هذا النص ترجمة آلية من Русский. أُعدّت بواسطة الذكاء الاصطناعي وقد تحتوي على أخطاء.
اقرأ النص الأصلي →هندسة الاقتصاد الدائري
كيف تؤثر هندسة التعبئة والتغليف على فرز النفايات، ولماذا يرفع الذكاء الاصطناعي والعلامات الرقمية كفاءة إعادة التدوير إلى 93%، وكيف يخفض التحسين الرياضي لمسارات جمع النفايات الصلبة التكاليف بنسبة 40-66%. تقنيات وحالات عملية من الاقتصاد الدائري.

يكتسب التحول الجذري في بنية النشاط الاقتصادي الذي يحمله معه الاقتصاد الدائري ملامح بُعد هندسي واضح بشكل متزايد مع مرور الوقت. فلا يقتصر التحول على طريقة التفكير وعادات المنتجين والمستهلكين فحسب، بل تتغير أيضاً البنية المكانية ذاتها لمسارات حياة النفايات: من المستوى الجزئي - التعبئة والتغليف، والأشكال والأدوات اللازمة لتجميع النفايات الصلبة البلدية - إلى المستوى الكلي المتمثل في شرايين المدن، وإعادة النظر في الهندسة البشرية وتركيب خطوط الإنتاج التي تتحرك عبرها النفايات. لم تعد الهندسة مجرد استعارة أو تخصص علمي، بل أصبحت أداة عمل في تشكيل ثقافة السلوك المسؤول للمنتجين والمستهلكين وتبرير المقترحات التقنية والاقتصادية في المشاريع متعددة التخصصات للاقتصاد الدائري في عصر التطور السريع للذكاء الاصطناعي.
هندسة التعبئة والتغليف: لماذا يحسم الشكل المسألة؟
يتحدد مصير العبوة على سير الفرز إلى حد كبير بشكلها. فالحاويات المسطحة والمرنة، والأغشية البلاستيكية، والأكياس، والأغلفة تمثل المشكلة الرئيسية للماسحات الضوئية البصرية. يصعب التعرف عليها، ويصعب أكثر فصلها بدقة بواسطة تيار الهواء. أما العبوات الصلبة ذات الحجم الكبير مثل الزجاجات والعلب والصواني، فيتم فرزها بكفاءة أعلى بكثير. ظلت العبوات متعددة الطبقات مثل عبوات المشروبات الكرتونية المكونة من الكرتون والألمنيوم والبلاستيك حجر عثرة أمام معالجي النفايات لعقود من الزمن.
وجاء الرد على هذا التحدي من خلال تقارب استراتيجيتين:
- تبسيط الشكل الهندسي وإعادة التفكير في تركيبة المادة نفسها.
- إدخال العلامات الرقمية التي تتيح للمعدات "الرؤية" عبر الشكل الخارجي.
أثبت مشروع Holy Grail 2.0، الذي جمع بين العلامات التجارية والشركات التقنية، أن العلامات المائية الرقمية - وهي علامات غير مرئية للعين المجردة موضوعة على كامل سطح العبوة - توفر دقة فرز تبلغ حوالي 90% أو أكثر حتى في الظروف الصناعية المعقدة، عند وجود تلوث وتداخل في المواد.1خلال فترة الاختبارات في منشأة Hündgen بألمانيا، تم تسجيل معدل كفاءة في الكشف تراوح بين 86.7% و93.6%2.
وبالتوازي مع ذلك، يشهد مجال المواد الأحادية تطوراً ملحوظاً. فقد أجرت شركة Mondi المتخصصة في إنتاج مواد التعبئة والتغليف سلسلة من الاختبارات أثبتت أن عبوات الأكياس المرنة (من الإنجليزية pouch - كيس صغير، فئة الحاويات 05 PP، 7) والصواني المصنوعة من مادة البولي بروبيلين الأحادية يمكن التعرف عليها بنجاح وتوجيهها إلى مسار الفرز الصحيح في منشآت معالجة النفايات الحديثة. وقد أكدت الاختبارات التي أُجريت بالتعاون مع المركز الهولندي الوطني لاختبار البلاستيك الدائري (NTCP)، والتي حاكت سيناريوهات واقعية، أن الأغشية العلوية والصواني شبه الصلبة المشكّلة حرارياً تصل بشكل مستقر إلى الفئة المطلوبة3.
أما بالنسبة للعبوات التي يستحيل تبسيطها، فإن تقنيات الذكاء الاصطناعي تصبح الحل الأساسي. وكانت شركة Tetra Pak تخطط لاستثمار 1.4 مليون جنيه إسترليني في نشر أنظمة الرؤية الحاسوبية المستندة إلى تقنيات الشركة الناشئة البريطانية Recycleye على خطوط الفرز في المملكة المتحدة، بهدف تدريبها على التعرف المحدد على العبوات الكرتونية متعددة الطبقات ضمن تدفق النفايات المختلطة4.
تستخدم خدمة «Circpack» من «Veolia» تقنية علامات RFID (علامات التعريف بترددات الراديو) لاختبار قابلية إعادة تدوير أنواع جديدة من العبوات في ظروف واقعية، حيث يتم إدخال عينات مزودة بعلامات راديوية في مسار النفايات العام بمصنع أوختندونغ في ألمانيا. تخلق هذه التقنية حلقة تغذية راجعة بين عمليات الفرز وتصميم العبوات، مما يتيح للمصنعين تعديل التصميم في مراحل مبكرة5.
وفقاً لبيانات شركة «РЭО» الروسية، بدأ عدد من المؤسسات في روسيا باستخدام تقنية الرؤية الحاسوبية في التعامل مع النفايات البلدية الصلبة لتحسين جودة فرزها. كما يهدف استخدام هذه التقنية إلى أتمتة جمع البيانات التي قد تكون مشوهة عند تعبئة نماذج 2-ТП الخاصة بالنفايات6. وفقاً لدراسة أجراها باشكاتوف وروسينوف وآخرون، قد تبلغ تكلفة تطبيق نظام الذكاء الاصطناعي في المنشآت حوالي 190 مليون روبل. ويرى الباحثون أن بنود النفقات الرئيسية تشمل: خط آلي (مكون من 3 وحدات) بقيمة 84 مليون روبل (44.2% من إجمالي النفقات)، ومحطات ذكاء اصطناعي آلية (3 وحدات) بقيمة 66 مليون روبل (34.7%)، وجمع البيانات وتنقيتها والتعليق عليها لتدريب الذكاء الاصطناعي بقيمة 21 مليون روبل (11%)، والصيانة الخدمية بقيمة 6 ملايين روبل سنوياً (3.1%)، والصيانة الفنية بقيمة 5 ملايين روبل سنوياً (2.6%)7ووفقاً لبيانات دراسة «CEWEP»، فإن استخدام أنظمة الذكاء الاصطناعي في فرز النفايات الصلبة البلدية يمكن أن يخفض وقت المعالجة بنسبة 60%، وينخفض عبء العمل بنسبة 40%، بينما تزداد كمية المواد القابلة لإعادة التدوير بنسبة 10%8.
هندسة المدينة: رسوم بيانية للتدفقات وشرايين الحركة
إذا كان شكل العبوة يحدد مصيرها بعد إلقائها في الحاوية، فإن هندسة المدينة ومدى دقة تخطيط الرسوم البيانية لتدفقاتها هما ما يحددان مدى كفاءة وصول النفايات إلى مراكز المعالجة. تتحول الشوارع في هذا النموذج الرياضي إلى حواف، بينما تصبح مواقع الحاويات ومواقع الطمر رؤوساً تتأثر بمعايير مقيدة (سعة شاحنات القمامة، جداول الالتزام بالتلوث الضوضائي في المناطق السكنية، تجهيز وإمكانية الوصول إلى نقاط جمع النفايات الصلبة البلدية)9ويعتمد اختيار الأدوات الرياضية بشكل مباشر على كثافة العمران.
في الأحياء ذات الكثافة العالية لمواقع الحاويات، يحل المختصون مسألة توجيه الأقواس (Capacitated Arc Routing Problem, CARP)، حيث يتعين على شاحنة القمامة المرور بكل شارع في منطقة الخدمة. أما في المناطق ذات العمران المتباعد، فتتحول المسألة إلى توجيه العقد (Vehicle Routing Problem, VRP) – حيث يلزم زيارة نقاط محددة، بينما يمكن أن يكون المسار بينها أياً كان.
وتحقق النتائج الأكثر تميزاً من خلال تطبيق مسألة ساعي البريد الصيني الكلاسيكية، التي تحل مشكلة المرور عبر جميع حواف الرسم البياني بأقل قدر من التكرار.
وقد أظهرت دراسة أُجريت في مدينة كاخاماركا في بيرو أن تحسين مسارات جمع النفايات الصلبة البلدية استناداً إلى نظرية الرسوم البيانية الأويلرية الموزونة أتاح تقليص متوسط المسافة الإجمالية للمسار بنسبة 66.6%10.
أما في منطقة تشيغلي بمدينة إزمير التركية، فقد تم تطبيق نهج أكثر تعقيداً. فقد أتاحت النمذجة باستخدام نظم المعلومات الجغرافية مع تكييف حلول VRP القياسية لمهام توجيه الأقواس ومنع الدوران لمحاكاة حركة المرور الفعلية، تقليص وقت الجمع بنسبة 16.94%، والمسافة بنسبة 21.47%، واستهلاك الوقود بنسبة 24.57%، وانبعاثات ثاني أكسيد الكربون بنسبة 29.5%11.
وفي مدينة مونتانا البلغارية، نجحت منصة التوجيه الديناميكي ROSE، التي تحلل بيانات أجهزة استشعار امتلاء الحاويات، في تقليص المسافة الأسبوعية التي تقطعها شاحنات القمامة بنسبة 6-10%، فيما انخفضت الانبعاثات الأسبوعية لثاني أكسيد الكربون بنحو 15 كيلوغراماً في المنطقة التجريبية التي تضم 80 حاوية12.
اقترح V. Mavrin وI. Makarova نظام دعم اتخاذ القرار لإدارة أسطول المركبات، أدى إلى خفض إجمالي التكاليف اللوجستية بنسبة 40.64% مقارنة بالسيناريو الأساسي، وذلك بفضل الحساب الدقيق للتكوين الأمثل للمعدات13.
وفي روسيا، يتم تطبيق نُهج مماثلة على المستوى المحلي. فقد كشفت عملية المحاكاة في منطقة كراسنوسيلسكي بمدينة سانت بطرسبورغ عن نقاط تجميع غير مثالية، مما أتاح إعادة توزيعها وتقليص تكاليف النقل بما يصل إلى مليون روبل شهرياً14.
التفكير المُشفّر في الهندسة
خلف كل هذه الحالات يتضح اتجاه عام مشترك: فالاقتصاد الدائري لا يتطلب مجرد حلول تكنولوجية، بل يستلزم تحولاً في التفكير المسؤول لدى المنتجين والمستهلكين على حد سواء في جميع مراحل دورة حياة المنتج. لم تعد هندسة التعبئة والتغليف مسألة تسويقية أو تتعلق بالراحة فحسب، بل باتت عاملاً يحدد إمكانية إعادة المواد إلى الدورة من عدمها. أما تصميم الحيز العمراني ومسارات تدفق النفايات من مواقع الحاويات إلى مراكز الفرز، فقد تحول إلى تخصص هندسي قائم بذاته عند تقاطع الإدارة البلدية واللوجستيات والرياضيات التطبيقية وعلوم الحاسوب، وذلك من خلال تطوير خدمات وتطبيقات متخصصة.
بدأت معالم الواقع الجديد تتشكل بالفعل. فالتعبئة والتغليف تُصمّم الآن ليس لرفوف السوبرماركت، بل لسير الفرز الآلي. ومسار شاحنة القمامة لم يعد يُحسب وفق جدول زمني معتاد، بل بناءً على بيانات مستشعرات الامتلاء. والتخطيط العمراني بات يأخذ في الاعتبار ليس فقط تدفقات حركة الأشخاص، بل أيضاً شرايين حركة النفايات باعتبارها موارد. في هذه الإعادة الهندسية لتشكيل العمليات والمفاهيم المألوفة تكمن بنية الاقتصاد الدائري.
المصادر (14)
- 1. Pioneering digital watermarks for smart packaging recycling in the EU [Electronic resource]. URL: (date of access 15.05.2026)
- 2. Digital Watermarks Initiative Holy Grail 2.0 [Electronic resource]. (date of access 15.05.2026)
- 3. Mondi’s mono-material retort pouches evidence effective sorting during recycling [Electronic resource]. URL: (date of access 17.05.2026)
- 4. Tetra Pak announces major investment to enhance sorting of food and beverage cartons in the UK [Electronic resource]. URL: (date of access 17.05.2026)
- 5. RFID reveals the true recyclability of packaging [Electronic resource]. URL: (date of access 19.05.2026)
- 6. ППК РЭО: 7 российских заводов по сортировке отходов внедрили искусственный интеллект на производстве [Электронный ресурс]. URL: (дата обращения 20.05.2026)
- 7. Башкатов Д.А., Русинов Р.А., Полулях Л.А. Подходы к применению искусственного интеллекта для сортировки твердых отходов в России // Металлургия черных, цветных и редких металлов. № 1 (151) DOI
- 8. Confederation of European Waste-to-Energy Plants: Circular Economy 2035 Waste Treatment Gap – Detailed Explanations. URL: 2019/07/CEWEP-residualwaste-calculation-explanationsfinal.pdf. (date of access 14.05.2026)
- 9. Zhang, Y., Wei, Y., Zhang, B. et al. Fuzzy optimization of municipal solid waste collection routing under uncertain emissions. Sci Rep 16, 4857 (2026)
- 10. Vilchez-Torres, M., Ramos Castillo, Nataly Lisbeth, & Bobadilla Asto, Luis Eduardo. (2023). Optimization of Solid Waste Collection Routes Using Graph Theory and Linear Program. LACCEI, 1(8)
- 11. Sedat Yalçınkaya Calculation of Solid Waste Collection Induced Air Pollutant Emissions through Spatial Analysis for Different Vehicle Capacities: A Case Study in Cigli, Izmir. Araştırma Makalesi / Research Article, Doğ Afet Çev Derg, 2020; 6(2): 366-376, DOI: 10.21324/dacd.675605.
- 12. ROSE Route optimisation module for waste logistic platforms (date of access 21.05.2026)
- 13. Mavrin, V.; Makarova, I. Developing a Decision Support System to Improve the Waste Transportation Process. Logistics 2026, 10, 78
- 14. Гвилия Н.А., Янковский Д.И. Управление логистикой отходов в мегаполисах на основе методов имитационного моделирования // Территория новых возможностей. Вестник Владивостокского государственного университета. 2025. Т. 17, № 3. С. 7–21. DOI: EDN: https://elibrary.ru/VSJBUY