پیاده‌سازی مدلی برای جذب گاز آلاینده دودکش صنایع نفتی با ابررایانه سیمرغ

به گزارش گروه علم و آموزش ایرنا، محسن مکاری از محققان این طرح گفت: بهره گیری از روش‌های هوش مصنوعی به ویژه یادگیری ماشین به ما کمک می‌کند زمان، هزینه و مخاطرات ایمنی و زیست محیطی را در طراحی، ساخت و بهره‌برداری از صنایع شیمایی کاهش دهیم.

وی ادامه داد: در این پژوهش با کمک یادگیری ماشین، طراحی و افزایش بهره‌وری واحدهای حذف کربن دی اکسید مورد بررسی و مطالعه قرار گرفت و طی آن مدل هوش مصنوعی ساخته شد.

این محقق اجرای این پژوهش را توسعه نرم افزار هوش مصنوعی برای طراحی، ارزیابی عملکرد و بهینه سازی واحدهای حذف کربن دی اکسید با آمین دانست و یادآور شد: کارایی ابزار ساخته شده مورد آزمون واقع شد و نتایج آن نشان داد که از آن می توان در صنعت بدون صرف زمان و یا هزینه زیاد برای طراحی واحدهای جدید و یا بهینه کردن کارکرد واحدهای موجود استفاده کرد.

مکاری به روند اجرای این طرح پژوهشی اشاره کرد و اظهار داشت: در این پروژه به کمک دانش هوش مصنوعی و حجم قابل توجه داده‌های محاسباتی، صنعتی و آزمایشگاهی موجود، توسعه مدل هوش مصنوعی جذب کربن دی اکسید با محلول‌های آمینی به وسیله الگوریتم‌های مختلف یادگیری ماشین اجرایی و برای پیاده سازی آن از ابر کامپیوتر سیمرغ استفاده شد.

وی، صنایع گاز، نفت، پتروشیمی، نیروگاهی و فلزی را از حوزه‌های اصلی کاربرد این دستاورد بیان کرد و افزود: استفاده از هوش مصنوعی در مهندسی شیمی حوزه کاملا جدید و مورد توجه دانشگاه و صنعت است و امکان پذیری استفاده از روش‌های مبتنی بر هوش مصنوعی در صنایع فرآیندی، بخش نوآورانه این مطالعات است.

این دانش آموخته دانشگاه صنعتی امیرکبیر، توسعه مدل هوشمند فرآیند حذف کربن دی اکسید از گاز دودکش با محلول‌های آمینی به کمک الگوریتم های یادگیری ماشین را از مزایای این طرح دانست و گفت: بهینه سازی فرایند حذف کربن دی اکسید از گاز دودکش با محلول‌های آمینی به کمک الگوریتم‌های مختلف بهینه‌سازی و دستیابی به حداقل و حداکثر میزان مصرف انرژی و حذف کربن دی اکسید در واحد و ارائه یک مدل جامع و گسترده در شرایط مختلف عملیاتی و همچنین بازه وسیع از متغیرهای ورودی و خروجی فرایند از دیگر دستاوردهای این طرح به شمار می رود.

براساس اعلام دانشگاه صنعتی امیرکبیر، این طرح با عنوان شبیه سازی و بهینه سازی واحد جذب کربن دی اکسید از گاز دودکش به وسیله محلول‌های آمینی با الگوریتم‌های یادگیری ماشین با هدایت و راهنمایی دکتر محمد رحمانی استاد دانشکده مهندسی شیمی این دانشگاه اجرا شد.