NDIR मीथेन सेंसर सुनकर आप उम्मीद कर सकते हैं कि यह किसी भी वातावरण में स्थिरता से माप करेगा। लेकिन इस सिद्धांत के लाभ और ज़मीनी स्तर पर आवश्यक प्रदर्शन को अलग-अलग देखना चाहिए। 『कार्बन उत्सर्जन में कमी प्रमाणित करने की तकनीक और समाधान』 का अध्याय 8 सेंसर के तरीके के साथ मीथेन सेंसर के अंशांकन, प्रदूषण और पर्यावरणीय प्रभावों पर चर्चा करता है। यानी सिद्धांत को जानने से आगे बढ़कर वास्तविक संचालन की शर्तें समझना।
किताब में पहले इन बातों को अलग-अलग समझें
अंशांकन में कोई गड़बड़ी मिले तो शायद आप सोचें कि क्या पुराने सभी डेटा को फेंक देना चाहिए। पहले यह पता लगाने का आधार खोजें कि किस अवधि में और किस तरह का प्रभाव पड़ा। निरीक्षण और पुनः-अंशांकन के अभिलेख से कौन-सा डेटा बहाल किया जा सकता है, यह भी देखें। जिन समयखंडों के लिए पर्याप्त प्रमाण नहीं है, वहाँ मात्रात्मक दावा सीमित किया जा सकता है। अंशांकन-श्रृंखला, मानक गैस की शर्तें और उपयोग का इतिहास दर्ज करने से ऐसे निर्णय लेने में मदद मिलती है। अभिलेख हों तो समस्या आने पर भी उसका कारण समझाया जा सकता है।
सीमा तय करते समय जिस गलती से खास तौर पर बचना चाहिए, वह है चेरी-पिकिंग: केवल उन उत्सर्जन स्रोतों को शामिल करना जहाँ कमी अच्छी दिखती है और बाकी को छोड़ देना। यह गलती अक्सर जान-बूझकर नहीं होती; केवल उपलब्ध डेटा वाले मद शामिल करते जाने पर यह स्वाभाविक रूप से हो सकती है।
अंशांकन। यह दर्ज करें कि कब, किस मानक और प्रक्रिया से किया गया, तथा अंशांकन से पहले की स्थिति और समायोजन के बाद की स्थिति क्या थी। केवल दो जाँच-समयों के बीच के अंतर से बीच की अवधि में ड्रिफ्ट का रास्ता तय नहीं किया जा सकता। बीच की जाँच, पर्यावरण लॉग और पुनः-अंशांकन के डेटा साथ देखें; यदि प्रभावित अवधि या सुधार का आधार अपर्याप्त हो, तो उसे परिणाम की अनिश्चितता या उपयोग की सीमा में शामिल करें।
यांत्रिक वेंटिलेशन वाली पशुशाला में पंखे की केवल निर्धारित क्षमता ही नहीं, बल्कि स्थैतिक दबाव और संचालन की स्थिति, तथा गंदगी या घिसावट से वास्तविक वायु प्रवाह में हुए बदलाव की भी जाँच करें। प्राकृतिक वेंटिलेशन में हवा की दिशा और गति, तापमान का अंतर और खुले हिस्सों की स्थिति देखें। उत्सर्जन दर पर वेंटिलेशन मात्रा के अनुमान की अनिश्चितता का कितना असर पड़ता है, इसका मूल्यांकन मापन मॉडल के भीतर करें।
पशु-स्तर की विधियों के लाभ और सीमाएँ उनके उद्देश्य के अनुसार अलग हैं। खुले परिपथ वाले श्वसन कक्ष में आने-जाने वाली हवा और प्रवाह दर से द्रव्यमान संतुलन निकाला जाता है; इसमें पशु को अनुकूलित करने का समय और लागत अधिक होती है। GreenFeed में हुड पर आने के दौरान सांद्रता और वायु प्रवाह का उपयोग होता है, इसलिए दिन भर में पशु के आने की प्रतिनिधिकता महत्वपूर्ण है। SF6 विधि में ज्ञात उत्सर्जन दर वाली पारगम्य नली को रूमेन में रखा जाता है और बाहर के नमूना-संग्रह उपकरण से साँस तथा डकार की गैस ली जाती है। तकनीक के नाम के आधार पर सटीकता की एकल रैंकिंग करने के बजाय रिकवरी दर, अंशांकन, नमूने और संचालन अभिलेखों की तुलना करनी चाहिए। पशुशाला के किसी एक स्थान पर मापी गई सांद्रता, इन उत्सर्जन दरों के समान मापन राशि नहीं है।
गैर-विक्षेपी अवरक्त (NDIR) पद्धति मीथेन द्वारा अवरक्त प्रकाश के अवशोषण का उपयोग करती है। इसमें उत्प्रेरक-दहन प्रकार जैसी ऑक्सीजन पर निर्भरता या उत्प्रेरक विषाक्तता नहीं होती, लेकिन यह प्रकाशीय गंदगी और तापमान, दबाव तथा नमी के प्रभाव से मुक्त नहीं है। केवल सिद्धांत के आधार पर इसे खेत में लंबे समय के अवलोकन के लिए उपयुक्त न मानें; हर उत्पाद के लिए जाँचें कि अपेक्षित सांद्रता और अंदर-बाहर के सांद्रता अंतर की तुलना में उसकी पहचान सीमा, दोहराव-क्षमता और ड्रिफ्ट पर्याप्त हैं या नहीं।
ज़मीनी स्तर पर इसे इस तरह देखें
ऐसी पशुशाला की कल्पना करें जहाँ सेंसर लंबे समय से चल रहा है। स्क्रीन पर संख्याएँ लगातार दिखाई दें, तब भी प्रकाशीय खिड़की की स्थिति और तापमान तथा नमी के प्रभाव की जाँच आवश्यक है। इस बीच प्रदर्शन कैसे बना रहा, यह दिखाने वाले निरीक्षण और अंशांकन अभिलेख भी चाहिए। एक ही सिद्धांत पर आधारित उत्पादों के विनिर्देश और रखरखाव की विधियाँ अलग हो सकती हैं।
अंशांकन का अंतराल उपयोग की परिस्थितियों, निर्माता की प्रक्रिया, वास्तविक ड्रिफ्ट के अभिलेख और आवश्यक अनिश्चितता के आधार पर तय करें। जो उपकरण स्थल पर अंशांकन का समर्थन नहीं करते, उन्हें भी समय-समय पर संदर्भ उपकरण से तुलना, वापस भेजकर अंशांकन या जाँच गैस से पुष्टि को जोड़कर संभाला जा सकता है। मुख्य बात कोई एकसमान अंतराल तय करना नहीं, बल्कि अंशांकनों के बीच प्रदर्शन के समर्थन में अभिलेख और समस्या आने पर डेटा संभालने के नियम रखना है।
सेंसर की तुलना में मापन सीमा और विभेदन क्षमता, दूसरी गैसों के प्रति क्रॉस-सेंसिटिविटी, प्रतिक्रिया समय और ड्रिफ्ट को साथ जाँचें। तापमान, आर्द्रता, धूल जैसी पर्यावरणीय परिस्थितियों और अंशांकन की आवश्यकताओं की भी समीक्षा करें। यदि उद्देश्य सांद्रता के छोटे अंतर पहचानना है, तो हर उत्पाद और संचालन मोड के लिए देखें कि उपकरण की प्रदर्शित इकाई और अनिश्चितता उस उद्देश्य के अनुरूप हैं या नहीं। केवल सेंसर के सिद्धांत का नाम इन शर्तों का विकल्प नहीं हो सकता।
AI का उपयोग असामान्य संकेतों की संभावनाएँ खोजने, निर्धारित परिस्थितियों में थोड़े समय के छूटे डेटा का अनुमान लगाने और कई चरों के संबंध तलाशने के लिए किया जा सकता है। यह डेटा को व्यवस्थित करने, गुणवत्ता जाँचने और रिपोर्ट का मसौदा तैयार करने में भी मदद कर सकता है। हर कार्य का उद्देश्य और विफलता की लागत अलग होती है, इसलिए सबका मूल्यांकन एक ही प्रदर्शन संकेतक से न करें। बताएँ कि परिणाम किन इनपुट और धारणाओं से बना, और अनुमानित मानों को सीधे अवलोकित मानों से अलग रखें।
निवेश समीक्षा में ये सवाल भी पूछें
उपकरण की समीक्षा करते समय अंशांकन का अंतराल केवल एक संख्या से तय करने के बजाय निर्माता की प्रक्रिया, उपयोग की परिस्थितियाँ और वास्तविक ड्रिफ्ट के अभिलेख देखें। निरीक्षण में समस्या मिले तो यह भी जाँचें कि किस अवधि के डेटा पर असर पड़ता है। एक बार अंशांकन हुआ था या नहीं, उससे अधिक महत्वपूर्ण है कि उसके बाद के डेटा को कैसे प्रबंधित किया गया।
मूल्यांकन के लिए डेटा पहले अलग करें। यदि एक ही खेत के पास-पास के समयों का डेटा यादृच्छिक रूप से मिलाया जाए, तो स्थानीय दोहराव वाले पैटर्न को याद रखने वाले प्रदर्शन को नए खेत पर प्रदर्शन समझने की भूल हो सकती है। भविष्य का संचालन उद्देश्य हो तो समय के क्रम से, और दूसरे खेत में उपयोग उद्देश्य हो तो खेत के आधार पर डेटा अलग करें। मॉडल चुनने के लिए प्रयुक्त सत्यापन डेटा और अंतिम प्रदर्शन जाँच के डेटा को अलग रखें; डेटा की पूर्व-प्रक्रिया और छूटे मानों का सुधार भी प्रशिक्षण डेटा पर तय नियमों के अनुसार करें।
AI मूल्यांकन डेटा को उपयोग के उद्देश्य के अनुसार अलग रखें। भविष्य के संचालन का अनुमान लगाना हो तो समय-क्रम पर विचार करें; दूसरे खेतों में लागू करना हो तो खेत के आधार पर डेटा अलग रखने पर विचार करें। मॉडल चुनने के लिए इस्तेमाल किया गया डेटा और अंतिम प्रदर्शन जाँच के लिए इस्तेमाल होने वाला डेटा भी अलग होना चाहिए। एक साधारण आधार मॉडल से तुलना करें और औसत त्रुटि के साथ-साथ खेत और मौसम के अनुसार पक्षपात तथा विफलता की परिस्थितियाँ जाँचें; तभी वास्तविक उपयोग का दायरा समझाया जा सकेगा।
किताब बंद करने से पहले सोचने के लिए एक सवाल
सेंसर का सिद्धांत समझने से उसके लाभों के साथ उन कमजोरियों का भी पता चलता है जिन पर ध्यान देना चाहिए। इसके साथ अंशांकन इतिहास और ज़मीनी निरीक्षण को जोड़कर देखें। इससे यह समझाने में मदद मिलेगी कि किन परिस्थितियों में उस संख्या का उपयोग किया जा सकता है।
लेखक परिचय
बोंगजुन ली ने सोगांग विश्वविद्यालय के प्रौद्योगिकी प्रबंधन स्नातकोत्तर विद्यालय (MOT) में अपनी पढ़ाई पूरी की। उन्होंने Infitron Co., Ltd. में 7 वर्ष और Honeywell में 20 वर्ष सहित गैस मापन के क्षेत्र में 27 वर्षों तक सेवा इंजीनियरिंग, तकनीकी बिक्री और चैनल प्रबंधन के काम किए। वर्तमान में AI Safety Korea Co., Ltd. के संस्थापक के रूप में वे सेंसर, AI और डेटा विश्लेषण का उपयोग करते हुए पशुधन मीथेन निगरानी तथा मापन, रिपोर्टिंग और सत्यापन (MRV) व्यवस्था पर शोध कर रहे हैं।