بهينه‌سازي روش‌هاي بازيابي فلزات باارزش از كاتاليست‌هاي مستعمل پالايشگاهي با استفاده از روش طراحي آزمايش‌سطح پاسخ و شبكه عصبي مصنوعي

Optimization of metals recovery methods from spent refinery catalysts using response surface test and artificial neural network

بازيابي فلزات باارزش از كاتاليست‌هاي مستعمل پالايشگاهي به عنوان راهكار ارزشمند براي مديريت پسماند و تامين منابع ثانويه اين فلزات، حائز اهميت مي‌باشد. عمده‌ترين عناصر موجود در كاتاليست‌هاي مستعمل پالايشگاهي شامل كبالت، موليبدن، نيكل، پلاتين و تنگستن مي‌باشد. روش‌هاي كلي استخراج و جداسازي فلزات باارزش از كاتاليست‌هاي مستعمل پالايشگاهي شامل پيرومتالورژي و هيدرومتالورژي مي‌باشد. انتخاب و بهينه‌سازي روش استخراج و بازيابي فلزات شامل مزايايي از قبيل: مصرف انرژي پايين‌تر، توليد محصولات و آلاينده‌هاي گازي كمتر، توليد كمتر ضايعات صنعتي، ايمني و سرمايه‌گذاري كمتر مي‌باشد. اثر پارامترهاي مختلف مانند: دما، زمان، اندازه ذرات پسماند جامد، نسبت جامد به مايع، دور همزن، نوع اكسيدكننده مصرفي، ميزان تزريق اكسيژن و pH بر فرآيند منتخب در نرم‌افزار طراحي آزمايش بررسي مي‌گردد. سپس با كمك علم داده و شبكه‌هاي عصبي مصنوعي، مي‌توان الگوهاي حساس به تغييرات ناخواسته يا نقص‌هاي احتمالي را شناسايي و در نتيجه در هزينه‌هاي عملياتي بازيابي فلزات باارزش صرفه‌جويي كرد. همچنين اين فناوري به اتخاذ تصميم‌هاي بهينه، متمركز كردن مديريت داد‌ه‌ها و يكپارچه‌سازي آن‌ها، كمك مي‌كند. هدف اين مقاله، توسعه كاربرد روش طراحي آزمايش‌سطح پاسخ و شبكه عصبي مصنوعي در فرآيند استخراج فلزات باارزش از پسماندهاي صنعت‌نفت مي‌باشد كه ضمن تحليل اثر پارامترها و انتخاب شرايط بهينه استخراج به بررسي محدوديت‌ها و تعيين مواردي كه نياز به بررسي بيشتري دارند، مي‌پردازد.