Using statistical entropy analysis to predict the degree of circularity of plastic recycling technologies

The outstanding growth of plastic production and consumption has brought to light the importance of recycling as one of the main pathways in the transition towards Circular Economy (CE). Plastic wastes are characterized by different chemical composition and contamination levels that prevent them from being processed via a single recycling technology. Today, plastic wastes are primarily recycled via mechanical or chemical recycling, based on energy absorption, capital expenditure, plastic structure’s complexity prerequisites and value retention. However, scientific literature lacks a method able to predict the recycling technology to employ case by case. To this end, Statistical Entropy Analysis (SEA) is discussed in this dissertation as a tool to cover this gap, by introducing a recyclability indicator that can guide industrial actors in the identification of the best recycling technology based on the circularity degree of waste materials. The method is applied to the plastic municipal solid wastes produced in Lombardy in 2019, which are investigated at different aggregation levels: substances (polymers), components (plastic objects) and products (total wastes gathered). Entropy values are calculated at each level to describe the complexity of the plastic’s structures, and then, coupled with information about recycling processes’ energy requirements to generate the recyclability indicator. Based on this thesis’ results, the SEA’s recyclability indicators are then combined with ad hoc economic utility criteria to understand which recycling process is more circular based on the plastic structure’s complexity of each case. In conclusion, the predictive behaviour of the SEA method is compared with the other existing circularity assessment methods, and future possible implications of the SEA are set forth.

L’incredibile crescita della produzione e del consumo della plastica ha portato alla luce l’importanza del riciclo come una delle vie principali nella transizione verso l’economia circolare (EC). I rifiuti di plastica sono caratterizzati da differenti composizioni chimiche e livelli di contaminazione che impediscono loro di essere processati tramite una singola tecnologia di riciclo. Al giorno d’oggi, i rifiuti plastica vengono principalmente riciclati tramite riciclo meccanico o chimico, la cui differenza dipende dall’energia assorbita, dall’ammontare di capitale necessario, dai prerequisiti riguardo la complessità della struttura delle plastiche e dal valore trattenuto durante processo. Tuttavia, nella letteratura scientifica manca un metodo capace di predire quale tecnologia di riciclo impiegare caso per caso. A questo fine, l’analisi di entropia statistica (AES), viene discussa in questa dissertazione come strumento capace di riempire questa mancanza, tramite l’introduzione di un indicatore di riciclabilità che può guidare gli attori industriali nell’identificazione della miglior tecnologia di riciclo sulla base del grado di circolarità dei rifiuti. Il metodo è applicato ai rifiuti solidi urbani di plastica generati in Lombardia nel 2019, che vengono analizzati su differenti livelli di aggregazione: sostanze (polimeri), componenti (oggetti di plastica) e prodotto (totale dei rifiuti raccolti). I valori di entropia vengono calcolati ad ogni livello per descrivere la complessità della struttura delle plastiche e, successivamente, accoppiati con le informazioni riguardanti la richiesta energetica dei processi di riciclo per generare l’indicatore di riciclabilità. Sulla base dei risultati di questa tesi, gli indicatori di riciclabilità della AES vengono uniti con dei criteri ad hoc di valutazione dell’utilità economica per capire quale processo di riciclo sia più circolare, tenendo conto della complessità della struttura plastica di ogni caso. In conclusione, il carattere predittivo del metodo AES vene paragonato con gli altri metodi esistenti di verifica della circolarità, e possibili implicazioni future del metodo AES vengono promosse.