سود:
- امکان اعمال سلسله مراتب زباله، کد زباله (EWC/لیست زباله) و مفاهیم بازیافت
- توانایی تولید مشخصات زباله، سناریوی جداسازی و پیش نویس تعادل جرم با هوش مصنوعی
- امکان تأیید کد پسماند و روش دفع پیشنهادی هوش مصنوعی با قوانین و گزارش تجزیه و تحلیل
به عنوان مدیر محیط زیست یک کارخانه فلزکاری، شما یک جریان زباله جدید روی میز خود دارید: تراشه های فلزی روغنی و مایع برش مصرف شده از تولید. شما باید آنها را به درستی طبقه بندی کنید، کد زباله را تعیین کنید و مسیر دفع/بازیابی را برنامه ریزی کنید. تحت فشار زمان، از هوش مصنوعی میپرسید «کد ضایعات برادههای فلزی روغنی چیست و چگونه آن را دفع کنیم». در عرض چند ثانیه، مدل با یک کد زباله 6 رقمی و "ضایعات خطرناک، دفع با سوزاندن" پاسخ می دهد. اما آیا این کد صحیح است؟ طبقه بندی کد زباله یک فرآیند قانونی است که نیاز به تجزیه و تحلیل بر اساس منبع و محتوای زباله دارد. این واحد شامل اجرای سلسله مراتب زباله، منطق کد زباله و تعادل جرم است. ایجاد خصوصیات و تجزیه پیش نویس های سناریو با هوش مصنوعی. اما می آموزد که کد و روش دفع را با قانون و گزارش تجزیه و تحلیل تأیید کند.
سلسله مراتب زباله و اقتصاد دایره ای
مدیریت مدرن زباله بر اساس اولویت است. هدف مدیریت زباله در بالاترین سطح (مرجیح ترین) است:
دنباله
گام
توضیحات
مثال
1
پیشگیری
هرگز زباله ایجاد نکنید
بهینه سازی فرآیند، کاهش منابع
2
استفاده مجدد
استفاده مجدد برای همان هدف
طبل، پالت
3
بازیافت
تبدیل به مواد
فلز، کاغذ، شیشه
4
بهبودی
بازیابی انرژی/مواد
انرژی حاصل از زباله، سوزاندن همزمان
5
دفع
آخرین راه حل
دفن زباله، سوزاندن
اقتصاد دایره ای این سلسله مراتب را یک قدم جلوتر می برد: با زباله به عنوان یک «منبع» رفتار می کند و هدف آن حفظ آن در چرخه است. هوش مصنوعی برای طوفان فکری بسیار مفید است که چه گزینه هایی ممکن است در چه سطحی از سلسله مراتب یک جریان زباله باشد – اما شما امکان سنجی قانونی و فنی گزینه را تأیید می کنید.
نکته: هنگامی که از هوش مصنوعی توصیه ای برای زباله می خواهید، به صراحت به سلسله مراتب اشاره کنید: "برای این زباله ها، ابتدا گزینه های پیشگیری و بازیافت را در نظر بگیرید و در آخر دفع را". بنابراین، مدل به طور مستقیم به مرحله پایین مانند "بیایید آن را بسوزانیم" نمی پرد، بلکه ابتدا راه حل های دایره ای را فهرست می کند.
پسماندهای خطرناک و غیر خطرناک، کد پسماند
زباله ها به دو گروه خطرناک و غیرخطرناک تقسیم می شوند. زباله های خطرناک زباله هایی هستند که دارای ویژگی های خطر خاصی (اشتعال پذیری، سمیت، خورندگی و غیره) هستند و تابع قوانین بسیار سخت گیرانه تری هستند. تمایز همیشه ساده نیست: یک ماده بسته به محتوای آن میتواند خطرناک یا غیرخطرناک باشد - به همین دلیل است که "ورودهای آینهای" وجود دارد.
کد زباله معمولاً یک کد 6 رقمی است و منبع/نوع زباله را مشخص می کند. ساختار کد تقریباً به صورت زیر است:
نمونه ساختار کد زباله (6 رقمی): XX YY ZZ XX -> فعالیت اصلی/بخشی که ضایعات تولید می شود YY -> زیرمجموعه (فرآیند/منبع) ZZ -> نوع ضایعات خاص نمونه خواندن (تصویر): "12 01 XX" -> ضایعات ناشی از شکل دادن به فلزات. این شامل موارد فرعی مانند تراشه های روغنی و مایعات برش است. برخی از اقلام * به عنوان خطرناک علامت گذاری شده اند. توجه: این یک تصویر است. کد واقعی با توجه به منبع زباله و نتیجه تجزیه و تحلیل از لیست رسمی زباله انتخاب می شود.
توجه: کد زباله اطلاعاتی نیست که بتوان با پرسش از هوش مصنوعی به دست آورد. این یک طبقه بندی قانونی است که از لیست رسمی پسماند بر اساس منبع زباله، فرآیند آن و در صورت لزوم نتیجه تجزیه و تحلیل انتخاب شده است. کد اشتباه به معنای مسیر دفع اشتباه، سند حمل و نقل نامعتبر و تحریم اداری است. کدی که هوش مصنوعی می دهد فقط یک فرضیه اولیه است.
سناریوی جدایی با تعادل جرم
توازن جرم هنگام برنامه ریزی برای جداسازی یک جریان زباله به بخش های مختلف ضروری است: مجموع جرم ورودی باید برابر با مجموع کسری باشد که خارج می شود. هوش مصنوعی می تواند این سناریو را ترسیم کند، شما اعداد را تأیید می کنید.
# سناریوی جداسازی دسته فلزات روغنی (ماهانه) مجموع = 12.0 # تن در ماه ورودی swarf روغنی # کسری تخمینی بر اساس مشخصه (%) نرخ_فلز = 0.78 # فلز قابل بازیافت/نرخ_روغن = 0.15 # روغن قابل بازیافت/روغن برش باقی مانده resdue0. = مجموع * فلز_بقایای = کل * روغن_چربی = کل * چاپ باقیمانده ("بازیافت (فلز):"، گرد(فلز، 2)، "تن/ماه") # 9.36print("بازیابی (روغن):"، دور(روغن، 2)، "تن/ماه") # 1.80 چاپ ("دفع)"، "دور ("دور)"، "دور/تن"، (ID) 0.84# تراز کنترل تراز جرم = فلز + روغن + کالپرینت ("کل جدا شده:"، گرد(تراز، 2)، "تن/ماه") # 12.0 چاپ ("آیا متعادل است:"، abs(تراز - کل) < 0.01) # درست است
این سناریو 78 درصد زباله ها را به سمت بازیافت و 15 درصد را به بازیافت هدایت می کند و تنها 7 درصد را برای دفع باقی می گذارد - هدفی که با سلسله مراتب همخوانی دارد. اما کسریهایی مانند metal_rate، yag_rate و غیره فقط فرضیات هستند مگر اینکه توسط تجزیه و تحلیل خصوصیات تایید شوند. نرخ واقعی با تجزیه و تحلیل نمونه تعیین می شود.
اعلان ضعیف / اعلان قوی
اخطار ضعیف: "کد زباله و روش دفع تراشه های فلزی روغنی چیست؟" مشکل: مدل را مجبور می کند تا کد و روش دقیقی ارائه دهد. بدون منبع، محتوا، تحلیل. اگر کد حاصل نادرست باشد، خطر قانونی ایجاد می شود. تذکر قوی: "برای سیال برش روغنی و استفاده شده که از فرآیند شکلدهی فلز خارج میشود: (1) کدام گزینههای مدیریتی باید بر اساس سلسله مراتب ضایعات ارزیابی شوند؛ (2) کد ضایعات باید از فهرست ضایعات رسمی انتخاب شود که بر اساس آن عوامل (فرایند جوشکاری، محتوا، مشخصههای خطر، آنالیز تعیین میشوند؛ قانون باید با تجزیه و تحلیل کدی را گزارش ندهد). یک چارچوب موازنه جرم برای جداسازی ایجاد کنید." تفاوت: اعلان قوی فرآیند انتخاب را آموزش می دهد، کد را به قانون بسپارید.
کیس کوچک
یک مرکز با هوش مصنوعی مشورت می کند تا روغن های باطله و بسته بندی های آلوده را تحت یک کد واحد اعلام کند. این مدل یک کد واحد را پیشنهاد می کند که عملی به نظر می رسد. در بازرسی در حین حمل و نقل مشخص می شود که محتوای زباله با کد اعلام شده مطابقت ندارد و کسر خطرناک مخلوط می شود که باید جداگانه جمع آوری شود. نتیجه: سند حمل و نقل نامعتبر است، ضایعات رد می شود، اقدام اداری آغاز می شود. رویکرد صحیح این بود که ضایعات را در منبع مشخص کنیم، در صورت لزوم آن را تجزیه و تحلیل کنیم، و به هر بخش کد صحیح را از فهرست رسمی ارائه کنیم. کد پیشنهادی هوش مصنوعی یک ایده اولیه بود. بدون تجزیه و تحلیل و قانون گذاری، تصمیم نمی تواند مبتنی باشد.
اشتباهات رایج
- دریافت کد پسماند از هوش مصنوعی و اعلام آن بدون تجزیه و تحلیل و تأیید آن با قانون.
- تعیین تمایز بین خطرناک و غیرخطرناک با حدس زدن بدون انجام تحلیل محتوا.
- مخلوط کردن بخش های مختلف (روغن، فلز، بسته بندی آلوده) تحت یک کد.
- دور زدن سلسله مراتب و رفتن مستقیم به سمت دفع (پله پایین).
- پذیرش نرخ های جداسازی به عنوان "تقریبی" بدون ایجاد تعادل جرم.
- استفاده از روش دفع داده شده توسط هوش مصنوعی بدون تطبیق آن با محتوای واقعی زباله تاسیسات.
به طور خلاصه
- مدیریت زباله بر اساس یک سلسله مراتب است: پیشگیری > استفاده مجدد > بازیافت > بازیابی > دفع.
- اقتصاد دایره ای زباله را به عنوان یک منبع می بیند. هوش مصنوعی در ایجاد گزینه ها در این زمینه مفید است.
- تفکیک زباله خطرناک/غیر خطرناک و کد 6 رقمی پسماند یک طبقه بندی قانونی است که با توجه به منبع و محتوای زباله تعیین می شود.
- کد زباله و روش دفع داده شده توسط هوش مصنوعی فقط یک فرضیه است. نمی توان آن را بدون تأیید توسط گزارش تجزیه و تحلیل و قانون اعلام کرد.
- سناریوهای جدایی با موازنه جرم ایجاد می شوند. نسبت کسری با تجزیه و تحلیل خصوصیات تایید می شود.
- هوش مصنوعی فرآیند را مانند یک کارآموز ارشد سرعت می بخشد، اما دقت قانونی و مسئولیت طبقه بندی بر عهده مهندس است.
وظیفه کاربردی
یک جریان زباله را از کسب و کار خود یا یک فرآیند تولید فرضی انتخاب کنید و ابتدا گزینههای مدیریت قابل اجرا برای این زبالهها را با توجه به سلسله مراتب زباله، از ترجیح دادهشده تا کمترین متوسل رتبهبندی کنید. سپس یک مقدار ماهانه تعیین کنید و یک تعادل جرمی ایجاد کنید که ضایعات را به کسری تقسیم می کند و نشان می دهد که تعادل برقرار است (در = خروج). سپس از الگوی «اعلان قوی» در بالا استفاده کنید تا از هوش مصنوعی بخواهید شما را در فرآیند انتخاب کد زباله راهنمایی کند، اما مدل را مجبور به ارائه کد دقیق نکنید. در نهایت، در یک پاراگراف، کد این زباله ها و تجزیه و تحلیل (شخصیت) را بنویسید و با کدام قانون رسمی/فهرست زباله مسیر دفع/بازیابی را تأیید می کنید. هر کد و روش پیشنهادی را در خروجی هوش مصنوعی به عنوان "تا تایید شود" علامت گذاری کنید.