus reals preses directament a planta: bruts, aixafats, parcialment ocults per altres materials. Els seus models aprenen a identificar PET, PEAD, alumini, paper i cartró independentment del seu estat de conservació — igual que ho faria un expert amb anys d'experiència, però a velocitat de màquina i sense fatiga. I, a diferència dels sistemes òptics convencionals, els models de Sadako continuen millorant amb el temps a mesura que processen noves dades del flux de residus en temps real.
Com Funciona el Sistema en una Planta Real
Sadako opera dos sistemes d'IA complementaris. El primer, Max-AI, combina braços robòtics físics amb visió profunda en temps real. Muntat sobre les cintes transportadores, identifica i extreu objectes reciclables individuals a una velocitat de fins a 1.500 extraccions per hora, classificant cada peça per tipus de material, color i reciclabilitat sense aturar la línia. La IA decideix en mil·lisegons què agafar i què deixar passar.
El segon sistema, RUBSEE, és una capa de monitorització de planta completa sense parts mòbils. Fins a deu unitats de visió artificial s'instal·len en punts diferents de la xarxa de cintes. Cada unitat captura un flux continu d'imatges i identifica en temps real quins materials circulen per cada tram de la planta, generant un mapa de composició del flux de residus disponible en temps real per als operadors. Això substitueix el mostreig manual, que fins ara requeria aturar la planta. RUBSEE genera alertes automàtiques quan detecta pics de contaminació, acumulació de material al flux incorrecte o caigudes en el rendiment de l'equip.
Els Resultats: 36 Milions d'Ampolles i una Amortització en 4,2 Mesos
Les dades publicades en el marc del programa Horitzó 2020 de la Unió Europea — que va cofinançar el desenvolupament de RUBSEE — mostren que una instal·lació estàndard de deu unitats de monitorització, amb un cost total de 142.000 euros (maquinari, instal·lació i manteniment del primer any), permet millorar el rendiment de l'equip existent fins en un 20%. Per a una planta municipal de mida mitjana, això equival a 1.200 tones addicionals de material recuperat l'any, generant fins a 421.200 euros anuals en ingressos procedents de material abans classificat com a rebuig. Període d'amortització de la inversió: 4,2 mesos.
A escala global, l'impacte acumulat dels desplegaments de Max-AI — que inclou instal·lacions com GreenWaste Recovery a Califòrnia i Repower South a Carolina del Sud, dues de les plantes de recuperació de materials més automatitzades del món — es mesura en desenes de milions d'unitats. Una instal·lació Max-AI propera a Barcelona ha superat ja els 36 milions d'ampolles de PET recuperades des del 2019. Són 36 milions d'objectes que, d'una altra manera, haurien acabat compactats a un abocador i que ara tornen al cicle de l'economia circular.
El mercat global avala l'aposta: el sector de la gestió de residus impulsada per IA creix a una CAGR del 14–19% i es projecta que superi els 18.200 milions de dòlars el 2033 (Market.us, 2024). Les empreses que han integrat classificació robòtica amb IA reporten entre un 40% i un 70% més de recuperació de materials i entre un 59% i un 60% de reducció en els costos de mà d'obra a les línies de classificació (IndexBox, 2026). Les plantes que van adoptar aquestes tecnologies primer porten ja diversos cicles de recuperació d'avantatge sobre les que encara operen amb infraestructura exclusivament òptica.
Stack Tecnològic
Un desplegament complet de Sadako opera sobre programari propi d'IA en maquinari industrial estàndard, sense necessitat de computació especialitzada més enllà de les unitats de visió.
| Sistema | Funció al Flux | Model d'Accés | Proveïdor |
|---|---|---|---|
| Max-AI | Braços robòtics classificadors — 1.500 extraccions/hora amb visió deep learning en temps real | Comercial via BHS | BHS + Sadako Technologies |
| RUBSEE | Monitorització de 10 punts de planta — mapa de composició en temps real, alertes automàtiques | Comercial via Sadako | Sadako Technologies |
| Wall-B | Braç robòtic IA per a línies de volum mitjà (100–500 t/any) | Comercial via Sadako | Sadako Technologies |
| Mòdul de Visió Deep Learning | Xarxes neuronals entrenades amb més de 1.000M d'imatges de residus — identifica PET, PEAD, alumini, paper | Propi (desenvolupat a Barcelona) | Sadako Technologies |
Qui Pot Replicar Aquest Model
El cas de Sadako és directament aplicable a qualsevol operador d'instal·lacions mitjanes o grans de recuperació de materials — especialment aquells que encara depenen principalment de classificació manual o equips òptics envellits. El sistema RUBSEE està específicament dissenyat per a plantes on una instal·lació robòtica completa encara no està justificada econòmicament: afegeix visibilitat de grau IA sobre l'equipament existent sense substituir-lo, amb una amortització de 4,2 mesos que simplifica enormement la justificació pressupostària. Els consorcis municipals que gestionen instal·lacions regionals de residus, els operadors privats que busquen millorar la qualitat del material per als mercats de matèries primeres secundàries, i els operadors industrials que gestionen fluxos de residus a les seves pròpies instal·lacions són els candidats naturals. Aquesta no és una solució per a llars ni per a petites empreses sense accés a infraestructura industrial de tractament de residus.
Descobreix més casos d'automatització amb IA a Sityos AI
Sadako Technologies és un dels molts casos reals en què la IA genera retorns operatius mesurables en sectors industrials. A Sityos AI publiquem anàlisis setmanals de casos d'automatització reals — amb dades verificades, empreses identificades i resultats que pots comparar amb la teva pròpia operació.
Preguntes Freqüents
- Cal substituir l'equipament de classificació existent per implementar la IA de Sadako?
- No. RUBSEE és una capa de monitorització no invasiva: les seves unitats de visió s'instal·len sobre les estructures de cinta existents sense modificar la infraestructura mecànica de la planta. Max-AI i Wall-B són instal·lacions més substancials, però es despleguen típicament al costat dels separadors òptics existents, no en substitució. Wall-B està dissenyat específicament per a línies on la classificació òptica convencional no és rendible pel volum de flux.
- La tecnologia de Sadako està disponible fora d'Espanya?
- Sí. La visió artificial de Sadako impulsa sistemes Max-AI en instal·lacions dels Estats Units, Europa, Llatinoamèrica i Àsia. L'aliança amb Bulk Handling Systems (BHS) els dona abast comercial global. El desenvolupament dels models d'IA, les actualitzacions d'entrenament i les millores del sistema de visió es gestionen des de la seva oficina de Barcelona, que actua com a columna vertebral d'IA per a tots els desplegaments globals.
- Quant temps triga una instal·lació de RUBSEE i quina és la mida mínima de planta?
- Les dades del projecte EU de Sadako indiquen que RUBSEE està optimitzat per a instal·lacions que processin almenys 100 tones l'any, on el mostreig manual és l'única alternativa actual. Una instal·lació estàndard de 10 unitats pot completar-se en dies sense necessitat d'aturar la planta. Per a instal·lacions al límit inferior d'aquest rang, Sadako recomana consulta directa per dimensionar correctament el desplegament.
La classificació de residus és un dels últims processos industrials pesants encara dominat pel treball manual. El 2026, els robots impulsats per IA ja assoleixen una precisió d'identificació del 99% a 1.500 extraccions per hora, superant de forma consistent els classificadors humans en velocitat, precisió i temps d'operació (IndexBox, 2026). Sadako Technologies va construir la visió que ho fa possible, des de Barcelona. La bretxa entre qui va adoptar aquesta tecnologia abans i qui l'adopta després es mesura en tones recuperades per any i en milions d'ampolles que no arriben a l'abocador. La tecnologia existeix. L'economia funciona. L'única variable és quan cada operador decideix actuar.