Cognitive Analytics of Gravity- and Pressure-Driven Membrane Separation

Membranseparasjonsteknologi har blitt et viktig verktøy i vann- og avløpsvannbehandling, og tilbyr et effektivt middel for å fjerne forurensninger og gjenvinne verdifulle ressurser. Både gravitasjonsdrevne og trykkdrevne membranprosesser brukes i ustrakt grad på tvers av ulike bransjer, ved alt fra kommunale og industriell avløpsrenseanlegg til avsaltingsapplikasjoner. Optimalisering av membranseparasjonsprosesser er en mangefasettert utfordring og krever en omfattende forståelse av ulike påvirkningsfaktorer; membranmateriale, fôrsammensetning og begroingstendenser. Tradisjonelle tilnærminger involverer ofte omfattende prøv-og-feil-eksperimentering for å oppnå effektivitet og kostnadsreduksjon. Det kommende paradigmeskiftet i drift og forvaltning av membransystemer vil dreie seg om integrering av kognitiv analyse, som utnytter kunstig intelligens (AI) og maskinlæring (ML) for å nyttegjøre mest mulig av tilgjengelige data. Til tross for overfloden av data i vannindustrien forblir en betydelig andel, anslått over mer enn 90 %, ikke utnyttet, spesielt innen membranteknologi. Det å opppnå lukket-krets stabilitet i membransystemer i sanntid er fortsatt en universell utfordring, og fremhever behovet for kontinuerlig innovasjon og fremskritt i dette feltet. Ved å bruke avanserte dataanalyseteknikker kan effektiviteten til membranseparasjonsprosesser forbedres, noe som sikrer at permeatfluks og forurensningsavvisning opprettholdes på ønsket nivå samtidig som man maksimerer permeatgjenvinning og minimerer kostnadene. I tillegg kan det muliggjøre sanntidsovervåking og prediktivt vedlikehold, noe som lover godt med tanke på et paradigmeskift for å revolusjonere vannbehandlingseffektivitet og prosessbærekraft. Dette prosjektet har som mål å optimalisere membranprosesser ved bruk av avanserte dataanalyseteknikker, som fører til bedre vannkvalitet og ressursforvaltning.

The overall objective of the project is to explore and enhance the understanding, optimization, and operational efficiency of gravity—and pressure-driven membrane separation processes by cognitive analytical methods. This PhD project aims to use cognitive analytics to optimize gravity- and pressure-driven membrane processes for improved efficiency and cost-effectiveness in water and wastewater treatment applications. This project will be conducted as an industrial PhD, financially supported by the Research Council of Norway and DOSCON AS. Doscon AS will be the industrial partner, and NMBU will be the research institute. The project reflects and supports the REALTEK’s strategy by contributing to safeguarding the basis for life in the future through outstanding research and dissemination of knowledge and innovation. The project supports the SDG targets 6.1, 6.3, 11.6, 12.4, and 13. The project is also related to the REALTELK’s strategic priority to establishing a state-of-the-art membrane laboratory, with the ambtion for large scale funding from the RCN INFRA program. The project will deliver 4 publications in Internationally scientifically indexed Open Access journals. The candidate will attend 3 courses at NMBU and one external course at PhD level.