Pelnas:
- Galimybė apskaičiuoti faktinį nukreipimo laipsnį įtraukiant atliekų srautus į atliekų hierarchiją (pirmiausia prevencija) ir atimant užterštumą
- Gebėjimas patvirtinti pavojingų atliekų klasę saugos duomenų lapu ir teisės aktais bei taikyti discipliną, kad galutiniam sprendimui nenaudoti dirbtinio intelekto atliekų kodekso rekomendacijos.
- Galimybė sumažinti išmetamų teršalų kiekį ir išlaidas, nustatant surinkimo maršrutą ir srauto optimizavimą naudojant kodą ir patikrinant jį atsižvelgiant į vietos apribojimus
Atliekos yra apčiuopiamiausia aplinkos tvarkymo sritis: jos matomos, sveriamos, vežamos, o netinkamai tvarkomos tiesiogiai teršia. Tačiau šiuolaikinis požiūris į atliekas žiūri ne tik kaip į „problemą, kurią reikia pašalinti“, bet kaip į išteklius, kuriuos galima grąžinti į ciklą. Šiame skyriuje sužinosite apie atliekų hierarchiją, žiedinę ekonomiką, atliekų klasifikavimą ir surinkimo optimizavimą naudojant AI ir atsekamumą.
Pirmiausia sąvokos. Atliekų hierarchija yra prioritetinė tvarka tvarkant atliekas: pirmiausia prevencija (negamina), tada mažinimas, pakartotinis naudojimas, perdirbimas, energijos atgavimas ir galiausiai šalinimas (sąvartynas/deginimas). Žiedinė ekonomika – tai sistema, kuri yra priešinga modeliui „imk-padaryk-išmesk“, kai produktai ir medžiagos naudojami pakartotinai, išsaugant jų vertę kuo ilgiau. Nukreipimo koeficientas yra visų atliekų, pašalintų iš sąvartynų, procentas (perdirbimas / kompostas).
Patarimas: pats vertingiausias tonas atliekų tvarkyme yra tonas, kuris niekada nėra gaminamas. Naudokite dirbtinį intelektą ne tik „kaip atskirti atliekas“, bet ir „kaip išvengti šių atliekų visų pirma“ (dizainas, pakavimas, proceso keitimas); Hierarchijos viršūnė visada turi pirmenybę.
Atliekų klasifikavimas pagal AI
Didžiausias perdirbimo priešas yra tarša – perdirbamų medžiagų užteršimas netinkamomis medžiagomis; Vienas nešvarus konteineris visą ryšulį gali paversti atliekomis. Vaizdo atpažinimo pagrindu sukurtas dirbtinis intelektas gali atskirti medžiagas (plastiko, popieriaus, metalo, stiklo rūšis) atliekų sraute nuo vaizdo ir pagreitinti atskyrimą. Tekstinis dirbtinis intelektas padeda susieti atliekų kodus (pvz., pavojingų atliekų klasifikaciją) su teisingu kodu ir tvarkyti atliekų deklaracijas. Tačiau galutinis medžiagos tipo ir pavojingumo klasės patvirtinimas, ypač su pavojingomis atliekomis, priklauso ekspertui; Neteisingas klasifikavimas yra teisinis nusikaltimas.
Optimizavimas: surinkimas ir maršrutas
Atliekas surinkusios transporto priemonės degina degalus ir išskiria išmetamųjų teršalų kiekį. Maršruto optimizavimas suplanuoja trumpiausią/mažiausiai degalų taupantį maršrutą su konteinerių užimtumo duomenimis (pirmiausia pilni, tuščius praleidžiant). Dirbtinis intelektas ir optimizavimo algoritmai gali sudaryti šį planą taip, kad būtų sumažintos sąnaudos ir išmetamų teršalų kiekis.
Žingsnis po žingsnio: atliekų valymo tyrimas
1. Sudarykite atliekų srauto žemėlapį. Kokių atliekų iš kur, kiek ir kokioje klasėje?
2. Vieta hierarchijoje. Ar kiekvienam srautui taikoma prevencija, perdirbimas ar šalinimas?
3. Išmatuokite užterštumą ir nukreipimo greitį. Kiek to, kas skiriama perdirbimui, iš tikrųjų yra perdirbama?
4. Raskite galimybę. Didžiausia srovė, didžiausia kaina, lengviausia prevencija.
5. Optimizuokite. Rūšiavimas, maršruto parinkimas, tiekėjo/pakavimo keitimas.
6. Stebėkite ir dokumentuokite. Išsaugoti atliekų duomenis; Išlaikyti teisinę deklaraciją ir atsekamumo grandinę.
Čia AI; Tai galingas atliekų duomenų klasifikavimas, srautų analizė, maršruto optimizavimo kodas ir pareiškimų rengimas. Tačiau pavojingumo klasės patvirtinimas, teisėtas atliekų kodas ir galutinis sprendimas priklauso ekspertui.
trys mini dėklai
1 atvejis – neteisingas atliekų kodas. Viename objekte buvo PG išrūšiuotos cheminės atliekos; AI įdėjo jį į kodą, kuris atrodo pagrįstas, bet yra nekenksmingas. Ekspertas, patikrinęs atliekų saugos duomenų lapą (SDL), pamatė, kad medžiaga iš tiesų priskiriama pavojingų atliekų kategorijai. Išmetimas su neteisingu kodu reiškė dideles baudas ir aplinkos taršą. AI išvestis buvo pradžia, SDS patvirtinimas buvo būtinas.
2 atvejis. Užteršimo kaina. Vienas biuras gyrėsi savo perdirbimo lygiu, tačiau 30 % į objektą atvežtų medžiagų buvo atmesta dėl užteršimo; todėl „perdirbimo“ skaičius iš tikrųjų buvo labai mažas. Jie turėjo AI aptikti užterštumo šaltinius (kuris langelis, kuris elementas daugiausia) iš vaizdo duomenų; Dažniausias teršalas buvo maisto likučiai. Paprasta atskira natūrali dėžutė padidino faktinį persiuntimo rodiklį nuo 58% iki 81%.
3 atvejis – maršruto išsaugojimas. Savivaldybė turėjo AI atlikti maršruto optimizavimą su konteinerių užimtumo jutiklio duomenimis; Kodas sugeneravo maršrutą, kuris aplenkia tuščius konteinerius. Paėmimo atstumas buvo sumažintas 22%, o tai reiškė tiesioginį kuro ir išmetamųjų teršalų sumažėjimą. Vairuotojai patvirtino maršrutą pilotu, tada jį išriedėjo.
Silpnas raginimas / Stiprus raginimas
Silpnas raginimas:
Kaip sumažinti atliekų kiekį?
Kodėl jis silpnas: Nėra atliekų rūšies, kiekio, srauto ir apribojimų. Pasirodo bendras „perdirbimo“ sąrašas, prioritetų nėra.
Galingas raginimas:
Jūsų vaidmuo: atliekų tvarkymo specialistas. Išanalizuokite žemiau pateiktą metinio atliekų srauto lentelę (rūšį, kiekį tonomis, esamą šalinimo būdą). Įdėkite kiekvieną srautą į atliekų hierarchiją ir įvertinkite didžiausią aplinkosaugos / kaštų galimybę prevencijos > pakartotinio naudojimo > perdirbimo tvarka. Tas, kurios gali būti pavojingos atliekos, pažymėkite "Turi būti patvirtintos SDS"; NENAUDOKITE pavojingumo klasės. Duomenys: [lentelė]
Keturi kopijuojami šablonai
1) Atliekų srauto prioritetų nustatymas:
Jūsų vaidmuo: atliekų ekspertas. Įvertinkite šiuos atliekų srautus (rūšį, toną, būdą) pagal atliekų hierarchiją. Kiekvienam pasiūlykite aukščiausio lygio (prevencija→pašalinimas) galimybę. Pažymėkite tuos, kurie gali būti pavojingi, nesudarykite klasės. Apskaičiuokite persiuntimo rodiklį. Duomenys: [čia]
2) Atliekų kodo / klasės išankstinis žemėlapis (patvirtinta):
Susiekite šiuos atliekų elementus pagal galimą atliekų kodą / klasę. Pateikite atitikmenį su pastaba „neįtikinamas, patikrinkite pagal SDL / teisės aktus“; NESUDARYTI pavojingumo klasės. Taip pat pažymėkite daiktą, dėl kurio nesate tikri. Prekės: [sąrašas]
3) Užteršimo pagrindinės priežasties analizė:
Toliau analizuokite perdirbimo atmetimo / užteršimo duomenis. Rasti dažniausiai pasitaikančius teršalus ir šaltinio taškus; Kiekvienam pasiūlykite paprastą prevencinę intervenciją. Apskaičiuokite faktinį siuntimo rodiklį (atėmus užterštumą). Duomenys: [čia]
4) Surinkimo maršruto optimizavimo sistema:
Jūsų vaidmuo: operacijų analitikas. Turėdami šiuos konteinerio vietos ir užimtumo duomenis, parašykite vykdomąją Python sistemą, skirtą maršruto optimizavimui, kuri teikia pirmenybę pilniems konteineriams ir praleidžia tuščius (pvz., atstumo matrica + paprasta euristika). Taip pat parengti taupymo prognozę. Duomenys: [čia]
Dažnos klaidos
- Peršokimas į hierarchijos viršūnę. Tiesiogiai pereikite prie perdirbimo, negalvodami apie prevenciją.
- Neskaičiuojant užteršimo. „Surinkta“ ir „tikrai transformuota“ skiriasi.
- Pavojaus klasės pritaikymas dirbtiniam intelektui. SDS ir reguliavimo patvirtinimas yra privalomi; neteisingos klasės nusikaltimas.
- Neregistruoja atsekamumo grandinės. Kur nukeliauja atliekos, reikia dokumentuoti.
- Maršruto optimizavimo taikymas be lauko. Tvarkyklės ir svetainės apribojimai turi įvesti modelį.
Dėmesio: netinkamas pavojingų atliekų klasifikavimas ir neregistruotas šalinimas yra vieni ekologinių nusikaltimų, kuriems taikomos griežčiausios sankcijos. Niekada nenaudokite AI išvesties kaip galutinio atliekų kodo; Visada patvirtinkite saugos duomenų lapą ir galiojančias atliekų tvarkymo taisykles.
Apibendrinant
Atliekų tvarkymas; Jame pagrindinis dėmesys skiriamas hierarchijai (pirmiausia prevencija), užterštumui ir atsekamumui. AI; Tai galingas klasifikavimo, srauto analizės, užteršimo pagrindinės priežasties ir maršruto optimizavimo greitintuvas. Tačiau pavojingumo klasę, teisinį atliekų kodą ir galutinį sprendimą dėl šalinimo sprendžia ekspertas. Išmatuokite „faktiškai konvertuotą“, o ne „surinktą“ sumą; Vertingiausias tonas yra tonas, kuris nėra sukurtas.
Taikymo užduotis
Lentelėje surašykite įstaigos metinius atliekų srautus (ne mažiau kaip penkių rūšių, tonažo). Naudodami 1-ąjį šabloną, AI nustatykite prioritetus pagal hierarchiją ir apskaičiuokite maršruto parinkimo greitį. Tada pritaikykite 3 modelį su užteršimo duomenų pavyzdžiu, kad atskleistumėte skirtumą tarp „surinktų“ ir „faktinių maršrutų“. Pažymėkite kiekvieną potencialiai pavojingą elementą ir atkreipkite dėmesį, kaip tai patvirtinsite.
kontrolinis sąrašas
- [ ] Kiekvieną atliekų srautą įdėjau į hierarchiją, pirmiausia galvojau apie prevenciją.
- [ ] Faktinį siuntimo rodiklį apskaičiavau atėmus užterštumą.
- [ ] Pavojingų atliekų klasę patvirtinau SDL/teisės aktais, nesudariau.
- [ ] Užfiksavau atsekamumo ir teisinės deklaracijos duomenis.
- [ ] Patikrinau maršruto optimizavimą su svetainės apribojimais.
- [ ] Galimybes įvertinau pagal kainą ir poveikį aplinkai.