المكاسب:
- القدرة على حساب معدل التحويل الفعلي عن طريق وضع مجاري النفايات في التسلسل الهرمي للنفايات (الوقاية أولا) وخصم التلوث
- القدرة على تأكيد فئة النفايات الخطرة من خلال صحيفة بيانات السلامة والتشريعات وتطبيق نظام عدم استخدام توصية كود النفايات للذكاء الاصطناعي كقرار نهائي.
- القدرة على تقليل الانبعاثات والتكاليف عن طريق إنشاء مسار التجميع وتحسين التدفق باستخدام الكود والتحقق منه من خلال قيود الموقع
تعتبر النفايات المجال الأكثر وضوحًا في الإدارة البيئية: فهي مرئية، وموزنة، ومنقولة، وفي حالة سوء إدارتها، فإنها تلوث بشكل مباشر. لكن النهج الحديث لا ينظر إلى النفايات باعتبارها "مشكلة يجب القضاء عليها" فحسب، بل باعتبارها موردًا يمكن إعادته إلى الدورة. في هذه الوحدة، ستتعلم التسلسل الهرمي للنفايات، والاقتصاد الدائري، وتصنيف النفايات وتحسين جمعها باستخدام الذكاء الاصطناعي، وإمكانية التتبع.
المفاهيم أولا التسلسل الهرمي للنفايات هو ترتيب الأولوية للتعامل مع النفايات: أولاً الوقاية (عدم إنتاج أي منها)، ثم التخفيض، وإعادة الاستخدام، وإعادة التدوير، واستعادة الطاقة، وأخيراً التخلص (مكب النفايات/الحرق). الاقتصاد الدائري هو نظام عكس نموذج "الأخذ والتصنيع والتخلص"، حيث يتم إعادة استخدام المنتجات والمواد مع الحفاظ على قيمتها لأطول فترة ممكنة. معدل التحويل هو النسبة المئوية لإجمالي النفايات المحولة بعيدًا عن مكب النفايات (إعادة التدوير/السماد).
نصيحة: إن النغمة الأكثر قيمة في إدارة النفايات هي النغمة التي لا يتم إنتاجها أبدًا. استخدم الذكاء الاصطناعي ليس فقط من أجل "كيف يمكنني فصل النفايات" ولكن أيضًا من أجل "كيف أتجنب هذه النفايات في المقام الأول" (التصميم، والتعبئة، وتغيير العملية)؛ الجزء العلوي من التسلسل الهرمي له الأسبقية دائمًا.
تصنيف النفايات بالذكاء الاصطناعي
العدو الأكبر لإعادة التدوير هو التلوث – تلوث المواد القابلة لإعادة التدوير بالمواد الخاطئة؛ يمكن لحاوية واحدة قذرة أن تحول بالة كاملة إلى نفايات. يمكن للذكاء الاصطناعي القائم على التعرف على الصور تمييز المواد (نوع البلاستيك والورق والمعادن والزجاج) الموجودة في مجرى النفايات من الصورة وتسريع عملية الفصل. يساعد الذكاء الاصطناعي القائم على النصوص في تعيين رموز النفايات (مثل تصنيف النفايات الخطرة) إلى الكود الصحيح وتنظيم إعلانات النفايات. لكن التأكيد النهائي لنوع المادة وفئة خطورتها - خاصة فيما يتعلق بالنفايات الخطرة - يعود إلى الخبير؛ التصنيف الخاطئ جريمة قانونية
الأمثل: الجمع والطريق
تقوم مركبات جمع النفايات بحرق الوقود وإصدار الانبعاثات. تحسين المسار هو تخطيط المسار الأقصر/الأقل كفاءة في استهلاك الوقود باستخدام بيانات إشغال الحاويات (الممتلئة أولاً، وتخطي الحاويات الفارغة). يمكن للذكاء الاصطناعي وخوارزميات التحسين إعداد هذه الخطة بطريقة تقلل من التكلفة والانبعاثات.
خطوة بخطوة: دراسة معالجة النفايات
1. قم بتخطيط مجرى النفايات الخاص بك. ما هي النفايات التي تأتي من أين وبأي كمية وفي أي فئة؟
2. ضع في التسلسل الهرمي. هل يتم تنفيذ إجراءات الوقاية أو إعادة التدوير أو التخلص لكل تيار؟
3. قياس معدل التلوث والتحويل. ما هو مقدار ما يتم إعادة تدويره والذي يتم إعادة تدويره بالفعل؟
4. ابحث عن الفرصة. أكبر تيار، وأعلى تكلفة، وأسهل الوقاية.
5. التحسين. الفرز والتوجيه وتغيير المورد/التعبئة والتغليف.
6. المراقبة والتوثيق. حفظ بيانات النفايات. الحفاظ على الإعلان القانوني وسلسلة التتبع.
هنا منظمة العفو الدولية؛ إنه قوي في تصنيف بيانات النفايات، وتحليل التدفق، ورمز تحسين المسار، وصياغة البيان. لكن تأكيد فئة المخاطر وقانون النفايات القانوني والقرار النهائي متروك للخبير.
ثلاث حالات صغيرة
الحالة 1 - رمز النفايات غير صحيح. كان لدى إحدى المنشآت نفايات كيميائية تم فرزها بواسطة الذكاء الاصطناعي؛ وضعه الذكاء الاصطناعي في كود يبدو معقولًا ولكنه غير ضار. وعندما قام الخبير بفحص ورقة بيانات السلامة (SDS) الخاصة بالنفايات، رأى أن المادة تنتمي بالفعل إلى فئة النفايات الخطرة. إن التخلص من الكود الخاطئ يعني فرض غرامات باهظة وتلوث بيئي. كان إخراج الذكاء الاصطناعي بمثابة البداية، وكان تأكيد SDS أمرًا ضروريًا.
الحالة 2 - تكلفة التلوث. وكان أحد المكاتب يتباهى بمعدل إعادة التدوير الخاص به، ولكن تم رفض 30% من المواد التي تصل إلى المنشأة بسبب التلوث؛ لذا فإن رقم "إعادة التدوير" كان في الواقع منخفضًا جدًا. لقد جعلوا الذكاء الاصطناعي يكتشف مصادر التلوث (أي مربع، أي عنصر أكثر) من بيانات الصورة؛ وكان الملوث الأكثر شيوعا هو بقايا الطعام. أدى صندوق عضوي منفصل بسيط إلى زيادة معدل الإحالة الفعلي من 58% إلى 81%.
الحالة 3 - حفظ الطريق. قامت إحدى البلديات باستخدام الذكاء الاصطناعي لتحسين المسار باستخدام بيانات مستشعر إشغال الحاوية؛ أنشأ الرمز مسارًا يتجاوز الحاويات الفارغة. تم تقليل مسافة الالتقاط بنسبة 22%، مما يعني انخفاضًا مباشرًا في الوقود والانبعاثات. قام السائقون بالتحقق من صحة المسار في الطيار، ثم طرحوه.
موجه ضعيف / موجه قوي
حث ضعيف:
كيف أقلل من نفاياتي؟
لماذا هو ضعيف: لا يوجد نوع النفايات وكميتها وتدفقها وقيودها. تظهر قائمة "إعادة التدوير" العامة، ولا يوجد تحديد للأولويات.
مطالبة قوية:
دورك: أخصائي إدارة النفايات. قم بتحليل جدول تدفق النفايات السنوي أدناه (النوع، الكمية بالطن، طريقة التخلص الحالية). ضع كل تيار في التسلسل الهرمي للنفايات وقم بتصنيف أكبر فرصة بيئية/تكلفة حسب ترتيب الوقاية > إعادة الاستخدام > إعادة التدوير. ضع علامة على تلك التي قد تكون نفايات خطرة على أنها "يجب تأكيدها بواسطة SDS"؛ لا تزيف فئة الخطر. البيانات: [الجدول]
أربعة قوالب قابلة للنسخ
1) تحديد أولويات تدفق النفايات:
دورك: خبير النفايات. قم بتقييم مجاري النفايات التالية (النوع، الطن، الطريقة) وفقاً للتسلسل الهرمي للنفايات. اقترح أعلى مستوى (المنع → القضاء) لكل فرصة. ضع علامة على تلك التي قد تكون خطرة، ولا تشكل الفصل. حساب معدل الإحالة. البيانات: [هنا]
2) التعيين المسبق لكود/فئة النفايات (مؤكد):
قم بتعيين عناصر النفايات التالية إلى رمز/فئة النفايات المحتملة. قم بتقديم التطابق مع الملاحظة "غير قاطعة، تحقق من خلال SDS/التشريع"؛ لا تشكل فئة الخطر. ضع علامة أيضًا على العنصر الذي لست متأكدًا منه. العناصر: [قائمة]
3) تحليل الأسباب الجذرية للتلوث:
قم بتحليل بيانات رفض/تلوث إعادة التدوير أدناه. ابحث عن الملوثات ونقاط المصدر الأكثر شيوعًا؛ اقترح تدخلاً وقائيًا بسيطًا لكل منها. احسب معدل الإحالة الفعلي (مطروحًا منه التلوث). البيانات: [هنا]
4) إطار تحسين مسار التجميع:
دورك: محلل العمليات. باستخدام موقع الحاوية وبيانات الإشغال التالية، اكتب إطار عمل Python قابلاً للتنفيذ لتحسين المسار الذي يعطي الأولوية للحاويات الممتلئة ويتخطى الحاويات الفارغة (على سبيل المثال، مصفوفة المسافة + الاستدلال البسيط). قم أيضًا بإنتاج توقعات الادخار. البيانات: [هنا]
الأخطاء الشائعة
- القفز إلى أعلى التسلسل الهرمي. القفز مباشرة إلى إعادة التدوير دون التفكير في الوقاية.
- لا تحسب التلوث. إن "المجمع" و"المتحول حقًا" مختلفان.
- تكييف فئة الخطر مع الذكاء الاصطناعي. إن SDS والتأكيد التنظيمي إلزاميان؛ جريمة فئة خاطئة.
- عدم تسجيل سلسلة التتبع. يجب توثيق المكان الذي تذهب إليه النفايات.
- تطبيق تحسين المسار بدون حقول. يجب أن تدخل قيود برنامج التشغيل والموقع إلى النموذج.
تنبيه: يعد سوء التصنيف والتخلص غير المسجل من النفايات الخطرة من الجرائم البيئية التي تفرض عليها أشد العقوبات. لا تستخدم مطلقًا مخرجات الذكاء الاصطناعي كرمز نفايات نهائي؛ تأكد دائمًا من ورقة بيانات السلامة ولوائح النفايات المعمول بها.
باختصار
إدارة النفايات؛ وهو يركز على التسلسل الهرمي (الوقاية أولاً)، والتلوث وإمكانية التتبع. منظمة العفو الدولية. إنه مُسرّع قوي في التصنيف، وتحليل التدفق، والسبب الجذري للتلوث، وتحسين المسار. لكن فئة المخاطر وقانون النفايات القانوني وقرار التخلص النهائي متروك للخبير. قياس المبلغ "المحول فعلياً" بدلاً من "المحصل"؛ النغمة الأكثر قيمة هي النغمة التي لم يتم إنتاجها.
مهمة التطبيق
قم بجدولة مجاري النفايات السنوية للمؤسسة (خمسة أنواع على الأقل، بالطن). باستخدام القالب الأول، اطلب من الذكاء الاصطناعي تحديد أولوياته وفقًا للتسلسل الهرمي وحساب معدل التوجيه. ثم قم بتطبيق النموذج 3 مع عينة من بيانات التلوث للكشف عن الفرق بين "التوجيه المجمع" و"التوجيه الفعلي". ضع علامة على كل عنصر يحتمل أن يكون خطيرًا ولاحظ كيف ستؤكده.
قائمة مرجعية
- [ ] لقد وضعت كل تيار من النفايات في التسلسل الهرمي، مع كون الوقاية هي فكرتي الأولى.
- [ ] قمت بحساب معدل الإحالة الفعلي عن طريق خصم التلوث.
- [ ] لقد تأكدت من فئة النفايات الخطرة من خلال SDS/التشريعات، ولم أقم باختلاقها.
- [ ] لقد قمت بتسجيل بيانات التتبع والإعلان القانوني.
- [ ] لقد تحققت من تحسين المسار مع قيود الموقع.
- [ ] لقد صنفت الفرص حسب التكلفة والأثر البيئي.