AZ ELEKTRONIKAI HULLADÉK NYERSANYAGVAGYON BECSLÉS MÓDSZEREI
ELECTRONIC WASTE RESOURCE ESTIMATION METHODS
HORVÁTH Ágnes
PhD hallgató horvathagnes1@yahoo.com
1Miskolci Egyetem, Nyersanyagelőkészítési és Környezeti Eljárástechnikai Intézet
Kivonat: Jelen cikk a másodlagos nyersanyagvagyon becslési módszereit hivatott összefoglalni az e-hulladék ágazatban. Célja megérteni az alapvető szabályokat, értékelni és összehasonlítani pontosság és előrejelzés szempontjából. Továbbá áttekinteni, hogyan lehet e módszereket egy általános szabványként megfogalmazni, hasonlóan a primer nyersanyagvagyon becslés CRISCO módszeréhez. Összességében felállítani az elektronikai hulladékok vagyonának számítását a kritikus fontosságú nyersanyagok becslésére.
Kulcsszavak: elektronikai hulladék, hasznosítás, nyersanyag, készlet, vagyon, becslés
Abstract: Present document aims to summarize methods applied in the secondary raw material resource estimation process in e-waste sector. Understand base principals, compare those and evaluate them in terms of accuracy and prediction. Also looking at option how these methods can be translated to a general standard similar to primary raw material resource estimations, like CRISCO. Overall establish an electronic waste resource calculation to predict critical raw material resources.
Keywords: weee, e-waste, recycling, resource, reserve, estimation
1. BEVEZETÉS
Európa a globális fémérc termelés 25-30%-át használja, de csak 3%-át adja, számos jelentős ércet egyáltalán nem termel ki. Ennek eredményeként Európa kitettsége egyre nő nyersanyagforrás terén. A probléma súlyát felismerve az Európai Bizottság 2008-ban megjelentette nyersanyag-politikai kezdeményezését a nyersanyag kereskedelem átláthatósága, a hulladékcsökkentés, a nyersanyag megőrzés, a szaktudás erősítése, új technológiák fejlesztése, egységes ásvány politika létrehozása érdekében [1].
E kezdeményezés eredményezte a kritikus fontosságú nyersanyagok körének meghatározását, mint a nyersanyag-politika egyik pillérének elemét. Ipari, ezáltal gazdasági kockázatának csökkentése még erőteljesebb motivációt adott a szekunder nyersanyagvagyon kiaknázására, mely témával kapcsolatban „CriticEl” néven alapkutatási program folyt a Miskolci Egyetemen [2,3]. A szekunder nyersanyagok vagyonának becslési módszere azonban nem képez olyan egységes rendszert, keretet, mint amelyet a primer ásványi nyersanyagok becslésére használt módszerek képviselnek [4].
2. SZEKUNDER NYERSANYAGVAGYON BECSLÉSI MÓDSZERTANA
Egy kevésbé tanulmányozott nyersanyag készletcsoport a primer nyersanyagokhoz képest, az ún. antropogén anyagok készletei, amelyek a társadalomban a már kinyert, feldolgozott, használatba vett, vagy már elhasznált, kidobott készleteket jelenti. Az antropogén anyagok készletei közé tartoznak az e-hulladékok is, jelentős hányadát képezve annak, mivel a technológiai fejlődés, a csökkenő árak, a változó vásárlói szokások az elektronikai eszközök
142
gyors cseréjéhez vezettek, eredményezve az e-hulladékok jelentős növekedését és felhalmozódását [4].
Ezen összetett készletek számszerűsítése kulcsfontosságú a szekunder nyersanyagbecslés módszertan kialakításához, mivel a jövőben újrahasznosítható anyagok összessége a jelenleg használatban lévő termékben található anyagok összegétől függ, vagy Beers [5]
meghatározása szerint, a ma hulladéka a múltban használatban lévő, élettartamának végét elérő anyag. Tehát minél pontosabban azonosítjuk a jelenleg használatban lévő anyagokat, annál pontosabb előrejelzéseket, becsléseket adhatunk azok újrahasznosításáról, készleteiről, várható nyersanyagvagyonáról. Ezáltal fontos átgondolni, hogy a primer nyersanyagbecslés módszertana milyen módosításokkal alkalmazható a hulladék nyersanyagvagyonának becslési módszertanaként [6].
2.1. Szekunder nyersanyagvagyon becslési módszerei
A szakirodalmi áttekintés során megállapítható tehát, hogy nincs egy egységesen definiált módszer, még azok elnevezései is eltérőek, példaként hozva a sokszor említett norvég módszert, amely képletet Wang [6], mint ’market supply A’ módszer definiál. Hasonlóan Li [7] ’market supply A’ számításai során hivatkozott egyes irodalmi források ’distribution delay’ módszer megnevezést alkalmaznak. Átfedés található a ’consumption and use [7, 8],
’batch leaching’ [6, 9] és ’approximation’ [10] módszerek megnevezéseiben. Továbbá az egyes módszerek összehasonlító elemzésével és pontossági rangsorával is kevés irodalmi forrás számol, mely alapjaként szolgálna a nyersanyagvagyon becslés szabvány definiálásának. Ezért elengedhetetlen a módszertani képletek részletes áttekintése, elemzése.
A képleteket összefoglaló 1. táblázatban láthatjuk, hogy a számítások négy fő paraméterből építkeznek, forgalmi és készletadatok, továbbá az élettartam átlaga vagy eloszlása.
1. táblázat. Az e-hulladék képződés számítási módszerei
módszer forgalmi adatok készlet adatok átlag élettartamélettartam eloszlás
’Approximation 1’ x
’Approximation 2’ vagy ’Consumtion and Use’ vagy ’Batch Leaching’ x x
’Time step’ vagy ’Input-Output’ vagy ’MFA stock based’ x x
’Sales and new’ x
’Market supply A’ vagy ’Distribution delay’ vagy ’Time series’ x x
’Market supply’ vagy ’Simple Delay’ x x
’Carnegie Mellon’ x x
(Forrás: Szerző saját szerkesztése)
Amennyiben pontosság alapján értékeljük Polákhoz [11] hasonlóan (2. táblázat), akkor látható, hogy a legpontosabb becsléseket azon modellek adják, amelyek az élettartamokat is számba veszik, ellentétesen a forgalmi adatok elnagyolt számításaival, amelyek csak nagyságrendi becslést adnak a várható készletekről. Azonban ez a megközelítés lényegében a primer nyersanyagok szabványában használt ismeretességi kategóriákat is definiálhatja a szekunder nyersanyagok tekintetében. Tehát, ha visszatekintünk a nyersanyagtest szabványára, a metódusok három kategória szerint osztályozhatók, mint ’feltételezett’
(inferred), ’felderített’ (indicated)’, igazolt’ (measured). Azaz az alacsony pontosággal jellemzett számítások feltételezett, a közepek pontosságúak a felderített, a magas pontosságú képletek az igazolt e-hulladék készleteket jelentik.
143
2. táblázat. Az e-hulladék képződés számítási módszereinek pontossága
módszer pontosság kategória
’Approximation 1’ alacsony feltételezett
’Sales and new’ alacsony feltételezett
’Approximation 2’ vagy ’Consumtion and Use’ vagy ’Batch Leaching’ közepes felderített
’Market supply’ vagy ’Simple Delay’ közepes felderített
’Time step’ vagy ’Input-Output’ vagy ’MFA stock based’ magas igazolt
’Market supply A’ vagy ’Distribution delay’ vagy ’Time series’ magas igazolt
’Carnegie Mellon’ magas igazolt
(Forrás: Szerző saját szerkesztése)
Amennyiben e logikán haladunk tovább és a CRIRSCO [12] szabványt tovább elemezzük, elmondható, hogy ameddig a primer nyersanyagvagyon tekintetében a geológiai tudás növekedésével a vagyon ismeretessége nő, addig a hulladék összetétel ismeretének növekedésével a nyersanyagkészlet ismeretessége is egyértelműen nő. „A térfogat meghatározása után primer nyersanyagoknál a következő feladat a vagyon mennyiségi becsléséhez szükséges két további paramétercsoport, a térfogatsúly és az átlagminőség becslése [13]. Jelen esetben erre alkalmas módszer a ’Substance Flow Analysis’, azaz termék szintű, beépülő termékek, elemek, anyagok elemzése, mellyel a különböző típusú végtermékek anyagtartalmát becsüljük adott készletekben.
, (1)
ahol:
W – e-hulladék képződés;
St – e-termék készlet mennyisége;
t – a vizsgálat éve;
m – anyagtartalom;
i –’in – use’, használatban lévő.
Összegezve fenti gondolatmenetet és behelyettesítve azt a CRIRSCO [13] szabványba, az alábbi összefüggést írhatjuk le hulladékok nyersanyagvagyona kapcsán; A hulladék összetétel ismeretének növekedésével a másodnyersanyag készlet ismeretessége is nő, ezáltal különböző ismeretességi kategóriák képezhetők, mint feltételezett, felderített, igazolt. A módosító tényezők alkalmazásával a hulladék nyersanyag készlete bizonyított nyersanyag vagyonná konvertálható [4].
3. FELHASZNÁLT IRODALOM
[1] DEPARTMENT FOR ENVIRONMENT, FOOD AND RURAL AFFAIRS: A Review of National Resource Strategies and Research, March 2012, Available:
http://www.defra.gov.uk/environment/economy/
[2] FÖLDESSY, J., MÁDAI, F., GOMBKÖTŐ, I.: Critical raw materials in Hungary: A basic research project In: Mischo H, Drebenstedt C (szerk.), Latest innovations in mining education & research: Proceedings of the 26th Annual General Meeting & and Conference of the Society of Mining Professors (SOMP). Konferencia helye, ideje:
144
Freiberg, Németország, 2015.06.21-2015.06.23. Freiberg: Technische Universität, Bergakademie, Freiberg, 2015. pp. 199-202. (ISBN:978-3-86012-505-2)
[3] GOMBKÖTŐ, I., FÖLDESSY, J., EKROOS, A., ILLKAINEN, M., KAPYAHO, A.: EU Critical raw materials in Hungary - a eview of a complex research project, Konferencia helye, ideje: Espoo, Finnország, 2014.11.26-2014.11.27., Espoo: Julkaisija, 2014. 122 p. (Minerals in Circular Economy - Book of Abstracts; 1.) (ISBN:978-951-38-8183-2)
[4] HORVÁTH, Á.: Előzetes meggondolások az elektronikai hulladék nyersanyagvagyon becslés módszertanának fejlesztéséhez, MultiScience - XXXI. microCAD International Multidisciplinary Scientific Conference University of Miskolc, Hungary, 20-21 April 2017 ISBN 978-963-358-132-2
[5] BEERS, D., GRAEDEL, T.E.: Spatial characterisation of multi-level in-use copper and zinc stocks in Australia, Journal of Cleaner Production 15 (2007) 849 -861,
08/09/2006
[6] FENG WANG, JACO HUISMAN, AB STEVELS, CORNELIS PETER BALDÉ:
Enhancing e-waste estimates: Improving data quality by multivariate,Input–Output Analysis, Waste Management 33 (2013) 2397–2407
[7] LI, B., YANG, J., Lu, B., SONG, X.: Estimation of retired mobile phones generation in China: A comparative study on methodology, Waste Management 35 (2015) 247–
254, 01/10/2014
[8] ARAÚJO, M.G., MAGRINI, A., MAHLER, C.F., BILITEWSKI, B.: A model for estimation of potential generation of waste electrical and electronic equipment in Brazil, Waste Management 32 (2012) 335–342, 19/10/2011
[9] GOLEV, A., WERNER, T.T., ZHU, X., MATSUBAE, K.: Product flow analysis using trade statistics and consumer survey data: a case study of mobile phones in Australia, Journal of Cleaner Production 133 (2016) 262-271, 27/05/2016
[10] WINIFRED KA-YAN LAU, SHAN-SHAN CHUNG, CHAN ZHANG: Material flow analysis on current electrical and electronic waste disposal from Hong Kong households, Waste Management 33 (2013) 714–721
[11] POLÁK, M., DRÁPALOVÁ, L.: Estimation of end of life mobile phones generation:
The case study of the Czech Republic, Waste Management 32 (2012) 1583–1591, 30/04/2012
[12] CRIRSCO: Committe for Mineral Reserves International Reporting Standards, International reporting template for public reporting for the public reporting of exploration results, mineral resources and mineral reserves, November 2013
[13] NÉMETH, N., FÖLDESSY, J.: Nyersanyagkutatási módszerek, Miskolci Egyetem Földtudományi Kar, 2011.
145