گذار از پارادایم سنتی به کارخانه های هوشمند

تصفیه خانه های فاضلاب متعارف به طور فزاینده ای با چالش های تقاضای انرژی ناپایدار، بازده تصفیه متغیر، و هزینه های عملیاتی فزاینده روبرو هستند. این مقاله یک تغییر پارادایم معرفی می کند که تصفیه خانه ها را از سخت افزارهای ایستای فرمان پذیر به سیستم های سازگار و خود بهینه گر تبدیل می نماید که همانند ارگان های زنده عمل می کنند - مجهز به سیستم عصبی (شبکه های اینترنت اشیاء و مغز شناختی تحلیل گر هوش مصنوعی). معماری سلسله مراتبی هوشمند پیشنهادی کسب داده بلادرنگ اینترنت اشیاء، مدل سازی پیش بین با استفاده از شبکه های حافظه بلند کوتاه مدت (LSTM) و بهینه سازی حلقه بسته از طریق کنترل پیش بین مدل (MPC) را یکپارچه می سازد. این چارچوب در حالی که چالش های اجرایی از جمله امنیت داده و قابلیت اطمینان حسگرها را مورد توجه قرار می دهد، در یک مطالعه موردی در مقیاس واقعی به نتایج قابل توجهی دست یافته است: کاهش مصرف انرژی هوادهی، افزایش ۴ واحد درصدی در راندمان حذف COD از ۹۲% به ۹۶% و کاهش ۲۵% در کل هزینه های عملیاتی. این پژوهش نشان می دهد که یکپارچه سازی هوش مصنوعی و اینترنت اشیاء می تواند به طور همزمان سه گانه بحرانی انرژی، هزینه و کیفیت را بهینه سازی نماید که نشان دهنده گذار قطعی از هنر عملیاتی مبتنی بر دانش تجربی به "علم" قابل پیش بینی مبتنی بر هوشمندی داده ها است.

کلیدواژه ها:

تصفیه فاضلاب ، هوشمند ، اینترنت اشیاء (IoT) ، هوش مصنوعی (AI) ، بهینه سازی انرژی ، کنترل پیش بین مدل (MPC) ، دوقلوی دیجیتال ، داده های بلادرنگ