Improvement of operational performance of submerged membrane photocatalytic ultrafiltration for industrial oily wastewater treatment using AL/ML technique and statistical optimization methodology

Khademi, Alireza (2023). Improvement of operational performance of submerged membrane photocatalytic ultrafiltration for industrial oily wastewater treatment using AL/ML technique and statistical optimization methodology. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation

PDF Télécharger (8MB) | Prévisualisation

Résumé

Water scarcity is the next big problem the world is about to face as 70% of the Earth’s surface is covered in water of which only 2.5% is fresh water. Oil refineries are a major source of water pollution. They produce a significant amount of oil wastewater. The disposal of this contaminated water represents a significant challenge for the entire petroleum industry. The treatment of municipal and industrial wastewater is another critical issue. From 2018 to 2025, the global membrane filtration market is expected to reach USD 19.6 billion, growing at a CAGR of 6.4%. The increasing population, growing awareness of wastewater reuse, rapid industrialization, high-end products and efficiency offered by membrane filtration technologies, shift from chemical water treatment to physical treatment, and stringent regulations regarding treatment water and water discharge are the key drivers of the membrane filtration market. This research focuses on the wastewater treatment method of submerged membrane photocatalytic ultrafiltration. The membrane is used to clean oily wastewater in this method.

Membrane performance evaluation projects entail trial-and-error methods under a wide range of process operating conditions. The majority of previous research projects on the submerged membrane ultrafiltration (SMUF) system used an experimental approach with one process variable at a time. This method is time-consuming and expensive. Principal component analysis (PCA), design of experiments (DOE), and Artificial Intelligence/Machine Learning (AI/ML) appear to be capable of circumventing the limitation. Through a systematic experimental strategy based on PCA, DOE, and AI/ML, this study improved the operational performance of submerged membrane photocatalytic ultrafiltration operations technology in industrial oily wastewater treatment. This strategy focuses on tuning and simultaneous optimization of membrane operating variables under various controllable conditions. Meanwhile, the lack of a quick numerical simulation model capable of recognizing and predicting the effects of various process operating conditions on the final performance of the wastewater treatment system has prompted the utilization of statistical and artificial intelligence (AI) methodologies. This study’s ultimate goal is to optimize and improve the operational performances of the Submerged Membrane Photocatalytic Ultrafiltration (SMPUF) system in industrial oily wastewater treatment. To accomplish this goal, statistical methods, principal components analysis (PCA), design of experiments (DOE), and AI/ML techniques are employed to investigate and improve the system’s performance.

Titre traduit

Amélioration des performances opérationnelles de l'ultrafiltration photocatalytique a membrane immergée pour le traitement des eaux usées huileuses industrielles à l'aide de la technique al/ml et de la méthodologie d'optimisation statistique

Résumé traduit

La pénurie d'eau est le prochain grand problème auquel le monde est sur le point d'être confronté, car 70 % de la surface de la Terre est recouverte d'eau, dont seulement 2.5 % d'eau douce. Les raffineries de pétrole sont une source majeure de pollution de l'eau. Elles produisent une quantité importante d'eaux usées pétrolières. L'élimination de ces eaux contaminées représente un défi important pour l'ensemble de l'industrie pétrolière. Le traitement des eaux usées municipales et industrielles est un autre enjeu crucial. De 2018 à 2025, le marché mondial de la filtration membranaire devrait atteindre 19.6 milliards USD, avec un taux de croissance annuel composé de 6.4 %. L'augmentation de la population, la sensibilisation croissante à la réutilisation des eaux usées, l'industrialisation rapide, les produits haut de gamme et l'efficacité offerts par les technologies de filtration membranaire, le passage du traitement chimique de l'eau au traitement physique et les réglementations strictes concernant les eaux de traitement et les rejets d'eau sont les principaux moteurs du marché de la filtration membranaire. Cette recherche se concentre sur la méthode de traitement des eaux usées de l'ultrafiltration photocatalytique à membrane immergée. Dans cette méthode, la membrane est utilisée pour nettoyer les eaux usées huileuses.

Les projets d'évaluation de la performance des membranes impliquent des méthodes d'essai et d'erreur dans un large éventail de conditions d'exploitation du procédé. La majorité des projets de recherche précédents sur le système d'ultrafiltration à membrane immergée (SMUF) ont utilisé une approche expérimentale avec une seule variable de procédé à la fois. Cette méthode prend beaucoup de temps et est coûteuse. L'analyse en composantes principales (ACP), les plans d'expériences (DOE) et l'intelligence artificielle/apprentissage machine (IA/ML) semblent être capables de contourner cette limitation. Grâce à une stratégie expérimentale systématique basée sur l'ACP, le DOE et l'AI/ML, cette étude a permis d'améliorer les performances opérationnelles de la technologie des opérations d'ultrafiltration photocatalytique à membrane immergée dans le traitement des eaux usées huileuses industrielles. Cette stratégie se concentre sur le réglage et l'optimisation simultanée des variables de fonctionnement de la membrane dans diverses conditions contrôlables. Parallèlement, l'absence d'un modèle de simulation numérique rapide capable de reconnaître et de prédire les effets des diverses conditions de fonctionnement du processus sur les performances finales du système de traitement des eaux usées a incité à utiliser des méthodologies statistiques et d'intelligence artificielle (IA). L'objectif ultime de cette étude est d'optimiser et d'améliorer les performances opérationnelles du système d'ultrafiltration photocatalytique à membrane immergée (SMPUF) dans le traitement des eaux usées huileuses industrielles. Pour atteindre cet objectif, des méthodes statistiques, l'analyse en composantes principales (ACP), des plans d'expériences (DOE), et des techniques d'IA/ML sont utilisées pour étudier et améliorer les performances du système.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Thesis presented to École de technologie supérieure in partial fulfillment for a master’s degree with thesis in engineering with a personalized concentration". Comprend des références bibliographiques (pages 125-128).
Mots-clés libres:	analyse en composantes principales (ACP), plan d'expériences (DOE), intelligence artificielle (IA), apprentissage machine (ML), traitement des eaux usées huileuses industrielles, membrane à fibres creuses asymétriques en PVDF, système d'ultrafiltration à membrane immergée (SMUF), réacteur photocatalytique à membrane immergée (SMPR)
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Ouellet-Plamondon, Claudiane
Codirecteur:	Codirecteur Barbeau, Benoit
Programme:	Maîtrise en ingénierie > Génie
Date de dépôt:	09 mars 2023 15:21
Dernière modification:	09 mars 2023 15:21
URI:	https://espace.etsmtl.ca/id/eprint/3190

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt