ਪਾਣੀ ਅਤੇ ਗੰਦੇ ਪਾਣੀ ਦੇ ਇਲਾਜ ਦੀ ਪ੍ਰਕਿਰਿਆ ਸਹਾਇਤਾ

ਲਾਭ:

• ਬੁਨਿਆਦੀ ਪ੍ਰਕਿਰਿਆ ਦੇ ਮਾਪਦੰਡਾਂ ਜਿਵੇਂ ਕਿ ਕਿਰਿਆਸ਼ੀਲ ਸਲੱਜ, ਸੀਓਡੀ/ਬੀਓਡੀ, ਸਲੱਜ ਦੀ ਉਮਰ ਅਤੇ ਐਫ/ਐਮ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• AI ਨਾਲ ਪ੍ਰਕਿਰਿਆ ਸਮੱਸਿਆ ਨਿਪਟਾਰਾ ਅਤੇ ਦ੍ਰਿਸ਼ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਕੌਂਫਿਗਰ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• ਡਿਸਚਾਰਜ ਸੀਮਾਵਾਂ, ਪੁੰਜ ਸੰਤੁਲਨ ਅਤੇ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਡੇਟਾ ਦੇ ਨਾਲ AI ਸਿਫ਼ਾਰਿਸ਼ਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਸਮਰੱਥਾ

ਸਵੇਰ ਦੀ ਸ਼ਿਫਟ ਵਿੱਚ, ਬਾਇਓਲੋਜੀਕਲ ਟ੍ਰੀਟਮੈਂਟ ਯੂਨਿਟ ਦਾ ਆਪਰੇਟਰ ਤੁਹਾਨੂੰ ਕਾਲ ਕਰਦਾ ਹੈ: ਪਿਛਲੇ ਦੋ ਦਿਨਾਂ ਤੋਂ, ਸਲੱਜ ਅੰਤਮ ਨਿਪਟਾਰੇ ਵਾਲੇ ਟੈਂਕ ਤੋਂ "ਬਚ ਰਿਹਾ ਹੈ", ਗੰਦਾ ਬੱਦਲ ਹੈ ਅਤੇ SVI ਮੁੱਲ ਚੜ੍ਹ ਰਿਹਾ ਹੈ। ਤੁਹਾਡੇ ਕੋਲ MLSS, ਸਲੱਜ ਏਜ, ਇਨਲੇਟ ਸੀਓਡੀ ਅਤੇ ਪ੍ਰਵਾਹ ਦਰ ਡੇਟਾ ਹੈ। ਤੁਸੀਂ AI ਨੂੰ ਸਥਿਤੀ ਦੀ ਵਿਆਖਿਆ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ ਅਤੇ ਪੁੱਛਣਾ ਚਾਹੁੰਦੇ ਹੋ ਕਿ "ਮੈਨੂੰ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?", ਪਰ ਤੁਸੀਂ ਮਾਡਲ ਨੂੰ ਪਹਿਲਾਂ ਜਾਅਲੀ ਨੰਬਰ ਦਿੰਦੇ ਹੋਏ ਦੇਖਿਆ ਹੋਵੇਗਾ। ਇਹ ਯੂਨਿਟ ਤੁਹਾਨੂੰ ਐਕਟੀਵੇਟਿਡ ਸਲੱਜ ਪ੍ਰਕਿਰਿਆ ਦੇ ਮੁੱਖ ਮਾਪਦੰਡਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨਾ, AI ਨੂੰ ਇੱਕ ਢਾਂਚਾਗਤ ਸਮੱਸਿਆ-ਨਿਪਟਾਰਾ ਕਰਨ ਵਾਲੇ ਹਿੱਸੇਦਾਰ ਵਜੋਂ ਵਰਤਣਾ, ਅਤੇ ਪੁੰਜ ਸੰਤੁਲਨ, ਡਿਸਚਾਰਜ ਸੀਮਾ, ਅਤੇ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਡੇਟਾ ਦੇ ਨਾਲ ਇਸਦੇ ਹਰੇਕ ਸੁਝਾਵਾਂ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨਾ ਸਿਖਾਉਂਦਾ ਹੈ। ਕੇਂਦਰੀ ਵਿਚਾਰ ਉਹੀ ਹੈ: AI ਪੂਲ ਨੂੰ ਨਹੀਂ ਦੇਖਦਾ, ਇਹ ਤੁਹਾਡੇ ਦੁਆਰਾ ਦਿੱਤੇ ਗਏ ਨੰਬਰਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ; ਆਖਰੀ ਸ਼ਬਦ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਵਿੱਚ ਹੈ.

ਸਰਗਰਮ ਸਲੱਜ ਪ੍ਰਕਿਰਿਆ ਦੇ ਬੁਨਿਆਦੀ ਮਾਪਦੰਡ

ਜੀਵ-ਵਿਗਿਆਨਕ ਇਲਾਜ ਦਾ ਦਿਲ ਸਰਗਰਮ ਸਲੱਜ ਪ੍ਰਣਾਲੀ ਹੈ, ਜੋ ਕਿ ਸੂਖਮ ਜੀਵਾਣੂਆਂ ਨਾਲ ਜੈਵਿਕ ਪ੍ਰਦੂਸ਼ਣ (ਸੀਓਡੀ/ਬੀਓਡੀ) ਨੂੰ ਹਟਾਉਂਦਾ ਹੈ। ਇਸ ਸਿਸਟਮ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਲਈ, ਤੁਹਾਨੂੰ ਇਹ ਪਤਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੁਝ ਬੁਨਿਆਦੀ ਮਾਪਦੰਡਾਂ ਨੂੰ ਕਿਵੇਂ ਪੜ੍ਹਨਾ ਹੈ:

ਪੈਰਾਮੀਟਰ

ਵਿਸਤਾਰ/ਅਰਥ

ਆਮ ਰੇਂਜ

ਇਹ ਕੀ ਦਿਖਾਉਂਦਾ ਹੈ?

MLSS

ਮੁਅੱਤਲ ਠੋਸ ਗਾੜ੍ਹਾਪਣ (mg/L)

2000-4000

ਤਾਲਾਬ ਵਿੱਚ ਕੁੱਲ ਬਾਇਓਮਾਸ ਘਣਤਾ

MLVSS

ਅਸਥਿਰ ਮੁਅੱਤਲ ਠੋਸ (mg/L)

MLSS ਦਾ 70–80%

ਕਿਰਿਆਸ਼ੀਲ (ਜੈਵਿਕ) ਬਾਇਓਮਾਸ

F/M

ਪੌਸ਼ਟਿਕ/ਸੂਖਮ-ਜੀਵਾਣੂ ਅਨੁਪਾਤ (ਕਿਲੋਗ੍ਰਾਮ BOD/ਕਿਲੋਗ੍ਰਾਮ MLVSS·ਦਿਨ)

0.2–0.5

ਸਿਸਟਮ ਲੋਡਿੰਗ ਸਥਿਤੀ

SRT (ਸਲੱਜ ਉਮਰ)

ਸਿਸਟਮ ਵਿੱਚ ਸਲੱਜ ਦਾ ਨਿਵਾਸ ਸਮਾਂ (ਦਿਨ)

5-15

ਨਾਈਟ੍ਰੀਫਿਕੇਸ਼ਨ ਅਤੇ ਸੈਡੀਮੈਂਟੇਸ਼ਨ ਸਮਰੱਥਾ

ਐਸ.ਵੀ.ਆਈ

ਸਲੱਜ ਵਾਲੀਅਮ ਸੂਚਕਾਂਕ (mL/g)

80-150

ਵਸਣਯੋਗਤਾ; > 150 ਵਾਧੇ ਦੇ ਨਿਸ਼ਾਨ

COD/BOD ਹਟਾਉਣਾ

ਇਨਪੁਟ-ਆਉਟਪੁੱਟ ਕੁਸ਼ਲਤਾ (%)

85–95%+

ਸ਼ੁੱਧਤਾ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ

ਇਹ ਪੈਰਾਮੀਟਰ ਆਪਸ ਵਿੱਚ ਨਿਰਭਰ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਜੇਕਰ F/M ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ (ਓਵਰਲੋਡ) ਸਲੱਜ ਸੈਟਲ ਨਹੀਂ ਹੁੰਦਾ ਅਤੇ SVI ਵਧਦਾ ਹੈ; ਜੇਕਰ SRT ਬਹੁਤ ਘੱਟ ਹੈ, ਤਾਂ ਨਾਈਟ੍ਰਾਈਫਾਇੰਗ ਬੈਕਟੀਰੀਆ ਸਿਸਟਮ ਵਿੱਚ ਨਹੀਂ ਰਹਿ ਸਕਦੇ ਹਨ। AI ਇਹਨਾਂ ਸਬੰਧਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਵਿੱਚ ਚੰਗਾ ਹੈ, ਪਰ ਇਹ ਤੁਹਾਡੀ ਸਹੂਲਤ ਦੇ ਅਸਲ ਸੰਖਿਆਵਾਂ ਤੋਂ ਬਿਨਾਂ ਕੋਈ ਨਿਦਾਨ ਨਹੀਂ ਕਰ ਸਕਦਾ ਹੈ।

ਸੁਝਾਅ: AI ਨੂੰ ਡਾਇਗਨੌਸਟਿਕ ਸਵਾਲ ਪੁੱਛਣ ਵੇਲੇ, ਪੈਰਾਮੀਟਰ ਅਤੇ ਖਾਸ ਡਿਜ਼ਾਈਨ ਰੇਂਜ ਇਕੱਠੇ ਦਿਓ। ਠੋਸ ਸੰਖਿਆਵਾਂ ਜਿਵੇਂ ਕਿ “MLSS 5200 mg/L, SVI 220 mL/g, F/M 0.12” ਮਾਡਲ ਨੂੰ ਸਿਰਫ਼ ਕੰਬਲ ਟਾਕ ਦੀ ਬਜਾਏ ਟੀਚੇ ਵਾਲੇ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ ਮਜ਼ਬੂਰ ਕਰਦੇ ਹਨ।

ਉਦਾਹਰਨ ਗਣਨਾ: F/M ਅਨੁਪਾਤ ਅਤੇ ਹਟਾਉਣ ਦੀ ਕੁਸ਼ਲਤਾ

ਤੁਸੀਂ AI ਨੂੰ ਗਣਨਾ ਨੂੰ ਆਊਟਸੋਰਸ ਕਰ ਸਕਦੇ ਹੋ, ਪਰ ਨਤੀਜੇ ਨੂੰ ਹੱਥੀਂ ਦੇਖਣਾ ਯਕੀਨੀ ਬਣਾਓ। ਇੱਥੇ ਇੱਕ ਯਥਾਰਥਵਾਦੀ ਉਦਾਹਰਨ ਹੈ:

# ਇਨਪੁਟਸ (ਮਾਪਿਆ ਹੋਇਆ ਫੀਲਡ/ਲੈਬ ਡੇਟਾ) Q * BOI_input / 1000.0 # kg BOI/ਦਿਨ = 1600biomass = V * MLVSS / 1000.0 # kg MLVSS = 5600FM = ਇਨਕਮਿੰਗ_ਲੋਡ / ਬਾਇਓਮਾਸਪ੍ਰਿੰਟ ("ਇਨਕਮਿੰਗ_ਲੋਡ / ਬਾਇਓਮਾਸਪ੍ਰਿੰਟ ("ਇਨਕਮਿੰਗ ਇਨਕਮਿੰਗ:" BOI/) 1600.0ਪ੍ਰਿੰਟ ("F/M ਅਨੁਪਾਤ:", ਦੌਰ(FM, 3), "kg BOI/kg MLVSS.day") # 0.286

ਇੱਥੇ F/M = 0.286, 0.2–0.5 ਦੀ ਖਾਸ ਰੇਂਜ ਵਿੱਚ, ਅਤੇ ਹਟਾਉਣਾ 94.4% 'ਤੇ ਸਿਹਤਮੰਦ ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ। ਪਰ ਸਾਵਧਾਨ ਰਹੋ: ਇਹ ਨਤੀਜਾ ਤਾਂ ਹੀ ਸਾਰਥਕ ਹੈ ਜੇਕਰ ਇਨਪੁਟ ਨੰਬਰ ਸਹੀ ਹਨ। ਜੇਕਰ ਤੁਹਾਡਾ ਫਲੋ ਮੀਟਰ ਬੰਦ ਹੈ ਜਾਂ ਨਮੂਨਾ ਪ੍ਰਤੀਨਿਧ ਨਹੀਂ ਹੈ, ਤਾਂ ਗਣਨਾ "ਚੰਗਾ" ਹੋਵੇਗਾ ਪਰ ਸੱਚਾਈ ਨਹੀਂ।

ਸਾਵਧਾਨ: AI ਮਿਲੀਸਕਿੰਟ ਵਿੱਚ ਇੱਕ ਗਣਨਾ ਕਰਦਾ ਹੈ, ਪਰ ਇਹ ਤੁਹਾਡੇ ਇਨਪੁਟਸ ਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਨਹੀਂ ਜਾਣ ਸਕਦਾ ਹੈ। ਕੂੜਾ ਅੰਦਰ = ਕੂੜਾ ਬਾਹਰ। ਪ੍ਰਵਾਹ ਦਰ, ਨਮੂਨਾ ਸਮਾਂ ਅਤੇ ਲੈਬ ਵਿਧੀ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਰਿਪੋਰਟ 'ਤੇ ਕੋਈ ਵੀ ਕੁਸ਼ਲਤਾ ਨੰਬਰ ਨਾ ਲਿਖੋ।

AI ਨਾਲ ਸਮੱਸਿਆ ਨਿਪਟਾਰਾ

ਸਲੱਜ ਬਲਕਿੰਗ ਇੱਕ ਕਲਾਸਿਕ ਓਪਰੇਟਿੰਗ ਸਮੱਸਿਆ ਹੈ। ਤੁਸੀਂ ਸੰਭਾਵਿਤ ਕਾਰਨਾਂ ਨੂੰ ਯੋਜਨਾਬੱਧ ਤੌਰ 'ਤੇ ਸੂਚੀਬੱਧ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹੋ - ਪਰ ਇਹ ਅਨੁਮਾਨਾਂ ਦੀ ਸੂਚੀ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਨਾ ਕਿ ਨਿਦਾਨ ਦੀ।

ਮਜ਼ਬੂਤ ​​ਸਮੱਸਿਆ ਨਿਵਾਰਨ ਪ੍ਰੋਂਪਟ: "ਸਰਗਰਮ ਸਲੱਜ ਬਲਕਿੰਗ ਘਰੇਲੂ+ ਉਦਯੋਗਿਕ ਮਿਸ਼ਰਤ ਗੰਦੇ ਪਾਣੀ ਦੇ ਪਲਾਂਟ ਵਿੱਚ ਹੋ ਰਹੀ ਹੈ। ਮਾਪੇ ਗਏ ਮੁੱਲ:- SVI: 240 mL/g (ਡਿਜ਼ਾਈਨ <150)- MLSS: 3600 mg/L- F/M: 0.1kgML ਘੱਟ ਘੋਲ (BODSS4) ਆਕਸੀਜਨ: 0.8 mg/L (ਘੱਟ) - ਆਉਟਪੁੱਟ ਮੁਅੱਤਲ ਕੀਤਾ ਗਿਆ: ਵੱਧ ਰਿਹਾ ਰੁਝਾਨ ਇਹਨਾਂ ਡੇਟਾ ਦੇ ਅਧਾਰ ਤੇ ਸੰਭਾਵਨਾ ਦੇ ਕ੍ਰਮ ਵਿੱਚ ਸੰਭਾਵਿਤ ਕਾਰਨਾਂ ਦੀ ਸੂਚੀ ਬਣਾਉਂਦਾ ਹੈ (ਫਿਲਾਮੈਂਟਸ ਬੈਕਟੀਰੀਆ, ਘੱਟ COO, ਘੱਟ F/M, ਪੌਸ਼ਟਿਕ ਅਸੰਤੁਲਨ, ਆਦਿ) ਨਿਰਧਾਰਤ ਕਰੋ ਕਿ ਮੈਨੂੰ ਹਰ ਇੱਕ ਕਦਮ ਦੀ ਜਾਂਚ ਨਾ ਕਰਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਲਈ।"

ਅਜਿਹਾ ਪ੍ਰੋਂਪਟ ਹੇਠ ਲਿਖੀਆਂ ਧਾਰਨਾਵਾਂ ਲਿਆਉਂਦਾ ਹੈ, ਉਦਾਹਰਨ ਲਈ: ਘੱਟ ਘੁਲਣ ਵਾਲੀ ਆਕਸੀਜਨ ਫਿਲਾਮੈਂਟਸ ਬੈਕਟੀਰੀਆ ਦੇ ਵਿਕਾਸ ਨੂੰ ਸ਼ੁਰੂ ਕਰ ਸਕਦੀ ਹੈ; ਘੱਟ F/M ਨੇ "ਭੁੱਖੀ" ਸਥਿਤੀਆਂ ਪੈਦਾ ਕੀਤੀਆਂ ਹਨ ਅਤੇ ਫਿਲਾਮੈਂਟ ਦੀ ਚੋਣ ਵਧਾਈ ਹੈ; ਨਾਈਟ੍ਰੋਜਨ/ਫਾਸਫੋਰਸ ਅਸੰਤੁਲਨ ਹੋ ਸਕਦਾ ਹੈ। ਹਰੇਕ ਲਈ ਪ੍ਰਮਾਣਿਕਤਾ: ਮਾਈਕਰੋਸਕੋਪਿਕ ਸਲੱਜ ਪ੍ਰੀਖਿਆ, ਸੀਓਓ ਪ੍ਰੋਫਾਈਲ, ਪੌਸ਼ਟਿਕ (N:P) ਵਿਸ਼ਲੇਸ਼ਣ। AI ਪਰਿਕਲਪਨਾ ਦਿੰਦਾ ਹੈ; ਮਾਈਕਰੋਸਕੋਪ ਅਤੇ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਨਿਦਾਨ ਕਰਦੇ ਹਨ।

ਪੁੰਜ ਸੰਤੁਲਨ ਦੁਆਰਾ ਪੁਸ਼ਟੀਕਰਨ

ਏਆਈ-ਸੁਝਾਏ ਗਏ ਦਖਲਅੰਦਾਜ਼ੀ ਦਾ ਸਭ ਤੋਂ ਮਜ਼ਬੂਤ ਟੈਸਟ ਪੁੰਜ ਸੰਤੁਲਨ ਹੈ। ਇੱਕ ਸਧਾਰਨ ਨਿਯਮ: ਸਿਸਟਮ ਵਿੱਚ ਦਾਖਲ ਹੋਣਾ ਪੁੰਜ = ਪੁੰਜ ਛੱਡਣਾ + ਜਮ੍ਹਾ (± ਪ੍ਰਤੀਕ੍ਰਿਆ)।

# COD ਪੁੰਜ ਸੰਤੁਲਨ ਨਿਯੰਤਰਣ (ਕਿਲੋਗ੍ਰਾਮ/ਦਿਨ) Q = 5000.0 KOI_input = 640.0 # mg/LKOI_output = 45.0 # mg/LdeŞARJ_LIMITI = ਕੋਈ ਨਹੀਂ # ਜਾਣਬੁੱਝ ਕੇ ਖਾਲੀ: ਕਾਨੂੰਨ ਤੋਂ ਪੜ੍ਹਿਆ ਜਾਣਾ, = Q_02 / KOI02 ਵਿੱਚ ਨਹੀਂ ਬਣਾਇਆ ਗਿਆ। kg/day out = Q * COD_output / 1000.0 # 225 kg/day ਹਟਾਇਆ = input - output print("COD input:", input, "kg/day")print("COD ਆਉਟਪੁੱਟ:", ਆਊਟਪੁੱਟ, "kg/day")print("ਹਟਾਏ ਗਏ (ਜੈਵਿਕ + ਸਲੱਜ):", "ਹਟਾਏ ਗਏ (ਜੈਵਿਕ+ਸਲੱਜ):", "# ਕਿਲੋਗ੍ਰਾਮ/ਦਿਨ ਨੂੰ ਹਟਾਇਆ ਗਿਆ", "# ਕਿਲੋਗ੍ਰਾਮ/ਦਿਨ ਦੀ ਸੀਮਾ ਨੂੰ ਹਟਾਇਆ ਗਿਆ? -> ਸੀਮਾ ਕਾਨੂੰਨ ਪ੍ਰਿੰਟ ਤੋਂ ਆਉਣੀ ਚਾਹੀਦੀ ਹੈ ("ਆਉਟਪੁੱਟ:", COD_output, "mg/L -> ਡਿਸਚਾਰਜ ਸੀਮਾ (ਵਿਧਾਨ)" ਨਾਲ ਤੁਲਨਾ ਕਰੋ")

ਇੱਥੇ ਨਾਜ਼ੁਕ ਬਿੰਦੂ ਹੈ deSARJ_LIMITI = ਕੋਡ ਵਿੱਚ ਕੋਈ ਲਾਈਨ ਨਹੀਂ ਹੈ: ਅਸੀਂ ਮਕਸਦ ਲਈ ਸੀਮਾ ਖਾਲੀ ਛੱਡ ਦਿੱਤੀ ਹੈ। ਭਾਵੇਂ AI ਤੁਹਾਨੂੰ ਦੱਸਦਾ ਹੈ "COD ਸੀਮਾ 120 mg/L ਹੈ," ਅਸਲ ਸੀਮਾ ਤੁਹਾਡੇ ਉਦਯੋਗ, ਪ੍ਰਾਪਤ ਕਰਨ ਵਾਲੇ ਵਾਤਾਵਰਣ ਅਤੇ ਸਹੂਲਤ ਦੀ ਕਿਸਮ ਲਈ ਅਧਿਕਾਰਤ ਰੈਗੂਲੇਸ਼ਨ ਟੇਬਲ ਤੋਂ ਪੜ੍ਹੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ। ਪੁੰਜ ਸੰਤੁਲਨ ਤੁਹਾਡੀ ਆਉਟਪੁੱਟ ਇਕਾਗਰਤਾ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ; ਵਿਧਾਨ ਸੀਮਾ ਨਾਲ ਤੁਲਨਾ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ।

ਤਸਦੀਕ ਚੇਨ

ਕਦਮ

ਸਰੋਤ

ਇਹ ਕੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ?

1. ਇਨਪੁਟ ਡੇਟਾ

ਫਲੋਮੀਟਰ, ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਪ੍ਰਯੋਗਸ਼ਾਲਾ

ਕੀ ਖਾਤੇ ਦਾ ਕੱਚਾ ਮਾਲ ਸਹੀ ਹੈ?

2. ਖਾਤਾ ਨਿਯੰਤਰਣ

ਹੱਥ/ਮੇਜ਼

ਕੀ AI ਗਣਿਤ ਸਹੀ ਹੈ?

3. ਪੁੰਜ ਸੰਤੁਲਨ

ਪ੍ਰਵੇਸ਼/ਨਿਕਾਸ/ਚੱਕਰ

ਕੀ ਪ੍ਰਸਤਾਵ ਸਰੀਰਕ ਤੌਰ 'ਤੇ ਇਕਸਾਰ ਹੈ?

4. ਡਿਸਚਾਰਜ ਸੀਮਾ

ਅਧਿਕਾਰਤ ਕਾਨੂੰਨ

ਆਉਟਪੁੱਟ ਉਪਲਬਧਤਾ

5. ਫੀਲਡ/ਮਾਈਕ੍ਰੋਸਕੋਪ

ਨਮੂਨਾ

ਨਿਦਾਨ ਦੀ ਅਸਲੀਅਤ

ਮਿੰਨੀ ਕੇਸ

ਜਦੋਂ ਕਿਸੇ ਸਹੂਲਤ ਵਿੱਚ ਆਊਟਲੈੱਟ ਦੀ ਗੰਦਗੀ ਵਧ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਓਪਰੇਟਰ AI ਨੂੰ ਸਥਿਤੀ ਬਾਰੇ ਪੁੱਛਦਾ ਹੈ; ਮਾਡਲ "MLSS ਬਹੁਤ ਘੱਟ, ਸਲੱਜ ਰੀਸਰਕੁਲੇਸ਼ਨ ਵਧਾਉਣ" ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕਰਦਾ ਹੈ। ਆਪਰੇਟਰ ਰੀਸਰਕੁਲੇਸ਼ਨ ਵਧਾਉਂਦਾ ਹੈ, ਪਰ ਸਮੱਸਿਆ ਹੋਰ ਵਿਗੜ ਜਾਂਦੀ ਹੈ। ਸੀਨੀਅਰ ਇੰਜੀਨੀਅਰ ਮਾਈਕਰੋਸਕੋਪਿਕ ਜਾਂਚ ਦੀ ਬੇਨਤੀ ਕਰਦਾ ਹੈ: ਸਮੱਸਿਆ MLSS ਦੀ ਕਮੀ ਨਹੀਂ ਹੈ, ਪਰ ਫਿਲਾਮੈਂਟਸ ਬੈਕਟੀਰੀਆ ਕਾਰਨ ਸੋਜ ਹੈ। ਵਾਪਸੀ ਦੇ ਚੱਕਰ ਨੂੰ ਵਧਾਉਣ ਨਾਲ ਫਿਲਾਮੈਂਟ ਲੋਡ ਨੂੰ ਸੈਡੀਮੈਂਟੇਸ਼ਨ ਟੈਂਕ ਵਿੱਚ ਹੋਰ ਅੱਗੇ ਲਿਜਾਇਆ ਗਿਆ। AI ਦਾ ਸੁਝਾਅ ਇੱਕ ਵਾਜਬ ਪਰਿਕਲਪਨਾ ਸੀ, ਪਰ ਇਹ ਉਲਟ ਸਾਬਤ ਹੋਇਆ ਕਿਉਂਕਿ ਇਹ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੇ ਡੇਟਾ ਨਾਲ ਤਸਦੀਕ ਕੀਤੇ ਬਿਨਾਂ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਸੀ। ਸਹੀ ਤਰੀਕਾ: ਪਹਿਲਾਂ ਮਾਈਕ੍ਰੋਸਕੋਪ, ਫਿਰ ਸੀਓਓ ਅਤੇ ਐਫ/ਐਮ ਵਿਵਸਥਾ, ਫਿਰ ਦਖਲਅੰਦਾਜ਼ੀ।

ਆਮ ਗਲਤੀਆਂ

• ਮਾਈਕ੍ਰੋਸਕੋਪ/ਲੈਬ ਵੈਰੀਫਿਕੇਸ਼ਨ ਤੋਂ ਬਿਨਾਂ ਸੁਝਾਈ ਗਈ ਦਖਲਅੰਦਾਜ਼ੀ ਨੂੰ ਲਾਗੂ ਕਰਨਾ।
• ਇਹ ਮੰਨ ਕੇ ਕਿ ਗਣਨਾ ਸਹੀ ਹੈ ਅਤੇ ਇਨਪੁਟ ਡੇਟਾ (ਪ੍ਰਵਾਹ ਦਰ, ਨਮੂਨਾ) ਦੀ ਗੁਣਵੱਤਾ 'ਤੇ ਸਵਾਲ ਨਹੀਂ ਉਠਾਉਂਦਾ।
• ਕਾਨੂੰਨ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ AI ਦੁਆਰਾ ਦਿੱਤੀ ਗਈ ਡਿਸਚਾਰਜ ਸੀਮਾ ਦੀ ਵਰਤੋਂ ਕਰਨਾ।
• ਇੱਕ ਸਿੰਗਲ ਪੈਰਾਮੀਟਰ (ਕੇਵਲ MLSS) ਨੂੰ ਦੇਖਦੇ ਹੋਏ ਅਤੇ ਪੂਰੇ ਸਿਸਟਮ (F/M, SRT, SVI, COO) ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ।
• ਪੁੰਜ ਸੰਤੁਲਨ ਦੀ ਜਾਂਚ ਕੀਤੇ ਬਿਨਾਂ ਰਿਪੋਰਟ ਵਿੱਚ "95% ਕੁਸ਼ਲਤਾ" ਵਰਗੇ ਨੰਬਰ ਲਗਾਉਣੇ।
• ਵਿਜ਼ੂਅਲ ਧੁੰਦਲੇਪਣ ਤੋਂ ਛਾਲੇ ਹੋਣ ਦੇ ਨਿਦਾਨ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣਾ ਅਤੇ ਮਾਈਕਰੋਸਕੋਪਿਕ ਪੁਸ਼ਟੀ ਨੂੰ ਛੱਡਣਾ।

ਸੰਖੇਪ ਵਿੱਚ

• ਸਰਗਰਮ ਸਲੱਜ ਪ੍ਰਬੰਧਨ ਲਈ MLSS, MLVSS, F/M, SRT ਅਤੇ SVI ਨੂੰ ਇਕੱਠੇ ਪੜ੍ਹਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ; ਉਹ ਆਪਸ ਵਿੱਚ ਜੁੜੇ ਹੋਏ ਹਨ।
• ਗਣਨਾਵਾਂ ਜਿਵੇਂ ਕਿ F/M ਅਤੇ ਹਟਾਉਣ ਦੀ ਕੁਸ਼ਲਤਾ ਸਧਾਰਨ ਹੈ, ਪਰ ਨਤੀਜਾ ਤਾਂ ਹੀ ਸਾਰਥਕ ਹੁੰਦਾ ਹੈ ਜੇਕਰ ਇਨਪੁਟ ਡੇਟਾ ਸਹੀ ਹੋਵੇ।
• AI ਸਮੱਸਿਆ-ਨਿਪਟਾਰੇ ਵਿੱਚ ਅਨੁਮਾਨਾਂ ਦੀ ਇੱਕ ਸੰਭਾਵਨਾ-ਕ੍ਰਮਬੱਧ ਸੂਚੀ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੈ; ਇਹ ਨਿਦਾਨ ਨਹੀਂ ਕਰਦਾ.
• ਹਰੇਕ AI ਪ੍ਰਸਤਾਵ ਨੂੰ ਪੁੰਜ ਸੰਤੁਲਨ ਦੇ ਨਾਲ ਭੌਤਿਕ ਇਕਸਾਰਤਾ ਲਈ ਟੈਸਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
• ਡਿਸਚਾਰਜ ਸੀਮਾ ਕਦੇ ਵੀ ਏਆਈ ਤੋਂ ਨਹੀਂ ਲਈ ਜਾਂਦੀ; ਇਹ ਸੈਕਟਰ ਅਤੇ ਪ੍ਰਾਪਤ ਕਰਨ ਵਾਲੇ ਵਾਤਾਵਰਣ ਦੇ ਅਨੁਸਾਰ ਅਧਿਕਾਰਤ ਕਾਨੂੰਨ ਤੋਂ ਪੜ੍ਹਿਆ ਜਾਂਦਾ ਹੈ।
• ਅੰਤਿਮ ਫੈਸਲਾ ਪ੍ਰਯੋਗਸ਼ਾਲਾ (ਮਾਈਕਰੋਸਕੋਪ, ਮਾਨਤਾ ਪ੍ਰਾਪਤ ਵਿਸ਼ਲੇਸ਼ਣ) ਅਤੇ ਫੀਲਡ ਮਾਪ ਦੁਆਰਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ; ਸੀਨੀਅਰ ਇੰਟਰਨ ਵਾਂਗ, ਏਆਈ ਤੇਜ਼ ਕਰਦਾ ਹੈ ਪਰ ਤਸਦੀਕ ਨਹੀਂ ਕਰਦਾ.

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਆਪਣੇ ਖੁਦ ਦੇ ਪਲਾਂਟ ਜਾਂ ਇੱਕ ਕਾਲਪਨਿਕ ਐਕਟੀਵੇਟਿਡ ਸਲੱਜ ਪਲਾਂਟ ਤੋਂ ਇੱਕ ਡੇਟਾ ਸੈੱਟ ਬਣਾਓ: ਪ੍ਰਵਾਹ ਦਰ, ਇਨਲੇਟ/ਆਊਟਲੇਟ ਸੀਓਡੀ ਅਤੇ ਬੀਓਡੀ, ਐਮਐਲਐਸਐਸ, ਐਮਐਲਵੀਐਸਐਸ, ਏਰੇਸ਼ਨ ਵਾਲੀਅਮ, ਐਸਵੀਆਈ। ਪਹਿਲਾਂ ਹੱਥੀਂ F/M ਅਨੁਪਾਤ ਅਤੇ ਹਟਾਉਣ ਦੀ ਕੁਸ਼ਲਤਾ ਦੀ ਗਣਨਾ ਕਰੋ ਅਤੇ ਨਤੀਜਿਆਂ ਦੀ ਤੁਲਨਾ ਆਮ ਡਿਜ਼ਾਈਨ ਰੇਂਜਾਂ ਨਾਲ ਕਰੋ। ਫਿਰ, ਇਸ ਸਹੂਲਤ ਵਿੱਚ ਇੱਕ ਸਲੱਜ ਦ੍ਰਿਸ਼ ਬਣਾਓ ਅਤੇ ਉਪਰੋਕਤ "ਮਜ਼ਬੂਤ ​​ਸਮੱਸਿਆ ਨਿਪਟਾਰਾ ਪ੍ਰੋਂਪਟ" ਪੈਟਰਨ ਦੇ ਨਾਲ ਕਾਰਨਾਂ ਦੀ ਇੱਕ ਸੰਭਾਵੀ ਸੂਚੀ ਅਤੇ ਹਰੇਕ ਕਾਰਨ ਲਈ ਇੱਕ ਤਸਦੀਕ ਜਾਂਚ ਲਈ AI ਨੂੰ ਪੁੱਛੋ। ਮਾਡਲ ਦੇ ਆਉਟਪੁੱਟ ਵਿੱਚ ਹਰੇਕ ਸੁਝਾਅ ਨੂੰ ਪੁੰਜ ਸੰਤੁਲਨ ਦੇ ਤਰਕ ਨਾਲ ਸਾਰਣੀ ਬਣਾਓ ਅਤੇ ਕਿਹੜੀ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਟੈਸਟ ਇਸਦੀ ਪੁਸ਼ਟੀ ਕਰੇਗਾ। ਅੰਤ ਵਿੱਚ, ਇੱਕ ਪੈਰੇ ਵਿੱਚ ਲਿਖੋ ਕਿ ਕਿਹੜੇ ਅਧਿਕਾਰਤ ਨਿਯਮਾਂ ਅਤੇ ਕਿਹੜੇ ਪੈਰਾਮੀਟਰਾਂ ਨਾਲ ਤੁਹਾਨੂੰ ਆਪਣੇ ਆਉਟਪੁੱਟ COD ਮੁੱਲ ਦੀ ਤੁਲਨਾ ਕਰਨ ਦੀ ਲੋੜ ਹੈ; ਇਸ ਸੀਮਾ ਲਈ AI ਨੂੰ ਨਾ ਪੁੱਛੋ, ਤੁਸੀਂ ਤਸਦੀਕ ਸਰੋਤ ਨਿਸ਼ਚਿਤ ਕਰੋ।