Zrównoważony rozwój w TOMRA Collection 

W TOMRA Collection obliczamy redukcję emisji w oparciu o metodologię opracowaną wspólnie z niezależnymi ekspertami ds. zrównoważonego rozwoju z firmy Eunomia oraz zgodną z uznanymi międzynarodowymi wytycznymi dotyczącymi tzw. avoided emissions opracowanymi przez World Business Council for Sustainable Development (WBCSD).¹

 

Uniknięte emisje to te, którym można zapobiec dzięki wykorzystaniu rozwiązań TOMRA. Ich poziom określamy poprzez porównanie dwóch scenariuszy: jednego, w którym funkcjonują systemy TOMRA Collection (recyklomaty oraz – na wybranych rynkach – rozwiązania do zarządzania materiałem), oraz drugiego, w którym tych rozwiązań nie ma. Różnica między nimi pokazuje skalę emisji, których udało się uniknąć dzięki technologii i usługom TOMRA.¹

 

Obliczenia opierają się na rzeczywistych danych rocznych dotyczących liczby opakowań po napojach zwracanych za pośrednictwem recyklomatów TOMRA. Zamiast prognoz długoterminowych stosujemy podejście rok do roku, co pozwala zachować przejrzystość wyników i uniknąć ich przeszacowania.¹

 

Sposób porównania zależy od roli TOMRA Collection na danym rynku. Tam, gdzie dostarczamy recyklomaty, zestawiamy obecny system kaucyjny z modelem pozbawionym wygody, automatyzacji i kompakcji, jakie zapewniają te urządzenia. Z kolei na rynkach, gdzie TOMRA odpowiada również za logistykę i obsługę materiału, porównujemy aktualny system z sytuacją, w której takie wsparcie nie istnieje, a system kaucyjny nie działa efektywnie.²

 

Recyklomaty sprawiają, że zwrot butelek i puszek jest prostszy, szybszy i bardziej dostępny. W efekcie więcej opakowań wraca do systemu niż w modelach opartych wyłącznie na zbiórce manualnej lub mniej wygodnych rozwiązaniach.³

 

Uniknięte emisje wynikają z trzech głównych efektów. Po pierwsze, wyższe poziomy zwrotu oznaczają większy udział recyklingu, co ogranicza konieczność produkcji surowców pierwotnych oraz zmniejsza ilość odpadów trafiających do spalarni i na składowiska.² Po drugie, opakowania zebrane w systemie kaucyjnym są czystsze i łatwiejsze w sortowaniu, co przekłada się na niższe zużycie energii w tym procesie.² Po trzecie, recyklomaty zgniatają opakowania już w miejscu zwrotu, dzięki czemu do przewiezienia tej samej ilości materiału potrzeba mniej transportów.²

 

Dane dotyczące poziomów zwrotu i efektywności systemów kaucyjnych pochodzą z krajowych analiz publikowanych m.in. przez Reloop oraz innych źródeł publicznych.⁴ Założenia dotyczące różnic między systemami z recyklomatami i bez nich opierają się na badaniach pokazujących, że dostępność wygodnych form zwrotu konsekwentnie przekłada się na wyższe poziomy zbiórki.³

 

Współczynniki emisji dla materiałów z recyklingu bazują na uznanych danych branżowych oraz badaniach naukowych i są uwzględnione w modelach analizy cyklu życia (LCA) opracowanych przez Eunomię.⁵ ⁶ ⁷ ⁸ ⁹ ¹⁰ ¹¹

 

Te same założenia stosujemy zarówno dla obecnego systemu, jak i dla scenariusza porównawczego.¹ Wyniki są wrażliwe na poziomy zwrotu oraz sposób zaprojektowania systemu, dlatego przyjmujemy ostrożne założenia i jasno wskazujemy ograniczenia metody. Uniknięte emisje pokazują szerszy wpływ klimatyczny rozwiązań TOMRA, ale nie pomniejszają emisji raportowanych przez firmę. Są prezentowane oddzielnie i nie stanowią podstawy do deklarowania neutralności klimatycznej ani osiągnięcia net zero.¹

 

TOMRA Collection’s avoided emissions are calculated using a methodology developed together with independent sustainability experts, Eunomia, and aligned with recognised international guidance on avoided emissions from the World Business Council for Sustainable Development (WBCSD).¹

Avoided emissions describe the greenhouse gas emissions that are prevented because TOMRA’s solutions are in use. We calculate them by comparing two situations: one where TOMRA Collection’s reverse vending and, in some markets, material handling solutions are in place, and one where they are not. The difference between these two situations shows the emissions that are avoided thanks to TOMRA’s technology and services.¹

The calculation is based on real, annual data on the number of empty drink containers returned through TOMRA reverse vending machines. We use a year‑by‑year approach rather than long‑term projections, which helps keep the results conservative and transparent.¹

The comparison depends on TOMRA Collection’s role in each market. In markets where TOMRA provides reverse vending machines, we compare today’s deposit return system with a system that works without the added convenience, automation and compaction those machines provide. In markets where TOMRA also runs material handling operations, we compare today’s system with a situation where those services are not available and the deposit return system would not work effectively.²

Reverse vending machines make returning bottles and cans easier, faster and more convenient for people. This improved recycling experience leads to higher return rates compared with systems that rely on manual or less accessible collection methods.³

The avoided emissions come from three main effects. First, higher return rates mean more bottles and cans are recycled. This reduces emissions by avoiding the need to make the same materials from scratch and by keeping material out of incineration and landfill.² Second, containers collected through deposit return systems are cleaner and easier to sort, which means less energy is needed during sorting.² Third, reverse vending machines compact containers at the point of return, so fewer transport trips are needed to move the same amount of material.²

Data on return rates and deposit return system performance is based on country‑level information published by Reloop and other public sources.⁴ Assumptions about differences between systems with and without reverse vending machines are informed by evidence showing that deposit systems with convenient return options consistently achieve higher return rates.³

Emissions factors for recycled materials are based on established industry data and peer‑reviewed studies and are consolidated within Eunomia’s life‑cycle assessment models.⁵ ⁶ ⁷ ⁸ ⁹ ¹⁰ ¹¹

The same assumptions are applied consistently to both the current situation and the comparison case.¹ The results are sensitive to return rates and system design, so conservative assumptions are used and key limitations are documented. Avoided emissions reflect the wider climate impact of TOMRA’s solutions and do not reduce the company’s reported greenhouse gas emissions. Avoided emissions are reported separately from TOMRA’s own emissions and are not used to claim carbon neutrality or net zero. ¹

Źródła

1. World Business Council for Sustainable Development (WBCSD). Guidance on Avoided Emissions (2023). Pobrano z wbcsb.org.
2. Eunomia & TOMRA Collection. Avoided Emissions Methodology (2024).
3. TOMRA. Deposit Return Systems White Paper: Rewarding Recycling – Unlocking Circularity. Pobrano z tomra.com.
4. Reloop Platform. Global Deposit Book oraz powiązane krajowe zbiory danych dotyczące systemów kaucyjnych. Pobrano z reloopplatform.org.
5. PlasticsEurope. Dane cyklu życia i współczynniki emisji dla produkcji i recyklingu tworzyw sztucznych. Pobrano z plasticseurope.org.
6. Franklin Associates. Dane inwentaryzacyjne LCI dla materiałów z tworzyw sztucznych w opakowaniach. Pobrano z fal.com.
7. Chen, Yuedong, Zhaojie Cui, Xiaowei Cui, Wei Liu, Xinlei Wang, XinXin Li, and Shouxiu Li. "Life cycle assessment of end-of-life treatments of waste plastics in China." Resources, Conservation and Recycling 146 (2019): 348-357.
8. Mendes Campolina, Juliana, Carolina São Leandro Sigrist, Jane Maria Faulstich de Paiva, Andréa Oliveira Nunes, and Virgínia Aparecida da Silva Moris. "A study on the environmental aspects of WEEE plastic recycling in a Brazilian company." The International Journal of Life Cycle Assessment 22, no. 12 (2017): 1957-1968.
9. International Aluminium Association. Dane dotyczące emisji przy produkcji i recyklingu aluminium. Pobrano z international-aluminium.org.
10. British Glass. Dane branżowe dotyczące emisji przy produkcji i recyklingu szkła. Pobrano z britglass.org.uk.
11. Glass Packaging Institute. Dane dotyczące produkcji i recyklingu szkła. Pobrano z gpi.org.
12. Zier, Michael, Peter Stenzel, Leander Kotzur, and Detlef Stolten. "A review of decarbonization options for the glass industry." Energy Conversion and Management: X 10 (2021): 100083.

 

Nasze podejście do oceny cyklu życia (LCA) obejmuje cały cykl życia produktów – od etapu produkcji, przez użytkowanie, aż po zagospodarowanie po zakończeniu eksploatacji. Do obliczania wpływu środowiskowego wykorzystujemy metodę EF 3.0¹, a same analizy prowadzimy z użyciem narzędzi SimaPro i Ecochain Mobius.

 

Faza produkcji jest modelowana poprzez przypisanie poszczególnych komponentów (na podstawie zestawienia materiałowego – BOM) do odpowiednich kategorii materiałowych, a następnie powiązanie ich z wpływem środowiskowym produkcji przy wykorzystaniu bazy danych ecoinvent².

 

W przypadku etapu montażu korzystamy z danych dotyczących zużycia energii oraz ilości generowanych odpadów dla porównywalnych produktów.

 

Faza użytkowania uwzględnia zużycie energii (zarówno w trybie czuwania, jak i pracy), a także dane dotyczące serwisu i przewidywanych napraw. W obliczeniach LCA TOMRA Collection najczęściej przyjmuje Niemcy jako rynek referencyjny – ze względu na ich znaczenie dla działalności firmy oraz bardziej konserwatywne (ostrożne) założenia dotyczące emisji związanych z energią niż średnie europejskie. Pozwala to również na precyzyjne oszacowanie odległości transportowych.

 

Wpływ środowiskowy na etapie końca życia produktu modelujemy w oparciu o średnie poziomy recyklingu podawane w aktualnych źródłach – przykładowo wcześniej wykorzystywano dane JRC (2020)³.

 

Do podziału obciążeń środowiskowych związanych z recyklingiem stosujemy tzw. podejście cut-off. Oznacza to, że jeśli materiał kończy swój cykl życia (np. trafia na składowisko lub do spalarni), jego wpływ środowiskowy przypisywany jest do produktu i uwzględniany w wynikach. Natomiast w przypadku przekazania materiału do recyklingu wpływ ten nie jest przypisywany do analizowanego produktu i nie jest wliczany do wyników.