Zespół Analityki Przemysłowej i Środowiskowej oraz Przetwarzania Danych

Pracownicy Zespołu od wielu lat zajmują się badaniami środowiskowymi, pomiarami przemysłowymi oraz projektowaniem i konstrukcją urządzeń analitycznych, a od kilku lat również analityką danych. W ramach badań środowiskowych członkowie Zespołu zajmowali się tematyką oznaczania substancji toksycznych w różnych komponentach środowiska i próbkach przemysłowych, ze szczególnym uwzględnieniem rtęci. Zespół posiada możliwość oznaczanie stężeń rtęci i jej form oraz innych metali ciężkich, metaloidów, niemetali i nieorganicznych substancji toksycznych w paliwach, spalinach, pyłach, popiołach energetycznych i innych odpadach oraz próbkach środowiskowych, geologicznych i surowcach. Obecnie obszarem działalności dr hab. inż. Mariusza Macherzyńskiego, prof. AGH są testy skuteczności działania sorbentów i innych materiałów przeznaczonych do oczyszczania spalin i ścieków procesowych. Zajmuje się on również problemami emisji z sektora komunikacyjnego i metodami ich ograniczania. Obszarem zainteresowań dr hab. inż. Jerzy Górecki, prof. AGH jest głównie analityka przemysłowa, w tym opracowywanie procedur oznaczania substancji toksycznych takich jak rtęć, NH3, NOx, CO2, CO. Jako element opracowywania procedur dr hab. inż. Jerzy Górecki zajmuje się konstruowaniem unikalnych urządzeń analitycznych i stanowisk badawczych. W ostatnich latach powstały: mobilny układ do badania specjacji rtęci w spalinach, ultradźwiękowy kalibrator rtęci Hg2+, układ do pobierania i oznaczania rtęci w gazie koksowniczym, system do testowania paliw węglowych pod kątem termicznego usuwania z nich rtęci, laboratoryjny generator spalin, przemysłowy wibracyjny układ to testów sorbentów, przemysłowy układ do oznaczania amoniaku w popiele, wibracyjny układ do toryfikacji próbek biomasy, układ PDMS-GC-AFS do oznaczania metylortęci w próbkach biologicznych oraz półautomatyczny układ Tenax-CG-AFS do oznaczania MeHg w próbkach biologicznych oraz szereg mniejszych urządzeń. Obecnie w ramach współpracy z Centrum Technologii Kosmicznych powstaje układ do hodowli organizmów wodnych w warunkach symulowanego braku grawitacji. Jednym z istotnych obszarów działalności Zespołu Analityki Przemysłowej i Środowiskowej oraz Przetwarzania danych jest tzw. analityka zaawansowana. Dr Szramowiat-Sala prowadzi innowacyjne badania dotyczące wpływu procesów wytwarzania energii na środowisko i jakość powietrza. Szczególne miejsce w jej pracy zajmują badania emisji pyłu zawieszonego w atmosferze, emisji cząstek stałych z procesów energotwórczych oraz identyfikacji przyczyn powstawania tychże zanieczyszczeń w danych procesie technologicznym. Dr inż. Katarzyna Szramowiat-Sala w swoich badaniach łączy zaawansowane techniki data science i inteligencji obliczeniowej, takie jak algorytmy głębokiego uczenia, uczenia statystycznego czy metody eksploracji danych, w celu analizy i optymalizacji procesów środowiskowych i technologicznych. W ramach tej działalności angażuje się w rozwój metod analitycznych do przetwarzania dużych zbiorów danych środowiskowych oraz tworzenia modeli predykcyjnych i diagnostycznych, które wspierają ochronę środowiska. Dzięki zastosowaniu tych narzędzi możliwe jest modelowanie złożonych procesów, przewidywanie ich skutków, identyfikowanie wzorców oraz wykrywanie anomalii, które mogą wskazywać na potencjalne problemy lub obszary wymagające poprawy. Jednym z kluczowych obszarów badań dr Szramowiat-Sali jest analiza emisji zanieczyszczeń powstających podczas spalania paliw kopalnych i biopaliw, zarówno w konwencjonalnych, jak i innowacyjnych instalacjach grzewczych, które często są integrowane z systemami energetyki odnawialnej. Dr Szramowiat-Sala analizuje również emisje generowane przez silniki spalinowe, w tym nowoczesne technologie silnikowe, badając wpływ jakości paliwa, warunków prowadzenia procesu technologicznego oraz zmiennych środowiskowych na ilość i skład emitowanych zanieczyszczeń. Dodatkowym obszarem jej zainteresowań jest zastosowanie inteligencji obliczeniowej w procesach związanych z inteligentnym sterowaniem wzrostem alg na potrzeby produkcji biopaliw. Dzięki modelom opartym na uczeniu maszynowym możliwe jest precyzyjne monitorowanie i optymalizacja warunków hodowli alg, takich jak temperatura, oświetlenie, stężenie składników odżywczych czy efektywność wychwytu dwutlenku węgla. Te działania mają na celu zwiększenie wydajności produkcji biopaliw przy jednoczesnym minimalizowaniu negatywnego wpływu na środowisko. Wykorzystanie inteligencji obliczeniowej wspiera także procesy decyzyjne związane z projektowaniem i optymalizacją technologii środowiskowych. Pozwala to na bardziej efektywne zarządzanie zasobami, redukcję emisji zanieczyszczeń oraz rozwój innowacyjnych rozwiązań w obszarze zrównoważonej energetyki i ochrony środowiska.