بررسی روش مناسب آبگیری لجن در تصفیه‌‏خانه‏‌های فاضلاب با استفاده از فرآیند تحلیل سلسله مراتبی (مطالعه موردی: تصفیه‌خانه فاضلاب جنوب شهر تهران)

نوع مقاله : پژوهشی کاربردی

نویسندگان

1 پژوهشگر پسادکتری، گروه مهندسی محیط زیست، دانشکده محیط‌زیست، پردیس دانشکده‌های فنی، دانشگاه تهران، تهران، ایران

2 استاد، گروه مهندسی محیط زیست، دانشکده محیط‌زیست، پردیس دانشکده‌های فنی، دانشگاه تهران، تهران، ایران

3 استادیار، دانشکده مهندسی عمران، دانشگاه صنعتی شاهرود، شاهرود، ایران

4 دانش‌آموخته کارشناس ارشد، گروه مهندسی شیمی، پردیس دانشکده‌های فنی، دانشگاه تهران، ایران

5 دانشجوی دکتری، گروه مهندسی محیط‏زیست، پردیس بین‌المللی کیش، دانشگاه تهران، ایران

چکیده

در چند دهه اخیر مدیریت، تصفیه و فرآیند آبگیری لجن فاضلاب به دلیل محتوای بالای مواد مغذی اهمیت زیادی پیدا نموده است. بااین ‏حال، انتخاب فناوری مناسب در این زمینه به دلیل پیچیدگی‌ها و وجود عدم قطعیت‌های زیاد، یک چالش بزرگ است. در این مقاله از یک فرآیند تحلیل سلسله مراتبی به‏‌عنوان یک ابزار تصمیم‌گیری برای انتخاب روش مناسب آبگیری در تصفیه‌خانه فاضلاب جنوب شهر تهران استفاده می شود که در آن ساختار معیارها و فرآیند ارزیابی با توصیف چند گزینه ممکن برای آبگیری لجن تعریف شده است تا نسبت به یکدیگر مقایسه و وزن‏‌دهی شوند. نتایج با استفاده از نرم‌افزارExpert choice بررسی و ارزیابی شد. مطابق با نتایج، بهترین و مناسب‌ترین فناوری برای آبگیری لجن فاضلاب از بین فناوری‌های فیلترپرس فشاری و نواری، لاگون، سانتریفیوژ و بسترهای لجن‌ خشک‌کن، فرآیند فیلتر پرس نواری برآورد شده است. در نهایت، صحت‌سنجی براساس روش تحلیل حساسیت که اثر تغییرات پارامترهای ورودی بر روی نتایج را نشان می‌دهد، برای معیارهای فنی اقتصادی، محیط‏زیستی و مدیریتی انجام گرفت و حساسیت گزینه‎‌ها نسبت به تغییر وزن معیارهای اصلی تعیین شد و نتیاج نشان داد بیشترین حساسیت در معیار اقتصادی متوجه فرآیند لاگون، در معیار فنی متوجه فرآیند سانتریفیوژ، در معیار محیط‏زیستی متوجه فرآیند سانتریفیوژ و در معیار مدیریتی متوجه فرآیند فیلتر پرس نواری می‏‌شود. نتایج نشان داد، این روش به دلیل سادگی و قابلیت تطبیق آن با موقعیت‌ها و مناطق مختلف، در سطح ملی برای تصمیم‌گیر‌های مختلف در زمینه انتخاب فرآیندها در تصفیه آب و فاضلاب می‌‏تواند در نظر گرفته شود.

کلیدواژه‌ها

موضوعات


Abbasi N., Ahmadi M. and Naseri M. 2021. Quality and cost analysis of a wastewater treatment plant using GPS-X and CapdetWorks simulation programs. Journal of Environmental Management, 284: 111993. 
Akhoundi A. and Nazif S. 2018. Sustainability assessment of wastewater reuses alternatives using the evidential reasoning approach. J. Cleaner Prod, 195: 1350-1376. 
Ananda J. 2007. Implementing participatory decision making in forest planning. Environmental management, 39(4): 534-544.
Andreoli C. V., Von Sperling M and Fernandes F. 2007.     Sludge treatment and disposal. IWA publishing. VOLUME SIX. London. New Yaork.    
Azar A. Jelogir A. G., Bidhendi G. N., Mehrdadi N., Zaredar N and Poshtegal. M. K.. 2010. Investigation of optimal method for hospital wastewater treatment. J. Food Agric. Environ, 8(2): 1199-1202.     
Carpitella S., Certa A., Izquierdo J and La Fata C. M. 2018. A combined multi-criteria approach to support FMECA analyses: A real-world case. Reliability Engineering & System Safety. 169: 394-402. 
Dabaghian M., Hashemi S. H., Ebadi T. and Maknoon R. 2008. The best available technology for small electroplating plants applying analytical hierarchy process. International Journal of Environmental Science & Technology, 5(4): 479-484.     
Đurđević D., Trstenjak M. and Hulenić I. 2020. Sewage sludge thermal treatment technology selection by utilizing the analytical hierarchy process. Water, 12(5): 1255.
Goodwin D., Raffin M., Jeffrey P. and Smith H. M. 2019. Stakeholder evaluations of risk interventions for non-potable recycled water schemes: a case study. Science of the Total Environment, 674: 439-450.    
Haddad M., Sanders D. and Tewkesbury G. 2020. Selecting a discrete multiple criteria decision making method for Boeing to rank four global market regions. Transportation Research Part A: Policy and Practice, 134: 1-15.
Hamed H., Naser M., Mohammad T. J. and Hamidreza H. 2012. Performance simulation of H-TDS unit of FAJR industrial wastewater treatment plant using a combination of neural network and principal component analysis. Journal of Water Resource and Protection. 4(5): 311-317.
Ishizaka, A. and Labib A. 2009. Analytic hierarchy process and expert choice: Benefits and limitations. Or Insight, 22(4): 201-220.     
Karimi A., Mehrdadi N., Hashemian S., Bidhendi G. and Moghaddam R. T. 2011a. Using of the fuzzy TOPSIS and fuzzy AHP methods for wastewater treatment process selection. International journal of academic research, 3(1): 737-745.
Karimi A., Mehrdadi N., Hashemian S., Bidhendi G. and Moghaddam R. T. 2011b. Selection of wastewater treatment process based on the analytical hierarchy process and fuzzy analytical hierarchy process methods. International Journal of Environmental Science & Technology, 8(2): 267-280.    
Koulinas G. K., Marhavilas P. K., Demesouka O. E., Vavatsikos A. P. and Koulouriotis D. E. 2019. Risk analysis and assessment in the worksites using the fuzzy-analytical hierarchy process and a quantitative technique–A case study for the Greek construction sector. Safety science, 112: 96-104. 
Lynn W. R., Logan J. A. and Charnes A. 1962. Systems analysis for planning wastewater treatment plants. Journal (Water Pollution Control Federation), 34(6): 565-581.     
Mahmoodzadeh S., Shahrabi J., Pariazar M. and Zaeri M. 2007. Project selection by using fuzzy AHP and TOPSIS technique. World Academy of Science, Engineering and Technology, 30(1): 333-338.     
Mehrdadi N. and Hasanlou H. 2012. Reduction of excess sludge using different methods in SBR process for biological wastewater treatment (emphasizing on ultrasonic usage), 38(1): 49-60.
Peniwati K. 2007. Criteria for evaluating group decision-making methods. Mathematical and Computer Modelling, 46(7-8): 935-947.    
Saaty T. L. 1996. Decision making with dependence and feedback: The analytic network process. RWS publications Pittsburgh. Pittsburgh. PA: RWS Publications.1st ed. United States.    
Saaty T. L. 2008. Decision making with the analytic hierarchy process. International journal of services sciences, 1(1): 83-98. 
Shakeri H., and Nazif S. 2018. "Development of an algorithm for risk-based management of wastewater reuse alternatives." Water Reuse Desalin, 8(1): 38-57. 
Shih C. S. and DeFilippi J. A. 1970. System optimization of waste treatment plant process design. Journal of the Sanitary Engineering Division, 96(2): 409-421. 
Tscheikner-Gratl F., Egger P., Rauch W. and Kleidorfer M. 2017. Comparison of multi-criteria decision support methods for integrated rehabilitation prioritization. Water, 9(2): 68.    
Tyagi V. K. and Lo S.-L. 2013. Sludge: a waste or renewable source for energy and resources recovery? Renewable and Sustainable Energy Reviews, 25: 708-728.    
Wind, Y. and Saaty T. L. 1980. Marketing applications of the analytic hierarchy process. Management science, 26(7): 641-658.    
Wondim T. T. and Dzwairo B. 2018. A scenario-based multiple attribute decision-making approach for site selection of a wastewater treatment plant: Bahir Dar City (Ethiopia) case study. Water SA, 44(4): 782-794.    
Zeng G., Jiang R., Huang G., Xu M. and Li J. 2007. Optimization of wastewater treatment alternative selection by hierarchy grey relational analysis. Journal of environmental management, 82(2): 250-259. 
Zolfaghary P., Zakerinia M. and Kazemi H. 2021. A model for the use of urban treated wastewater in agriculture using multiple criteria decision making (MCDM) and geographic information system (GIS). Agricultural Water Management, 243: 106490. 
CAPTCHA Image