
فناوری هوش مصنوعی (AI) بهسرعت به ابزاری ارزشمند در صنایع سنگین تبدیل شده است و استارت آپ ها دائما در حال توسعه ابزارهای هوش مصنوعی جدید برای کمک به کسبوکارها برای غلبه بر چالشهای موجود هستند.
بهعنوان مثال، مدیریت ضایعات تأسیسات اهمیت فزاینده ای دارد زیرا تولیدکنندگان به دنبال افزایش کارایی، بهبود بهرهوری و پایدارتر کردن فرآیندهای تولیدی خود هستند.
بااینحال، شناسایی منابع زباله و راهحلهای بالقوه میتواند دشوار باشد. راهحلهای جدید هوش مصنوعی و یادگیری ماشینی (ML) میتواند به تولیدکنندگان کمک کند تا مدیریت زبالههای تأسیسات خود را بهینه کنند.
چالش های کنونی در مدیریت ضایعات تأسیسات
برای هر تاسیساتی که از مواد اولیه یا اجزای سازنده برای تولید محصول استفاده میکند، ضایعات یک مسئله جدی خواهد بود. این ضایعات ممکن است جامد یا به شکل مواد شیمیایی زباله، آب و بخار باشد. زباله ممکن است سمی باشد، به این معنی که اگر به درستی دفع نشود، میتواند به محیط اطراف تأسیسات آسیب برساند.
استراتژیهایی وجود دارد که کسبوکارها میتوانند برای بهتر شدن در شناسایی و کاهش ضایعات تأسیسات استفاده کنند. برای مثال، تولید ناب، یک روش تولید محبوب است که شامل تکنیکهایی مانند نقشهبرداری جریان ارزش (VSM) و کیفیت در منبع (QATS) است که به کاهش ضایعات هم از طریق مداخلات فرآیند از بالا به پایین و هم از پایین به بالا کمک میکند.
بسیاری از آژانسهای نظارتی، مانند EPA ایالاتمتحده، بهترین شیوهها را برای مدیریت زباله در تأسیسات تجاری منتشر میکنند. برخی از سازمانهای صنعتی نیز توصیههای خود را برای اجرای طرحهای بهداشتی سایت یا ارتقاء شیوههای مدیریت زباله منتشر میکنند.
بااینحال، درحالیکه این تکنیکها ابزارهایی را برای مدیریت پسماند فراهم میکنند، پیادهسازی و شناسایی زبالهها اغلب میتواند دشوار باشد. تشخیص الگوهای زباله ممکن است بدون اطلاعات کافی در مورد فرآیندهای تأسیسات ضروری باشد. استراتژیهای مدیریت زباله ممکن است در تئوری کار کنند اما در عمل شکست بخورند، یا ممکن است برای کارآمدی به کار اضافی بیشازحد از کارکنان سایت نیاز داشته باشند.
مدیریت زباله اهمیت بیشتری پیداکرده است
در عینحال، تولیدکنندگان با شرایط بازار بهسرعت در حال تغییر روبرو هستند. افزایش پیوسته تقاضا، کمبود عرضه و انتظارات مشتریان جدید، همگی مدیریت ضایعات تأسیسات را بیش از هر زمان دیگری حیاتی کرده است.
بیش از یکسوم مصرفکنندگان جهانی مایلاند برای محصولات پایدار هزینه بیشتری بپردازند، و برخی از مطالعات نشان دادهاند که مصرفکنندگان فعالانه از برندهایی که آنها را ناپایدار میدانند اجتناب میکنند.
بسیاری از مصرفکنندگانی که مایل به پرداخت هزینه بیشتر برای پایداری هستند، جوانتر هستند، چه نسل هزاره یا ژن Z – که نشان میدهد که این روند ممکن است با افزایش قدرت خرید آن نسلها مرتبطتر شود.
فرآیند مدیریت زباله بهینهشده نهتنها به یک کسبوکار در صرفهجویی در هزینه کمک میکند، بلکه میتواند به بهبود وجهه عمومی کسبوکار نیز کمک کند. درزمانی که بسیاری از برندها سعی در سبز شدن دارند و تعهدات زیستمحیطی خود را به مصرفکنندگان نشان میدهند، مدیریت مؤثر زباله ضروری شده است.
چگونه کسبوکارها از هوش مصنوعی در مدیریت زباله استفاده میکنند
ابزارهای جدید مبتنی بر هوش مصنوعی ممکن است به مدیران تأسیسات کمک کند تا بهطور مؤثر منابع ضایعات سایت را شناسایی و مدیریت کنند. این راهحلها هم در سطح بالایی کار میکنند و هم به مدیران کمک میکنند تا تصمیمهای مؤثرتری بگیرند و هم مستقیماً در خط تولید، جایی که میتوانند به کارگران طبقه کمک کنند تا زبالهها را شناسایی و حذف کنند.
ماشین ویژن برای تشخیص و مرتبسازی خودکار زباله
یکی از نمونههای راهحل جدیدی که از نوآوریهای رباتیک و هوش مصنوعی استفاده میکند، از یک استارتآپ هوش مصنوعی مستقر در لندن به نام Greyparrot است. این شرکت ابزار بینایی ماشینی را توسعه میدهد که برای شناسایی و دستهبندی انواع ضایعات مانند “شیشه، کاغذ، مقوا، روزنامه، قوطی و انواع پلاستیکها” آموزشدیده است.
اطلاعات از الگوریتم مرتبسازی میتواند به کارگران منتقل شود و به آنها اجازه میدهد تا بهطور مؤثرتری محصولات زباله را در جریانهای مختلف زباله دستهبندی کنند که راحتتر بازیافت شوند. API تشخیص زباله این شرکت همچنین میتواند همراه با یک بازوی روباتی یا ابزاری مشابه برای دستهبندی خودکار زبالهها بدون نظارت کمی یا بدون نظارت انسانی مورداستفاده قرار گیرد.
برای مشاغلی که قبلاً بازیافت میکنند اما زمان، کار و پول قابلتوجهی را به تفکیک زباله برای بازیافت اختصاص میدهند، این ابزار همراه با رباتیک تسهیلات میتواند به تسریع قابلتوجهی در مدیریت زباله کمک کند و درعینحال فرآیند را بسیار ارزانتر کند.
یک استارتآپ مشابه، Winnow Vision، پلتفرم مشابهی را ارائه میدهد که برای استفاده در آشپزخانههای تجاری و تأسیسات پردازش مواد غذایی طراحیشده است. راهحل بینایی ماشین آنها ضایعات مواد غذایی را ردیابی و اندازهگیری میکند و ارزش دلاری را به تمام مواد غذایی و موادی که یک تجارت بدون استفاده کامل به محل دفن زباله میفرستد اختصاص میدهد.
کاهش ضایعات با بهبود کیفیت محصول
محصولات باکیفیت پایین میتوانند منبع اصلی ضایعات باشند. خطاهای فرآیند و مواد باکیفیت پایین میتواند منجر به محصولات معیوب شود که کسبوکارها نمیتوانند آنها را بفروشند اما منابعی را در آن سرمایهگذاری کردهاند.
برخی از منابع مورداستفاده در یک محصول را میتوان از طریق بازیافت یا برنامههای دیگر بازیابی کرد – اما حذف زباله در منبع همیشه کارآمدتر خواهد بود.
سیستمهای کنترل کیفیت هوش مصنوعی از ترکیبی از مدلهای تشخیص الگو و بینایی ماشین استفاده میکنند تا محصولات معیوب را زودتر از فرآیند تولید حذف کنند. این سیستمهای کنترل، همراه با سایر فناوریهای Industry 4.0 (مانند دستگاههای IoT)، میتوانند به بهبود روشهای تولید کاهش ضایعات، مانند رویکرد تولید ناب، کمک کنند.
رویکردهای هوش مصنوعی بالا به پایین به زبالههای تأسیسات
تعداد فزایندهای از استارتآپها محصولات هوش مصنوعی را ارائه میکنند که به تجزیهوتحلیل سیستمهای تجاری از بالا به پایین کمک میکنند، نه اینکه مستقیماً در فرآیند تولید مانند یک سیستم تشخیص ضایعات بینایی ماشین جاسازی شوند.
یکی از نمونههای این استارتآپها WINT Water Intelligence، توسعهدهنده سیستم مدیریت آب مبتنی بر هوش مصنوعی است. یک راهحل هوش مصنوعی از WINT به مقابله با یکی از بزرگترین منابع هدر رفت آب – نشت – کمک میکند.
نظارت بر لولهکشی در تأسیسات اغلب پیچیده و چالشبرانگیز است، به این معنی که نشتیهای کوچک ممکن است برای مدت طولانی شناسایی نشوند و باعث هدر رفتن آب قابلتوجهی شوند. با تطبیق الگوی هوش مصنوعی، نظارت و تشخیص مؤثرتر نشت آب در صورت وقوع امکانپذیر است. با استفاده از این فناوری، کسبوکارها میتوانند به میزان قابلتوجهی ضایعات آب را بدون تغییرات عمده در فرآیندهای تأسیسات کاهش دهند.
استفاده از هوش مصنوعی برای بهینهسازی مدیریت ضایعات تأسیسات
مدیریت زباله اغلب یک چالش برای تأسیسات صنعتی است، اما ابزارهای هوش مصنوعی جدید میتوانند به کاهش نیروی کار لازم برای به حداقل رساندن ضایعات کمک کنند.
سیستمهای شناسایی و دستهبندی زباله، هوش مصنوعی برای کنترل کیفیت و فناوری نظارت بر تأسیسات، همگی ممکن است به کاهش زباله در یک مرکز کمک کنند.
دانلود مقاله انگلیسی چالشها و اولویتهای مدیریت زباله جامد شهری در کامبوج (27 صفحه)

منبع: مجله بین المللی تحقیقات محیطی و بهداشت عمومی 2022
(نویسنده: امیلی نیوتن یک روزنامه نگار صنعتی است. او بهطور مرتب داستان های مربوط به بخش های برق و انرژی را پوشش میدهد. امیلی همچنین سردبیر مجله Revolutionized است.)