Keuntungan:
- Keupayaan untuk mengira kadar lencongan sebenar dengan meletakkan aliran sisa dalam hierarki sisa (pencegahan dahulu) dan menolak pencemaran
- Keupayaan untuk mengesahkan kelas sisa berbahaya dengan helaian data keselamatan dan perundangan dan menerapkan disiplin untuk tidak menggunakan pengesyoran kod sisa kecerdasan buatan sebagai keputusan muktamad.
- Keupayaan untuk mengurangkan pelepasan dan kos dengan mewujudkan laluan pengumpulan dan pengoptimuman aliran dengan kod dan mengesahkannya dengan kekangan tapak
Sisa ialah bahagian pengurusan alam sekitar yang paling ketara: ia boleh dilihat, ditimbang, diangkut dan, jika salah urus, mencemarkan secara langsung. Tetapi pendekatan moden melihat pembaziran bukan hanya sebagai "masalah yang perlu dihapuskan" tetapi sebagai sumber yang boleh dikembalikan kepada kitaran. Dalam unit ini, anda akan mempelajari hierarki sisa, ekonomi bulat, klasifikasi sisa dan pengoptimuman pengumpulan dengan AI, dan kebolehkesanan.
Konsep dahulu. Hierarki sisa ialah susunan keutamaan untuk menangani sisa: pencegahan pertama (tidak menghasilkan apa-apa), kemudian pengurangan, penggunaan semula, kitar semula, pemulihan tenaga dan akhirnya pelupusan (tapak pelupusan/pembakaran). Ekonomi pekeliling ialah sistem yang bertentangan dengan model "ambil-buat-buang", di mana produk dan bahan digunakan semula sambil mengekalkan nilainya selama mungkin. Kadar lencongan ialah peratusan jumlah sisa yang dialihkan dari tapak pelupusan sampah (kitar semula/kompos).
Petua: Nada yang paling berharga dalam pengurusan sisa ialah nada yang tidak pernah dihasilkan. Gunakan AI bukan sahaja untuk "bagaimana saya mengasingkan bahan buangan" tetapi juga untuk "bagaimana saya mengelakkan sisa ini pada mulanya" (reka bentuk, pembungkusan, perubahan proses); Bahagian atas hierarki sentiasa diutamakan.
Pengelasan sisa dengan AI
Musuh terbesar kitar semula ialah pencemaran — pencemaran bahan kitar semula dengan bahan yang salah; Satu bekas yang kotor boleh mengubah keseluruhan bale menjadi sisa. AI berasaskan pengecaman imej boleh membezakan bahan (jenis plastik, kertas, logam, kaca) dalam aliran sisa daripada imej dan mempercepatkan pengasingan. AI berasaskan teks membantu memetakan kod sisa (mis. klasifikasi sisa berbahaya) kepada kod yang betul dan mengatur pengisytiharan sisa. Tetapi pengesahan akhir jenis bahan dan kelas bahaya-terutama dengan sisa berbahaya-milik pakar; Salah klasifikasi adalah kesalahan undang-undang.
Pengoptimuman: pengumpulan dan laluan
Kenderaan kutipan sisa membakar bahan api dan menghasilkan pelepasan. Pengoptimuman laluan sedang merancang laluan terpendek/paling cekap bahan api dengan data penghunian kontena (yang penuh dahulu, melangkau yang kosong). AI dan algoritma pengoptimuman boleh menyediakan pelan ini dengan cara yang mengurangkan kedua-dua kos dan pelepasan.
Langkah demi langkah: kajian pemulihan sisa
1. Petakan aliran sisa anda. Bahan buangan yang manakah berasal dari mana, berapa banyak dan dalam kelas apa?
2. Letakkan dalam hierarki. Adakah pencegahan, kitar semula atau pelupusan dilaksanakan untuk setiap aliran?
3. Ukur pencemaran dan kadar lencongan. Berapa banyak yang digunakan untuk kitar semula sebenarnya akhirnya dikitar semula?
4. Cari peluang. Semasa terbesar, kos tertinggi, pencegahan paling mudah.
5. Optimumkan. Isih, penghalaan, perubahan pembekal/pembungkusan.
6. Pantau dan dokumen. Simpan data sisa; Mengekalkan pengisytiharan undang-undang dan rantaian kebolehkesanan.
Di sini AI; Ia berkuasa dalam mengklasifikasikan data sisa, analisis aliran, kod pengoptimuman laluan dan penggubalan penyata. Tetapi pengesahan kelas bahaya, kod sisa undang-undang dan keputusan muktamad terpulang kepada pakar.
tiga kes mini
Kes 1 — Kod sisa yang salah. Satu kemudahan mempunyai sisa kimia yang disusun mengikut AI; AI meletakkannya ke dalam kod yang kelihatan munasabah tetapi tidak berbahaya. Apabila pakar memeriksa helaian data keselamatan (SDS) sisa, dia melihat bahan itu sebenarnya berada dalam kategori sisa berbahaya. Pelupusan dengan kod yang salah bermakna denda yang berat dan pencemaran alam sekitar. Pengeluaran AI adalah permulaan, pengesahan SDS adalah satu kemestian.
Kes 2 — Kos pencemaran. Satu pejabat membanggakan kadar kitar semulanya, tetapi 30% daripada bahan yang tiba di kemudahan itu ditolak kerana pencemaran; jadi angka "kitar semula" sebenarnya sangat rendah. Mereka mempunyai AI mengesan sumber pencemaran (kotak mana, item mana yang paling banyak) daripada data imej; Bahan cemar yang paling biasa ialah sisa makanan. Kotak organik berasingan ringkas meningkatkan kadar rujukan sebenar daripada 58% kepada 81%.
Kes 3 — Penjimatan laluan. Sebuah majlis perbandaran mempunyai AI melaksanakan pengoptimuman laluan dengan data penderia penghunian kontena; Kod tersebut menghasilkan laluan yang memintas bekas kosong. Jarak pengambilan telah dikurangkan sebanyak 22%, yang bermaksud pengurangan langsung dalam bahan api dan pelepasan. Pemandu mengesahkan laluan dalam juruterbang, kemudian melancarkannya.
Gesaan lemah / Gesaan kuat
Gesaan yang lemah:
Bagaimanakah saya boleh mengurangkan sisa saya?
Mengapa ia lemah: Tiada jenis, jumlah, aliran dan sekatan sisa. Senarai "kitar semula" umum muncul, tiada keutamaan.
Gesaan kuat:
Peranan anda: pakar pengurusan sisa. Analisis jadual aliran sisa tahunan di bawah (jenis, kuantiti dalam tan, kaedah pelupusan semasa). Letakkan setiap aliran dalam hierarki sisa dan letakkan peluang alam sekitar/kos terbesar dalam urutan pencegahan > guna semula > kitar semula. Tandai yang mungkin sisa berbahaya sebagai "Mesti disahkan oleh SDS"; JANGAN PALSU kelas bahaya. Data: [jadual]
Empat templat yang boleh disalin
1) Keutamaan aliran sisa:
Peranan anda: pakar sisa. Nilaikan aliran sisa berikut (jenis, tan, kaedah) mengikut hierarki sisa. Cadangkan peluang tahap tertinggi (pencegahan→penyingkiran) untuk setiap satu. Tandai yang mungkin berbahaya, jangan buat kelas. Kira kadar rujukan. Data: [di sini]
2) Pra-pemetaan kod sisa/kelas (disahkan):
Petakan bahan buangan berikut kepada kod/kelas sisa yang mungkin. Berikan padanan dengan nota "tidak konklusif, sahkan dengan SDS/perundangan"; JANGAN cipta kelas bahaya. Tandakan juga item yang anda tidak pasti. Item: [senarai]
3) Analisis punca pencemaran:
Analisis data penolakan/pencemaran kitar semula di bawah. Cari bahan cemar dan titik sumber yang paling biasa; Cadangkan satu intervensi pencegahan mudah untuk setiap satu. Kira kadar rujukan sebenar (tolak pencemaran). Data: [di sini]
4) Rangka kerja pengoptimuman laluan pengumpulan:
Peranan anda: penganalisis operasi. Dengan lokasi kontena dan data penghunian berikut, tulis rangka kerja Python boleh laku untuk pengoptimuman laluan yang mengutamakan bekas penuh dan melangkau bekas kosong (cth. matriks jarak + heuristik mudah). Juga menghasilkan ramalan penjimatan. Data: [di sini]
Kesilapan biasa
- Melompat ke bahagian atas hierarki. Melompat terus ke dalam kitar semula tanpa memikirkan tentang pencegahan.
- Tidak mengira pencemaran. "Dikumpul" dan "benar-benar berubah" adalah berbeza.
- Menyesuaikan kelas bahaya kepada AI. SDS dan pengesahan peraturan adalah wajib; jenayah kelas yang salah.
- Tidak merekodkan rantaian kebolehkesanan. Ke mana sisa itu pergi hendaklah didokumenkan.
- Menggunakan pengoptimuman laluan tanpa medan. Kekangan pemandu dan tapak mesti memasuki model.
Perhatian: Salah klasifikasi dan pelupusan sisa berbahaya yang tidak berdaftar adalah antara jenayah alam sekitar dengan sekatan yang paling berat. Jangan sekali-kali menggunakan output AI sebagai kod sisa akhir; Sentiasa sahkan dengan helaian data keselamatan dan peraturan sisa yang berkenaan.
Secara ringkasnya
Pengurusan sisa; Ia berpusat pada hierarki (pencegahan dahulu), pencemaran dan kebolehkesanan. AI; Ia adalah pemecut yang berkuasa dalam klasifikasi, analisis aliran, punca pencemaran dan pengoptimuman laluan. Tetapi kelas bahaya, kod sisa undang-undang dan keputusan pelupusan muktamad terpulang kepada pakar. Ukur amaun "yang sebenarnya ditukar" dan bukannya "dikumpul"; Nada yang paling berharga ialah nada yang tidak dihasilkan.
Tugasan permohonan
Jadualkan aliran sisa tahunan institusi (sekurang-kurangnya lima jenis, tan). Dengan templat pertama, minta AI mengutamakan mengikut hierarki dan mengira kadar penghalaan. Kemudian gunakan pola 3 dengan sampel data pencemaran untuk mendedahkan perbezaan antara "dikumpul" dan "laluan sebenar." Tandai setiap item yang berpotensi berbahaya dan perhatikan cara anda mengesahkannya.
senarai semak
- [ ] Saya meletakkan setiap aliran sisa dalam hierarki, dengan pencegahan menjadi pemikiran pertama saya.
- [ ] Saya mengira kadar rujukan sebenar dengan menolak pencemaran.
- [ ] Saya mengesahkan kelas sisa berbahaya dengan SDS/perundangan, saya tidak mengada-adakannya.
- [ ] Saya merekodkan data kebolehkesanan dan pengisytiharan undang-undang.
- [ ] Saya mengesahkan pengoptimuman laluan dengan kekangan tapak.
- [ ] Saya telah meletakkan kedudukan peluang mengikut kos dan kesan alam sekitar.