سمیه کلبادی نژاد - دانشجوی دکتری مهندسی شیمی، دانشگاه علم و صنعت ایران
احد قائمی - استاد، دانشگاه علم و صنعت ایران

بازیابی فلزات باارزش از کاتالیست های مستعمل پالایشگاهی به عنوان راهکار ارزشمند برای مدیریت پسماند و تامین منابعثانویه این فلزات، حائز اهمیت می باشد. عمده ترین عناصر موجود در کاتالیست های مستعمل پالایشگاهی شامل کبالت،مولیبدن، نیکل، پلاتین و تنگستن می باشد. روش های کلی استخراج و جداسازی فلزات باارزش از کاتالیست های مستعملپالایشگاهی شامل پیرومتالورژی و هیدرومتالورژی می باشد. انتخاب و بهینه سازی روش استخراج و بازیابی فلزات شامل مزایاییاز قبیل: مصرف انرژی پایین تر، تولید محصولات و آلاینده های گازی کمتر، تولید کمتر ضایعات صنعتی، ایمنی و سرمایه گذاریکمتر میباشد. اثر پارامترهای مختلف مانند: دما، زمان، اندازه ذرات پسماند جامد، نسبت جامد به مایع، دور همزن، نوعبر فرآیند منتخب در نرم افزار طراحی آزمایش بررسی می گردد. سپس با pH اکسیدکننده مصرفی، میزان تزریق اکسیژن وکمک علم داده و شبکه های عصبی مصنوعی، میتوان الگوهای حساس به تغییرات ناخواسته یا نقص های احتمالی را شناساییو در نتیجه در هزینه های عملیاتی بازیابی فلزات باارزش صرفه جویی کرد. همچنین این فناوری به اتخاذ تصمیم های بهینه،متمرکز کردن مدیریت داده ها و یکپارچه سازی آنها، کمک میکند. هدف این مقاله، توسعه کاربرد روش طراحی آزمایش سطحپاسخ و شبکه عصبی مصنوعی در فرآیند استخراج فلزات باارزش از پسماندهای صنعت نفت می باشد که ضمن تحلیل اثرپارامترها و انتخاب شرایط بهینه استخراج به بررسی محدودیتها و تعیین مواردی که نیاز به بررسی بیشتری دارند، می پردازد.

کاتالیست های مستعمل پالایشگاهی،بازیابی فلزات باارزش، روش سطح پاسخ و شبکه های عصبی مصنوعی.