Circularity of Thermodynamical Material Networks: Indicators, Examples, and Algorithms

Dit artikel introduceert thermodynamische materialnetwerken als een dynamisch ontwerpparadigma voor de circulaire economie, ontwikkelt graafgebaseerde circulariteitsindicatoren en valideert deze middels numerieke voorbeelden voor zowel vloeibare als vaste materialen.

De kern

🔄 De Cirkel van Leven: Hoe we Materialen Slimmer Laten Draaien

Stel je voor dat onze huidige economie een trein is die alleen maar vooruit rijdt. Hij pakt grondstoffen op bij de bron (mijnen), maakt er producten van, en gooit ze aan het einde van de rit gewoon weg in de vuilnisbak. Dit is de "lineaire" economie: nemen, maken, weggooien. Het probleem? De grondstoffen raken op en de vuilnisbakken lopen over.

De oplossing is een cirkel: een trein die rondjes rijdt. Alles wat eruit komt, wordt weer opgepakt en opnieuw gebruikt. Dit heet de "circulaire economie". Maar hoe weet je of die trein echt rondjes rijdt, of dat hij toch ergens vastloopt? Dat is waar dit artikel over gaat.

De auteur, Federico Zocco, heeft een nieuwe manier bedacht om te meten hoe "rond" een systeem echt is. Hij noemt dit Thermodynamische Materiaalnetwerken (TMN).

🧪 De Analogie: Het Systeem als een Stoommachine

In plaats van gewoon te tellen hoeveel afval er is (zoals een simpele inventaris), kijkt Zocco naar het systeem als een stoommachine of een waterleidingnet.

• De Kamers: Stel je voor dat elk bedrijf, elke fabriek of elke vuilnisbak een "kamer" is in een groot huis.
• De Deuren: Tussen deze kamers lopen deuren waar materialen (zoals plastic of water) doorheen stromen.
• De Stroom: Net als water in leidingen, stroomt materiaal van kamer naar kamer.

Het slimme aan deze methode is dat hij niet alleen kijkt naar hoeveel er is, maar ook naar hoe snel en hoe het beweegt. Materialen bewegen niet statisch; ze stromen, soms in seconden.

📏 De Nieuwe Meetlat: De "Cirkel-Meter"

Vroeger waren de meetlatjes voor circulariteit vaak vaag of gebaseerd op simpele formules. Zocco gebruikt wiskunde en grafieken (net als een plattegrond van een stadsvervoer) om precies te meten:

1. De Cirkels (De Lussen): Kijk naar de plattegrond. Rijden er lijnen in een rondje? Als er een weg is van A naar B en terug van B naar A, heb je een cirkel. Hoe meer en hoe dichter die cirkels, hoe beter de circulariteit.
2. De Drie Soorten "Gemiddelden": Om te meten hoe sterk die cirkel is, gebruikt hij drie soorten rekenmethodes (net zoals je een gemiddelde snelheid kunt berekenen):
   • Geometrisch: Kijkt naar de "zwakste schakel" in de keten.
   • Harmonisch: Kijkt naar de langzaamste stroom.
   • Aritmetisch: De simpele gemiddelde.
3. De Schaal: Hij meet niet alleen de cirkels, maar ook hoeveel materiaal er niet in een cirkel zit (dat wat weggooit of nieuw wordt aangetrokken). Dit geeft een score van 0 (geen cirkel) tot 1 (perfecte cirkel).

💧 Voorbeeld 1: Het Water (Vloeibare Materialen)

In het eerste voorbeeld kijken we naar vloeistoffen (zoals water in leidingen).

• Het Probleem: Als je de stroom van water meet, moet je rekening houden met de wet van behoud van massa: wat erin gaat, moet eruit komen. Als je dit vergeet, krijg je "onfysische" resultaten (alsof water uit het niets verschijnt).
• De Oplossing: De auteur toont aan dat je de "voorraad" in elke kamer dynamisch moet laten veranderen. Als er meer water in een kamer stroomt dan eruit, moet de voorraad daar groeien. Dit maakt het model veel realistischer.

📦 Voorbeeld 2: De Pakketjes (Vaste Materialen)

In het tweede voorbeeld kijken we naar plastic (vast materiaal).

• Het Verschil: Vloeistof stroomt continu. Plastic wordt echter in pakketjes (batchjes) vervoerd. Een vrachtwagen rijdt, laadt, rijdt weer, en leegt.
• De Uitdaging: Omdat het in pakketjes gaat, zijn er momenten waarop er geen stroom is. Als er op dat moment geen cirkel actief is (geen vrachtwagen die tegelijkertijd heen en weer rijdt), dan is de "cirkel-meter" even op nul.
• De Les: Dit laat zien dat in de echte wereld (met vrachtwagens en fabrieken) de circulariteit soms "stopt" tussen de ritjes door. Om de cirkel echt te sluiten, moeten er meer vrachtwagens tegelijkertijd rijden, zodat er altijd een stroom is.

🚀 Waarom is dit belangrijk?

De auteur vergelijkt zijn methode met een simpele foto versus een live video:

• Oude methode (MFA): Kijkt naar een foto van de voorraad op het einde van het jaar. Je ziet wat er was, maar niet hoe het bewogen heeft.
• Nieuwe methode (TMN): Kijkt naar de live video. Je ziet elk pakketje, elke vrachtwagen en elke seconde.

Het grote voordeel:
Om die live video te maken, heb je veel minder data nodig dan je denkt. In plaats van duizenden meetpunten te verzamelen (zoals bij de oude methode), volstaan een paar slimme formules en parameters. Het is alsof je in plaats van elke seconde de temperatuur te meten, gewoon de verwarmingsketel en de thermostaat instelt om het gedrag te voorspellen.

🏁 Conclusie

Dit artikel geeft ons een nieuwe bril om naar onze economie te kijken. Het helpt ingenieurs en beleidsmakers om:

1. Precies te zien waar materialen vastlopen.
2. Systemen te ontwerpen die echt in een cirkel draaien.
3. De "slipjes" in de keten te vinden (bijvoorbeeld: waarom rijdt die ene vrachtwagen niet vaak genoeg?).

Kortom: Het is een handleiding om van een "wegwerp-trein" een "rondje-draaiende trein" te maken, zodat we onze planeet niet leeghalen, maar juist in stand houden.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het artikel "Circularity of Thermodynamical Material Networks: Indicators, Examples, and Algorithms" van Federico Zocco, in het Nederlands.

Probleemstelling

De overgang van een lineaire economie (nemen-maken-verwijderen) naar een circulaire economie is essentieel voor duurzaamheid, maar de theoretische fundamenten en meetinstrumenten voor circulariteit zijn vaak onduidelijk. Bestaande indicatoren voor circulariteit lijden aan twee belangrijke beperkingen:

1. Gebrek aan wiskundige en fysische basis: Veel indicatoren zijn puur algebraïsch of kwalitatief, zonder stevige fysische onderbouwing (zoals massabalans of thermodynamica), wat herhaalbaarheid en vergelijking bemoeilijkt.
2. Gebrek aan dynamische modellering: Bestaande methoden, zoals Materiaalstroomanalyse (MFA), gebruiken vaak statische voorraad- en stroomdata. In werkelijkheid zijn voorraden en stromen echter hoogst dynamisch en veranderen ze binnen seconden. Het modelleren van deze dynamiek met MFA vereist enorme hoeveelheden historische data.

Er is dus behoefte aan een methode die circulariteit definieert als een "gesloten stroom van materiaal" binnen een dynamisch systeem, met een sterke wiskundige en fysische onderbouwing.

Methodologie

De auteur introduceert Thermodynamische Materiaalnetwerken (TMN) als een systematische aanpak om materiaalstromen te ontwerpen. Een TMN wordt gezien als een verzameling thermodynamische compartimenten die verbonden zijn via materiaalstromen.

Kerncomponenten van de methodologie:

• Grafentheorie: Het netwerk wordt gemodelleerd als een gerichte graaf (digraph) waarbij knopen compartimenten (voorraden) vertegenwoordigen en bogen de stromen tussen deze compartimenten.
• Dynamische Systemen: In plaats van statische data worden de systemen beschreven met differentiaalvergelijkingen (voor continue stromen, zoals vloeistoffen) of hybride vergelijkingen (voor batch-processen, zoals vaste stoffen).
  • Voor vloeistoffen wordt gebruikgemaakt van continuïteitsvergelijkingen en massabalans.
  • Voor vaste stoffen worden discrete tijdsstappen en transporttijden gebruikt.
• Massabalans: Een cruciale stap is het afdwingen van het behoud van massa. De auteurs tonen aan dat het negeren van deze wet leidt tot niet-fysische resultaten en onjuiste circulariteitsindicatoren.
• Indicatoren: Op basis van de grafentheorie worden zes nieuwe indicatoren gedefinieerd om de mate van circulariteit te kwantificeren. Deze zijn gebaseerd op de aanwezigheid en intensiteit van gerichte cycli in het netwerk:
  1. Geschaalde en totale indicatoren: Gebaseerd op het geometrisch, harmonisch en rekenkundig gemiddelde van de stromen binnen een cyclus.
  2. Topologische indicatoren: Gemiddelde connectiviteit, cycliciteit (aantal cycli), stroomdeling (stromen die in meerdere cycli voorkomen) en directionaliteit.
  3. Hulpindicatoren: Totale voorraad, totale stroom, voorraaddistributie en accumulatie/uitputting.

Belangrijkste Bijdragen

1. Fysisch gefundeerde formalisering: De paper biedt een wiskundig robuuste definitie van circulariteit gebaseerd op thermodynamica en grafentheorie, in plaats van puur statistische correlaties.
2. Ontwikkeling van algoritmen: Er worden specifieke algoritmen gepresenteerd (in MATLAB) om de nieuwe indicatoren te berekenen voor zowel statische als dynamische (continue en hybride) systemen.
3. Validatie via numerieke voorbeelden:
   • Vloeistoffen: Een dynamisch netwerk met sinus- en cosinus-gestuurde stromen. Dit voorbeeld illustreert het belang van het corrigeren van de massabalans; zonder correctie zijn de indicatoren niet-fysisch.
   • Vaste stoffen (Plastics): Een gedetailleerd model van een circulaire keten voor PET, HDPE en PP (van producent naar organisatie, naar recycling, terug naar organisatie). Dit model gebruikt hybride dynamische vergelijkingen om batch-transport en tijdsvertragingen nauwkeurig weer te geven.
4. Data-efficiëntie: De auteur toont aan dat TMN aanzienlijk minder data vereist dan traditionele MFA om dezelfde dynamische precisie te bereiken (in het voorbeeld 34 parameters versus 2.601 datapunten).

Resultaten

• Vloeistofvoorbeeld: De berekende indicatoren (zoals $\lambda_{GS}$, $\lambda_{HS}$, $\lambda_{AS}$) variëren dynamisch in de tijd afhankelijk van de stroomintensiteit in de cycli. Het voorbeeld benadrukt dat als de massabalans wordt geschonden (voorraden veranderen zonder in- of uitstroom), de indicatoren onbetrouwbaar worden. Na correctie van de voorraden via integratie van de stromen, worden de indicatoren fysisch consistent.
• Vaste-stofvoorbeeld: In dit scenario bleek dat er op elk moment $n_\phi = 0$ cycli waren met gelijktijdige stromen. Omdat de vrachtwagens niet tegelijkertijd reden (één rit per keer), waren de circulatie-indicatoren (zoals $\lambda_{GS}$) gelijk aan nul.
  • Dit onthult een beperking van de huidige indicatoren: ze vereisen gelijktijdige stromen in een lus om een niet-nul waarde te geven. In batch-systemen met vaste stoffen is dit zeldzaam, terwijl het bij continue systemen (zoals water) normaal is.
  • De hulpindicatoren ($\theta_S$, $\theta_F$) toonden wel de dynamiek van voorraadverplaatsing en transporttijden aan.
• Data-efficiëntie: Het model voor vaste stoffen vereiste slechts 34 parameters om de dynamiek binnen 1 minuut nauwkeurig te simuleren, terwijl een MFA-benadering duizenden datapunten nodig zou hebben om dezelfde gebeurtenissen te detecteren.

Betekenis en Conclusie

De paper levert een belangrijke bijdrage aan de theoretische onderbouwing van de circulaire economie door deze te koppelen aan gevestigde ingenieursprincipes (thermodynamica en netwerkanalyse).

• Design-oriëntatie: TMN verschuift de focus van het analyseren van bestaande data naar het ontwerpen van circulaire netwerken, vergelijkbaar met het ontwerpen van hydraulische of elektrische netwerken.
• Dynamisch inzicht: De methode maakt het mogelijk om zeer snelle dynamische veranderingen (sneller dan 1 minuut) te modelleren, wat essentieel is voor real-time optimalisatie van supply chains.
• Toekomstperspectief: De auteurs erkennen dat de huidige indicatoren voor batch-systemen (zoals vaste stoffen) nog verbeterd moeten worden. Een mogelijke toekomstige richting is het definiëren van indicatoren die cycli binnen een vast tijdsvenster (bijv. per dag) meten, in plaats van vereisen dat stromen op exact hetzelfde moment aanwezig zijn.

Kortom, dit onderzoek biedt een wiskundig raamwerk om circulariteit niet alleen te meten, maar ook te optimaliseren door het gebruik van dynamische, fysisch onderbouwde netwerken.