From Classification Accuracy to Decision Value: Multimodal Sensor Fusion for Economic Prioritization of Landfill Mining Simulation-based Value-of-Information Analysis

कई शहरों की सतह के नीचे कचरे के विशाल, विस्मृत भंडार छिपे होते हैं: लैंडफिल। दशकों तक, इन स्थलों को बस ऊपर से ढंक दिया गया था, और इन्हें फेंकी गई सामग्रियों के स्थायी कब्रों के रूप में माना गया था। आज, एक बढ़ता हुआ आंदोलन उन्हें फिर से खोलने की कोशिश कर रहा है, न केवल भूमि को पुनः प्राप्त करने के लिए, बल्कि उनके भीतर दबे संसाधनों को निकालने के लिए भी। यह प्रक्रिया, जिसे लैंडफिल माइनिंग (landfill mining) कहा जाता है, में मूल्यवान धातुओं, प्लास्टिक और अन्य सामग्रियों को पुनः प्राप्त करने के साथ-साथ पर्यावरणीय खतरों को हटाने के लिए पुराने कचरे की खुदाई करना शामिल है। हालाँकि, ऐसे प्रोजेक्ट का अर्थशास्त्र अविश्वसनीय रूप से नाजुक है। लैंडफिल खोदने की लाभप्रदता पूरी तरह से इस बात पर निर्भर करती है कि वास्तव में जमीन के नीचे क्या छिपा है। यदि साइट उच्च-मूल्य वाली धातुओं से समृद्ध है, तो यह ऑपरेशन एक सोने की खान हो सकता है; यदि यह ज्यादातर कम-मूल्य वाले मलबे या निष्क्रिय मिट्टी से भरी है, तो प्रोजेक्ट तेजी से एक वित्तीय आपदा बन सकता है। क्योंकि ये स्थल अक्सर दशकों पुराने होते हैं और इनका दस्तावेजीकरण बहुत खराब होता है, इसलिए ऑपरेटरों को अधूरी जानकारी के आधार पर अरबों डॉलर के निर्णय लेने के लिए मजबूर होना पड़ता है, जिससे परियोजनाओं के विफल होने, छोड़ने या पैसा खोने की उच्च दर बनी रहती है।

मुख्य चुनौती अनिश्चितता है। एक भी फावड़ा चलाने से पहले, कोई नहीं जानता कि सामग्रियों का सटीक मिश्रण क्या है या खतरनाक गैसों के पॉकेट कहाँ स्थित हैं। इसे हल करने के लिए, शोधकर्ताओं ने ऊपर से जमीन को स्कैन करने के लिए उन्नत सेंसरों का उपयोग करने का प्रस्ताव दिया है, जिससे बिना खुदाई किए नीचे क्या है, इसका विस्तृत मानचित्र तैयार किया जा सके। ये सेंसर विभिन्न प्रकार की आँखों की तरह काम करते हैं: कुछ चुंबकीय धातुओं का पता लगाते हैं, अन्य मिट्टी के घनत्व में परिवर्तन को महसूस करते हैं, और कुछ लीक होती गैसों को भी सूंघ सकते हैं। विचार यह है कि विभिन्न सेंसरों के डेटा को जोड़कर, हम लैंडफिल की सामग्री का इतनी सटीकता से अनुमान लगा सकते हैं कि यह तय किया जा सके कि इसे खोदना लागत के लायक है या नहीं। लेकिन एक महत्वपूर्ण प्रश्न बना हुआ है: क्या यह हाई-टेक स्कैनिंग वास्तव में पैसा बचाती है, या यह केवल एक थोड़े बेहतर अनुमान के लिए एक महंगा तरीका है?

एक हालिया अध्ययन, जिसमें स्वतंत्र शोधकर्ता लियोन सैंडलर ने इस प्रश्न को हल करने का प्रयास किया है, एक परिष्कृत कंप्यूटर सिमुलेशन बनाकर इस पर काम करता है। एक वास्तविक, अव्यवस्थित लैंडफिल पर परीक्षण करने के बजाय, शोधकर्ता ने 1,024 वर्ग मीटर के क्षेत्र वाला एक आभासी स्थल बनाया। इस डिजिटल परिदृश्य को धातु, प्लास्टिक, कांच, जैविक पदार्थ और निर्माण मलबे सहित कचरे के यथार्थवादी वितरण के साथ बनाया गया था, जिन्हें एक वास्तविक डंप की तरह परतों में व्यवस्थित किया गया था। इसके बाद सिमुलेशन ने पांच अलग-अलग प्रकार के सेंसरों का उपयोग करके एक वर्चुअल सर्वे चलाया: धातु खोजने के लिए मैग्नेटोमीटर, मिट्टी की चालकता मापने के लिए इलेक्ट्रोमैग्नेटिक इंडक्शन सेंसर, घनत्व परिवर्तन देखने के लिए ग्राउंड-पेनेट्रेटिंग रडार, गर्मी का पता लगाने के लिए थर्मल कैमरा, और खतरनाक धुएं को सूंघने के लिए गैस सेंसर। लक्ष्य यह देखना था कि क्या एक कंप्यूटर प्रोग्राम इस सेंसर डेटा का उपयोग करके यह सही ढंग से पहचान सकता है कि साइट के प्रत्येक वर्ग मीटर में क्या था और, अधिक महत्वपूर्ण बात यह है, क्या यह जानकारी खुदाई करने के वित्तीय निर्णय को बदल देगी।

सिमुलेशन के परिणामों ने सेंसरों की देखने की क्षमता और वास्तव में जेब के लिए जो मायने रखता है, उसके बीच एक आश्चर्यजनक अंतर प्रकट किया। कंप्यूटर मॉडल, उन्नत मशीन लर्निंग एल्गोरिदम का उपयोग करते हुए, कुछ सामग्रियों की पहचान करने में बेहद सफल रहे। वे धातु, जैविक कचरे और निर्माण मलबे को लगभग पूर्ण सटीकता के साथ पहचान सकते थे, जिससे धातु के लिए सफलता दर लगभग 99% तक पहुँच गई। हालांकि, उन्हें प्लास्टिक और कांच के साथ काफी संघर्ष करना पड़ा, और वे अक्सर उन्हें आसपास की मिट्टी से अलग करने में विफल रहे। यह कंप्यूटर की बुद्धिमत्ता की विफलता नहीं थी, बल्कि स्वयं सेंसरों की एक सीमा थी; प्लास्टिक और कांच उपयोग किए गए चुंबकीय या घनत्व सेंसरों को मजबूत संकेत नहीं भेजते हैं।

हालांकि, सबसे महत्वपूर्ण निष्कर्ष यह था कि जो सेंसर चीजों को खोजने में सबसे अच्छा था, वह जरूरी नहीं कि वही हो जो सबसे अधिक पैसा कमाता है। जब शोधकर्ताओं ने डेटा का विश्लेषण किया, तो उन्होंने पाया कि ग्राउंड-पेनेट्रेटिंग रडार सामान्य वर्गीकरण के लिए सबसे शक्तिशाली उपकरण था, जिसने कंप्यूटर को कचरे के अधिकांश प्रकारों को पहचानने में मदद की। फिर भी, जब उन्होंने सर्वेक्षण के आर्थिक मूल्य की गणना की, तो रडार ने कोई अतिरिक्त लाभ नहीं जोड़ा। एकमात्र सेंसर जिसने लगातार अपेक्षित वित्तीय रिटर्न को बढ़ाया, वह मैग्नेटोमीटर था। ऐसा इसलिए था क्योंकि आर्थिक मॉडल धातु के उच्च मूल्य द्वारा संचालित था। चूंकि मैग्नेटोमीटर धातु खोजने के लिए सबसे अच्छा उपकरण था, और धातु सबसे मूल्यवान सामग्री थी जिसे पुनः प्राप्त किया जाना था, इसलिए केवल वही सेंसर सीधे खुदाई करने के निर्णय को प्रभावित करता था। अन्य सेंसर, भले ही उन्होंने जमीन के नीचे की समग्र तस्वीर को बेहतर बनाया, वे उन सामग्रियों को स्कैन कर रहे थे जो इस विशिष्ट परिदृश्य में लागत को उचित ठहराने के लिए या तो बहुत सस्ती थीं या जिन्हें निकालना बहुत कठिन था।

अध्ययन ने डेटा साइंस की एक सामान्य धारणा का भी परीक्षण किया: कि आपको अपने मॉडल को प्रशिक्षित करने के लिए अपने डेटा को कैसे विभाजित करना है, इस बारे में सावधान रहना चाहिए। कई क्षेत्रों में, शोधकर्ता इस बात की चिंता करते हैं कि यदि वे मॉडल का परीक्षण उस डेटा पर करते हैं जो उनके द्वारा सीखे गए डेटा के बहुत करीब है, तो मॉडल वास्तव में जितना स्मार्ट है उससे कहीं अधिक स्मार्ट दिखाई दे सकता है। इसकी जांच करने के लिए, शोधकर्ताओं ने अपने मॉडल का परीक्षण करने के दो तरीकों की तुलना की। एक विधि में, उन्होंने टेस्ट डेटा को साइट के चारों ओर बेतरतीब ढंग से बिखेर दिया। दूसरी विधि में, उन्होंने साइट का एक पूरा ब्लॉक मॉडल से छिपा कर रखा ताकि यह देखा जा सके कि क्या वह बिना देखे उस विशिष्ट क्षेत्र में क्या था, इसका अनुमान लगा सकता है। आश्चर्यजनक रूप से, इस विशिष्ट सिमुलेशन में, रैंडम (बेतरतीब) विधि ने मॉडल को ब्लॉक विधि की तुलना में बेहतर नहीं दिखाया। मॉडल की सटीकता में तब गिरावट नहीं आई जब उसने अपने प्रशिक्षण डेटा से दूर के क्षेत्रों को देखा। यह सुझाव देता है कि इस विशेष प्रकार के सेंसर डेटा के लिए, कार्य की कठिनाई मॉडल द्वारा साइट के लेआउट को याद करने से नहीं, बल्कि सामग्रियों के एक जैसा दिखने से आती है।

शायद इस अध्ययन का सबसे व्यावहारिक सबक यह है कि हर लैंडफिल के लिए कोई एक "सर्वश्रेष्ठ" सेंसर नहीं होता है। शोधकर्ताओं ने परीक्षण किया कि क्या होगा यदि लैंडफिल की संरचना बदल जाती है। यदि साइट धातु के बजाय प्लास्टिक या निर्माण मलबे से समृद्ध होती, तो सबसे मूल्यवान सेंसर बदल जाता। प्लास्टिक से भरपूर साइट में, ग्राउंड-पेनेट्रेटिंग रडार सबसे महत्वपूर्ण उपकरण बन जाता, जबकि निर्माण मलबे से भरी साइट में, इलेक्ट्रोमैग्नेटिक सेंसर अग्रणी होता। इसका मतलब है कि उपकरणों का चयन एक सामान्य नियम के आधार पर नहीं किया जा सकता; इसे सामग्रियों के विशिष्ट मिश्रण और उन सामग्रियों की वर्तमान बाजार कीमतों के अनुसार तैयार किया जाना चाहिए। एक सेंसर सूट जो एक साइट के लिए एकदम सही है, वह दूसरी साइट के लिए पैसे की बर्बादी हो सकता है।

शोधकर्ताओं ने सर्वेक्षण के सुरक्षा पहलू को भी देखा, विशेष रूप से खतरनाक गैस पॉकेट्स का पता लगाने की क्षमता। सिमुलेशन ने दिखाया कि गैस सेंसर को लगभग हर खतरनाक पॉकेट को पकड़ने के लिए ट्यून किया जा सकता था, जिससे यह सुनिश्चित हो सके कि किसी को नुकसान न पहुंचे। हालांकि, इस उच्च स्तर की सुरक्षा के साथ एक समझौता भी था: सिस्टम सुरक्षित क्षेत्रों को भी खतरनाक के रूप में चिह्नित करेगा। सिमुलेशन में, खतरनाक चिह्नित किए गए क्षेत्रों में से लगभग आधे वास्तव में सुरक्षित थे। हालांकि यह अक्षम लग सकता है, शोधकर्ताओं ने उल्लेख किया कि सुरक्षा के संदर्भ में, एक भी खतरनाक स्थान को छोड़ने के बजाय अत्यधिक सतर्क रहना और कुछ अतिरिक्त सुरक्षित स्थानों को खोद लेना बेहतर है।

अंततः, अध्ययन निष्कर्ष निकालता है कि खुदाई करने से पहले लैंडफिल को स्कैन करना एक वित्तीय रूप से ठोस विचार है, लेकिन केवल सही परिस्थितियों में। सिमुलेशन में, सर्वेक्षण का आर्थिक मूल्य परीक्षण किए गए 93% परिदृश्यों में सकारात्मक था, जिसका ब्रेक-इवन (ब्रेक-ईवन) खर्च $1,451 था। इसका मतलब है कि जब तक सर्वेक्षण की लागत इस राशि से कम है, तब तक बेकार साइट खोदने के जोखिम से बचने के लिए इसे करना सार्थक है। हालांकि, यह मूल्य बाजार के प्रति अत्यधिक संवेदनशील है। यदि पुनर्चक्रित (recycled) सामग्रियों की कीमतें गिरती हैं या यदि सर्वेक्षण बहुत महंगा हो जाता है, तो लाभ समाप्त हो जाता है। अध्ययन ऑपरेटरों के लिए एक स्पष्ट मार्ग प्रदान करता है: सूचना का मूल्य कचरे के विशिष्ट मिश्रण और वर्तमान आर्थिक माहौल पर निर्भर करता है, न कि केवल सेंसर कितने सटीक हैं, इस पर।

शोधकर्ता सावधानी बरतते हुए नोट करते हैं कि ये परिणाम एक कंप्यूटर सिमुलेशन पर आधारित हैं, न कि वास्तविक दुनिया के परीक्षण पर। विभिन्न सामग्रियों के प्रति सेंसर कैसे प्रतिक्रिया करते हैं, इसके आंकड़े ज्ञात भौतिकी पर आधारित थे लेकिन वास्तविक लैंडफिल से नहीं मापे गए थे। वास्तविक दुनिया में इन निष्कर्षों को सिद्ध करने के लिए, शोधकर्ताओं ने एक चरणबद्ध परीक्षण कार्यक्रम की रूपरेखा तैयार की है। यह एक नियंत्रित टेस्ट बेड से शुरू होगा जहाँ सामग्री ज्ञात है, और अंततः एक वास्तविक लैंडफिल साइट पर पूर्ण-स्तरीय पायलट परीक्षण की ओर बढ़ेगा। जब तक ऐसा परीक्षण पूरा नहीं हो जाता, परिणाम एक अत्यधिक विस्तृत और तार्किक भविष्यवाणी बने रहेंगे, न कि एक सिद्ध तथ्य। यह अध्ययन इस समस्या के बारे में सोचने के लिए एक शक्तिशाली मार्गदर्शक के रूप में कार्य करता है, जो दिखाता है कि लाभदायक लैंडफिल माइनिंग का मार्ग केवल बेहतर तकनीक में नहीं, बल्कि प्रत्येक साइट की विशिष्ट आर्थिक और भौतिक वास्तविकता के साथ सही तकनीक को मिलाने में निहित है।