طراحی و تدوین چارچوب کاربست هوش مصنوعی در تصفیه فاضلاب: رهیافتی آمیخته

سال انتشار: 1405
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 100

فایل این مقاله در 30 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCMR13_025

تاریخ نمایه سازی: 27 مهر 1405

چکیده مقاله:

تصفیه فاضلاب به عنوان یکی از ارکان اصلی حفاظت از منابع آب و سلامت عمومی، با چالش های پیچیده ای نظیر غیرخطی بودن فرایندها، عدم قطعیت در شرایط ورودی، هزینه های بالای انرژی و الزامات روزافزون زیست محیطی مواجه است. هوش مصنوعی با قابلیت های پیش بینی، بهینه سازی و کنترل هوشمند، ظرفیت قابل توجهی برای بهبود عملکرد تصفیه خانه ها دارد، بااین حال، تاکنون چارچوبی جامع که ابعاد فنی، اقتصادی و مدیریتی این کاربردها را به طور یکپارچه پوشش دهد، ارائه نشده است. این پژوهش با رویکرد کیفی و با استفاده از ترکیب دو روش مطالعه کتابخانه ای و تحلیل مضمون مصاحبه های نیمه ساختاریافته با ۱۰ نفر از خبرگان صنعت آب و فاضلاب ایران انجام شده است. نمونه گیری به صورت هدفمند صورت گرفت و فرایند مصاحبه تا دستیابی به اشباع نظری ادامه یافت. تحلیل داده های مصاحبه با استفاده از روش تحلیل محتوای کیفی و با رویکرد استقرایی انجام شد. کاربردهای هوش مصنوعی در چهار حوزه ی اصلی دسته بندی شد: (۱) بهبود عملکرد فنی تصفیه (شامل پیش بینی حذف آلاینده های متداول، خاص و ترکیبی، پیش بینی گرفتگی غشا و تشخیص زودهنگام پف کردگی لجن)، (۲) کاهش هزینه های عملیاتی و مصرف انرژی (شامل کنترل تطبیقی هوادهی، بهینه سازی دوز مواد شیمیایی، نت گری پیش بینی کننده و بهینه سازی چندهدفه)، (۳) هوشمندسازی مدیریت و کنترل فرایند (شامل پایش بلادرنگ، تشخیص خطا، کنترل تطبیقی، سیستم های پشتیبان تصمیم گیری، یکپارچه سازی با IoT و دوقلوی دیجیتال)، و (۴) پشتیبانی از بازیابی منابع و استفاده ی مجدد از فاضلاب. ماتریس تطابق کدهای مستخرج از مقالات با نظرات خبرگان نشان داد که همه ی کدها حداقل توسط ۳ خبره تایید شده اند. کدهای مرتبط با کاهش مصرف انرژی، تشخیص خطا و سیستم های پشتیبان تصمیم گیری بیشترین تعداد تایید را کسب کرده اند که بیانگر بلوغ نسبی این حوزه ها در صنعت کشور است. در مقابل، کاربردهای مرتبط با بازیابی منابع، با وجود پشتوانه ی قوی در ادبیات پژوهش، با تایید کمتری از سوی خبرگان مواجه شده اند که نشان دهنده ی شکاف میان تحقیقات دانشگاهی و نیازهای صنعت در این حوزه است. هوش مصنوعی می تواند به عنوان راهبردی کلیدی برای گذار از تصفیه خانه های سنتی به تصفیه خانه های هوشمند، پایدار و داده محور مطرح شود، اما تحقق کامل این ظرفیت نیازمند رفع موانعی نظیر کمبود داده های باکیفیت بومی، محدودیت های زیرساختی، فقدان استانداردهای یکپارچه و کمبود نیروی متخصص است.

نویسندگان

میثم نصیری

پسادکتری مدیریت، گرایش بازاریابی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

کامران قیاسی

دکتری حرفه ای کسب وکار (DBA)، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

فاطمه زرگران خوزانی

دکتری مدیریت بازرگانی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران