چگونه اینترنت اشیا راه حلی را برای بهبود فرآیند مدیریت زباله حل می کند؟

هر بار که زباله ها به داخل سطل زباله ریخته می شوند، زباله ها به مکان خاصی سرازیر می شوند و باید برای جلوگیری از آسیب به محیط زیست درمان شوند. فرآیند تصفیه زباله در بسیاری از شهرها به عملیات و مدیریت بسیار هوشمندانه تبدیل شده است. اینترنت اشیا، پلت فرم مدیریت زباله مبتنی بر ML، عملکردهای نقشه برداری و ردیابی بلادرنگ انعطاف پذیر را اضافه می کند که می تواند نتایج مدیریت زباله را بهبود بخشد. دفع زباله یک چالش بزرگ برای شهرهای بزرگ است. امروزه ادارات دولتی شهرهای هوشمند مانند سنگاپور، دبی، هنگ کنگ، آمستردام، استکهلم، توکیو، ملبورن، سیاتل، شیکاگو و سئول به شدت ادغام فناوری را در تمام جنبه های شهرهای خود ترویج کرده اند. در بسیاری از شهرها، فرآیند تصفیه زباله به عملیات و مدیریت بسیار هوشمندانه تبدیل شده است.مدیریت پسماند شهری امروزه مدیریت پسماند شهری در هر شهر هوشمند، تعامل دستگاه‌ها یا حسگرهای میدانی است که برای تولید میلیون‌ها نقطه داده شبکه‌ای شده‌اند. سپس داده‌های به‌دست‌آمده از این در بستر ابری جذب می‌شود و از طریق چارچوب تحلیل پیچیده برای تجزیه و تحلیل تغذیه می‌شود و سپس استنباط‌های عاقلانه و امکان‌پذیر برای خدمات بهتر به ساکنان شهر استخراج می‌شود. کل فرآیند با دخالت کمی انسان به صورت خودکار انجام می شود.طبقه بندی زباله همه ما می دانیم که زباله ها را می توان به چند دسته تقسیم کرد. زباله های کاغذ، زباله های پلاستیکی، زباله های مواد غذایی، زباله های محلول در آب، زباله های نامحلول در آب، زباله های حیوانی، زباله های بهداشتی، زباله های خانگی، زباله های صنعتی و ... برخی از آنها زیست تخریب پذیر هستند و برخی غیر قابل تجزیه هستند. برخی از آنها حتی ممکن است زباله های رادیواکتیو باشند که بسیار سمی هستند و ممکن است خطر ایجاد کنند.راه حل های هوشمند ما برنامه‌ای توسعه داده‌ایم که وقتی شهروندان آگاه تصاویری از زباله‌ها در جاده‌ها یا سطل‌های تخلیه بیش از حد در جاده را ضبط می‌کنند و آنها را به مرکز فرماندهی سکوی متقابل ارسال می‌کنند، هشدار می‌دهد. سپس تصویر دریافت شده توسط مرکز فرماندهی را می توان با استفاده از تحلیلگر نقطه تصویر و قاب برداری تجزیه و تحلیل کرد تا تعداد تقریبی و دسته بندی های احتمالی زباله های مختلف ثبت شده در تصویر را تعیین کند. این فرآیند نیازی به دخالت انسان ندارد. از الگوریتم های هوشمند برای تطبیق داده های گذشته و موجود استفاده می کند. با گذشت زمان، دقت این فعالیت نزدیک به 90 درصد بوده است.تجزیه و تحلیل داده ها و یادگیری ماشین مبتنی بر اینترنت اشیا سنسور نصب شده روی سطل زباله کنار جاده می تواند جمع آوری زباله در سطل زباله را ردیابی کند و با استفاده از سیستم یکپارچه اینترنت اشیا به طور خودکار زنگ هشدار را به کامیون جمع آوری زباله ارسال کند، اما زباله هایی که مستقیماً در جاده پرتاب می شوند از دید دیجیتال سنسور فرار می کنند * * *. برای پوشاندن زباله هایی که توسط یک شهروند غیرعادی در جاده پرتاب می شود، نیاز به هوشیار و مداخله یک شهروند یا انسانی آگاه است. لازم به یادآوری است که شهروندان هوشیار و هوشیار باید دانش اولیه عکاسی را داشته باشند و بتوانند به طور ماهرانه از اپلیکیشن ها در گوشی های هوشمند استفاده کنند. داده‌های حسگرها و تصاویر ارسال شده توسط هشدارها و شهروندان آگاه از طریق سیستم‌های تحلیل پیچیده چند نقطه‌ای و چندلایه تکمیل می‌شوند. ما از داده‌های ضایعات گذشته برای آموزش سیستم بر روی یک پلت فرم یادگیری ماشینی (ML) برای شناسایی و طبقه‌بندی زباله و ارزیابی تقریباً وزن زباله استفاده می‌کنیم. پلت فرم ML از تصاویر زباله جمع آوری شده از بیش از 60 سطل زباله در شهر در گذشته در هر ساعت از روز استفاده می کند. پلت فرم یادگیری ماشین همچنین در موارد معمولی که معمولا در داخل و اطراف سطل زباله یافت می شوند آموزش دیده است، بنابراین می توان آنها را به راحتی شناسایی کرد.مدیریت ظرفیت دفع زباله برای آخرین مایل هر بار که زباله ها به داخل سطل زباله ریخته می شود، زباله ها به محل خاصی سرازیر می شوند و باید برای جلوگیری از آسیب به محیط زیست یا ساکنان شهری، درمان شوند. بنابراین اطمینان از دفع صحیح زباله ضروری است. برای دفع صحیح زباله، ابتدا باید مشخص شود که چه نوع زباله ای است.مدیریت ظرفیت دفع استراتژی های معمول برای دفع زباله شامل بازیافت، کاهش حجم یا تبدیل آن به انرژی و تخلیه آن به محل دفن زباله، یا تصفیه آن از طریق زباله سوز، و سپس تخلیه زباله های غیر قابل سوزاندن در محل دفن زباله است. با استفاده از برنامه کاربردی ما و تجزیه و تحلیل میلی لیتر پشتیبان، مراکز سوزاندن و محل های دفن زباله می توانند ظرفیت را به صورت ساعتی مدیریت کنند، هر فعالیت را با استفاده از داشبورد ردیابی کنند، و خروجی روزانه و استفاده از محل دفن زباله را نقشه برداری کنند. این به آنها اجازه می دهد تا با استفاده هوشمندانه از فرآیند احتراق، مقدار گاز دودکش استفاده شده و دانستن توان مورد نیاز، برنامه ریزی دقیقی داشته باشند. تعداد محصولات جانبی جمع‌آوری‌شده گاز دودکش، خاکستر تولید شده و بلوک‌های جامد جزء غیرآلی نسوخته نیز رسم شده است. قبل از رسیدن زباله به مرکز سوزاندن، می توان با همکاری سایر ادارات شهرداری اقدامات مناسبی انجام داد. پیرولیز اساساً تجزیه حرارتی زباله جامد با اعمال گرما بدون افزودن هوا یا اکسیژن اضافی برای تولید محصولات جانبی هیدروژن، متان، مونوکسید کربن، قطران و سایر مواد بی اثر است. وزن این محصولات جانبی نیز ردیابی می شود تا اطمینان حاصل شود که خطر قابل توجهی برای سلامتی و محیط زیست ندارند. محصولات جانبی مرکز سوزاندن شامل بتن کم عیار است که سپس برای آجر و سایر بلوک های ساختمانی و تولیدی مطابق با مشخصات تعیین شده توسط مقامات دولتی فروخته می شود. مدیریت ظرفیت و فرآیند تصفیه نهایی را می توان خیلی زود و از مرحله تصویر زباله مرکز فرماندهی شروع کرد.ارزش افزودن به مدیریت فرآیند سنتی از لحاظ تاریخی، اصطلاح مدیریت ظرفیت به معنای «مدیریت موجودی‌های مختلف در کارخانه‌های تولیدی» یا «تعیین صحیح اندازه ارائه خدمات داخلی برای دستیابی به اهداف تجاری فعلی و آتی» است. این یک نوع مدیریت فرآیند است. در استفاده عملی، سیستم‌های قدیمی عوامل خارجی مانند در دسترس بودن محصول، سرزندگی بازار، پیش‌بینی تقاضا و تخصیص منابع داخلی را ترکیب می‌کنند. با این حال، پلت فرم مدیریت ضایعات ML مبتنی بر اینترنت اشیا، دامنه نقشه برداری و ردیابی چابک، بلادرنگ را از طریق فناوری استفاده هوشمند، مدیریت شبکه، دستگاه یا حسگر و اتوماسیون ماشین افزایش می دهد. ادغام همه این عملکردها به مداخله دستی کمی نیاز دارد. اکثر فعالیت ها به صورت خودکار و به صورت شبانه روزی توسط یک ماشین هوشمند کنترل می شوند. ماشین هوشمند می تواند داده های گرافیکی را تجزیه و تحلیل کند و در صورت نیاز برخی عملیات دیجیتالی را انجام دهد.