Ipar

Hogyan válasszunk mesterséges intelligenciát okosan?

Képek forrása: Freepik

A generatív AI képességei rohamosan fejlődnek, de a gépi tanulás és a mesterséges intelligencia más típusai sok eseten jobb, egyszerűbb és költséghatékonyabb megoldást adnak a vállalatoknak. Beruházásuk megtérülése múlik azon, hogy a technológiák, eszközök és módszerek közül mekkora hozzáértéssel választanak.

A nagy felhajtásból adódóan a generatív mesterséges intelligenciát gyakran túlzott elvárások övezik. A generatív modellek képesek már képeket, szöveget, videót vagy akár zenét is előállítani – mindezt a tanításuk során látott adatokból megtanult összefüggések alapján.

Félreértés, hogy a generatív AI szöveges modelljei „okos keresők”. Ezek a modellek mindössze „következőszó-generátorok”, amelyek szavanként generálják ki jóslataikat a felhasználói bemenetre. Ahhoz, hogy az okos kereső képességekre felruházható legyen, elengedhetetlen a megfelelő szakértői kompetencia bevonása, különben kontroll és minőségbiztosítás nélkül a szövegben legvalószínűbben soron következő szót adja válaszul a tanítóadataikban látottak alapján. Szoftverkódot is ugyanígy generálnak. Bizonyos feladatok hatékony elvégzésére tehát kiválóan alkalmasak már most, más problémákhoz viszont működésükből kifolyólag nem ideálisak önállóan a szükséges eszközkészlet nélkül.

– Azon feladatok automatizálására, amelyekre a generatív AI nem ideális sokkal jobb és olcsóbb megoldást kínálhat egy-egy klasszikus gépi tanulási modell – mondta Póda Csanád, a Kontron Hungary ML/AI rendszertervező mérnöke. – A gépi tanulás (machine learning, ML) alkalmazása azonban kevésbé látványos, mint egy emberi nyelven „beszélgető” robot, így a széles nyilvánosság képzeletét sem ragadta meg úgy, mint a természetes nyelvi felületen bárki számára hozzáférhető generatív mesterséges intelligencia.

Aki nem ismeri ezeket a módszereket, könnyen elveszhet bennük egy magas színvonalú, hozzáértő támogató csapat nélkül. Ezért vagyunk mi – hogy segítsük a navigációt ezeken a zavaros vizeken.

Kis és nagy modellek, testre szabva

A generatív AI értelmes, hasznos, hatékony, megbízható, biztonságos és etikus használatához a megfelelő technológiai, szervezeti, emberi, társadalmi és szabályozási feltételeket is szükséges megteremteni.

Vállalati szinten tovább árnyalja a képet, illetve bővíti a lehetőségeket, hogy a nagy (nem csak nyelvi) generatív modellek mellett megjelent rengeteg kisebb, előtanított, nyílt forráskódú modell is – mondta Póda Csanád. Ezeket a különféle feladatok elvégzésére előre tanított, nyílt forráskódú modelleket a vállalatok saját adataikon testre szabhatják, így gyorsabban és költséghatékonyabban valósíthatják meg projektjeiket. Egy ilyen modell továbbfejlesztésével készítettük el például a Számlamenedzser alkalmazásunk szállítófüggetlen számlafeldolgozóját, amely a beérkező (akár scannelt) számlák adatait egy mély neurális háló segítségével ismeri fel és írja át automatikusan a vállalatirányítási rendszer megfelelő mezőibe. Ezáltal a hagyományos rendszereknél sokkal rugalmasabb megoldást kaptunk, amelynél nem kell minden új számlatípus feldolgozásához új sablonokat létrehozni, hanem minden számlatípust egy modell ismer és dolgoz fel.

Emellett a vállalatok a hatalmas adatmennyiségeken tanított, több milliárd paramétert használó generatív AI modellek kimenetét is optimalizálhatják Retrieval-Augmented Generation (RAG) segítségével. A költséghatékony módszerrel ugyanis a generatív modellek képességeit speciális területekre vagy saját belső tudásbázisukra terjeszthetik ki, így pontosabb és hasznosabb válaszokat kaphatnak anélkül, hogy a modellt újra kéne tanítani – az információt ugyanis az ügyfél saját dokumentumtárából keressük ki és adjuk át a generatív AI modelleknek feldolgozásra, ezzel csökkentve a hallucinációk valószínűségét.

Felhő és partner nélkülözhetetlen szerepe

Már ez a pár példa is mutatja, hogy a mesterséges intelligencia eszközök és módszerek milyen széles választékát fogja át. Kulcsfontosságú ezért, hogy a vállalatok az adott feladat függvényében jól válasszanak a folyamatosan bővülő palettáról.

A bőség zavarában és a felhajtás zajában azonban gyakran megesik, hogy a döntéshozók olyan AI-megoldásokat választanak, amelyektől üzleti felhasználási esetükben eleve hiába várnak eredményeket. Szerintem elsősorban ez okozza, hogy egy elemzői jelentés szerint a 2023-as vállalati AI kezdeményezések 80 százaléka megakadt a koncepcióvalidálás szintjén – mondta Póda Csanád. A másik oka ennek az, hogy a közelmúltig nem voltak meg azok az eszközök, amelyekkel ilyen rendszereket megbízható produktív környezetbe tudtunk helyezni. Itt azonban hatalmas előrelépés történt, és már nagyon jó minőségű AIOps és MLOps eszközök állnak rendelkezésünkre. Sok vállalat nem tud házon belüli AI kompetenciát kiépíteni, de ezt könnyen ellensúlyozhatja egy átfogó szakértelemmel és nagy tapasztalattal rendelkező tanácsadó- és rendszerintegrátor-partner bevonásával. Egy ilyen partner a projektek megvalósítását már az üzleti értékajánlatnak megfelelő gépitanulási-, illetve mesterségesintelligencia-eszköz kiválasztásától kezdve az élesbe állásig támogatni tudja.

Egy másik nagy hátráltató tényező ezen a téren, hogy a magyar vállalatok egy része ellentmondásos, szelektív módon még mindig idegenkedik a felhő használatától. Sok cég a Microsoft Office 365-re minden további nélkül előfizet, a belső, üzleti titkokat tartalmazó levelezését a Microsoft felhőjében tárolja, valamint irodai alkalmazásait felhőszolgáltatásként veszi igénybe. Az üzleti alkalmazásaikat viszont még mindig saját hardveren szeretnék futtatni – noha a belőlük kinyert kimutatásokat szintén előszeretettel továbbítják e-mailben.

A házon belüli IT infrastruktúra sok szempontból nem tud versenyezni a nagy felhőszolgáltatók adatközpontjaival. Saját hardveren a vállalatok nemhogy generatív AI modelleket nem tudnának futtatni, de gyakran még a kisebb neurálisháló-alapú modelleket is csak olyan késleltetés mellett használhatnák, hogy az értelmetlenné tenné bevezetésüket. A kapacitás megfelelő bővítésére pedig az AI munkaterhelések futtatásához szükséges specializált hardver magas ára és a jelenlegi eszközhiány miatt sem gondolhatnának.

A döntéshozóknak tanácsos minél előbb megvizsgálniuk, hogy a mesterséges intelligencia használatához vállalatuknál milyen szabályok mentén használhatnak felhőalapú megoldásokat, és mely szolgáltatók tudják ezeket biztosítani, mert a választék ezen a téren is bővül – mondta Póda Csanád. Ha továbbra is késlekednek, rövid időn belül nagy hátrányba kerülhetnek a felhőben szolgáltatásként elérhető AI képességeit eredményesen kiaknázó versenytársaikkal szemben. Bár minden esetben meg kell vizsgálni, hogy a különböző tényezők függvényében melyik szolgáltatási modell a legelőnyösebb, ma már általában a felhőt érdemes választani, hacsak használatát speciális megfelelési követelmények (törvényi szabályozottság) kategorikusan ki nem zárják. De a GDPR-nak való megfelelés például ma már nem probléma.

Nemzetközi ML/AI kompetencia-központ helyben

A megfelelő ML/AI megoldás és a szolgáltatási modell mellett a releváns üzleti felhasználási esetek megválasztása is fontos az AI beruházások gyorsabb megtérüléséhez, amiben a kompetens partner szintén sokat segíthet.

A rendszerintegrátorként ismert és elismert Kontron Hungary az utóbbi években ML/AI szakértelmét is olyan szintre fejlesztette, hogy a tagvállalatai közötti együttműködést erősítő Kontron Csoport úgy határozott, itt hozza létre csoportszintű ML/AI kompetencia-központját is, amelyet harminc fős tanácsadói és fejlesztői csapattá szeretnének bővíteni.

– Hazai ügyfeleink számára különösen előnyös, hogy cégünk méretéből adódóan szakmai területeink házon belül is szorosan együttműködnek egymással – mondta Póda Csanád. – Számos vállalat informatikai környezetét ismerő rendszer-integrációs csapatunk tudása és tapasztalata is hozzájárul így ML/AI projektjeik sikeres megvalósításához és további digitális átalakulásuk felgyorsításához.

További friss híreket talál az IoTmagazin főoldalán! Csatlakozzon hozzánk a Facebookon is!

Related Topics:mesterséges intelligencia

Up Next

A fémmegmunkálás új dimenziói – Messer Hegesztés- és Lézertechnológiai Innovációs Fórum novemberben

Don't Miss

Újfajta motorindítót hoz a Siemens

Ipar

Mire jó a szuperkondenzátor?

Energetikai „lengéscsillapítók” kerülhetnek az AI-adatközpontokba

A mesterséges intelligencia által generált energiaingadozások kezelésére a szuperkondenzátor-technológia teremthet stabilabb hátteret.

A mesterséges intelligencia térnyerése nemcsak a számítási kapacitást, hanem az elektromos hálózatokat is komoly kihívások elé állítja. Az AI-adatközpontok energiaigénye ráadásul rövid idő alatt jelentősen változhat: a szerverekben működő chipek terhelésének egyidejű növekedése vagy csökkenése következtében az energiafelvétel pillanatok alatt, megawattos nagyságrendben is ingadozhat. A gyors teljesítményváltozások kiegyenlítésére kínál megoldást a szuperkondenzátor technológia.

A szuperkondenzátor olyan energiatároló eszköz, amely az akkumulátoroktól eltérően elsősorban elektrosztatikus úton tárolja az energiát. Ennek köszönhetően rendkívül gyorsan képes energiát felvenni és leadni, emellett nagy számú töltési és kisütési ciklust visel el jelentős teljesítményromlás nélkül. Hosszú távú energiatárolásra kevésbé alkalmas, a rövid idejű, hirtelen teljesítménycsúcsok kiegyenlítésében azonban fontos szerepet kaphat.

Működése az autók lengéscsillapításához hasonlítható: ahogyan a futómű mérsékli az úthibák okozta rázkódást, úgy segíthet a szuperkondenzátor a gyors teljesítményingadozások kiegyenlítésében.

Mit nyerhet vele egy adatközpont?

A rövid idejű teljesítménycsúcsok mérséklése –az úgynevezett peak shaving– hozzájárulhat az elektromos infrastruktúra terhelésének csökkentéséhez és az üzembiztonság növeléséhez. Megfelelő rendszertervezés mellett a megoldás lehetővé teheti a rendelkezésre álló villamos teljesítmény hatékonyabb kihasználását, és bizonyos esetekben mérsékelheti a költséges hálózatfejlesztések szükségességét is.

A kompakt, szuperkondenzátor-alapú rendszerek a rendelkezésre álló hely hatékonyabb kihasználásához is hozzájárulhatnak, így több terület maradhat a számítási infrastruktúra számára, egyúttal csökkenthetik az energiafelhasználást és a hőtermelést. A technológia megfelelő tervezés mellett meglévő adatközponti infrastruktúrákba is integrálható.

Partnerség segítheti a gyors elterjedést

A technológiában a Siemens is lehetőséget lát, és befektetést hajtott végre a szuperkondenzátorok fejlesztésével és gyártásával foglalkozó Skeleton Technologies vállalatban. A partnerség illeszkedik a német konglomerátum azon törekvéséhez, hogy az adatközpontok fejlesztésének teljes életciklusában támogassa az üzemeltetőket és a beruházókat.

A vállalat megoldásai a tervezést és a döntéstámogatást segítő digitális eszközöktől – például a szimulációktól, a digitális ikrektől, valamint a Simcenter, a Teamcenter és a Building X portfólióelemeitől –az ellenállóképes energiaellátási architektúrák kialakításáig terjednek. Utóbbiak részei lehetnek a mikrohálózatok, a megújuló energiaforrások, a moduláris rendszerek, az akkumulátoros energiatárolás és az intelligens vezérlés.

A cél az adatközpontok megbízhatóbb és hatékonyabb működésének támogatása, valamint az üzemeltetési költségek mérséklése. Ennek egyik lehetséges eszköze a mesterséges intelligenciával támogatott hűtésoptimalizálás.

További együttműködések az adatközponti technológiák terén

A Siemens más technológiai vállalatokkal kialakított együttműködései szintén az adatközpontok energiaellátásának hatékonyabbá tételét szolgálják.

A Rittallal közösen olyan moduláris tápegységeken dolgozott, amelyek közvetlenül a szerverek melletti, úgynevezett white space területen helyezhetők el. Az energiaellátás felhasználási ponthoz közelebbi kialakítása megfelelő rendszertervezés esetén csökkentheti az energiaátviteli veszteségeket.

Az NVIDIA-val és a Fluence-szel kialakított együttműködés keretében a vállalat előregyártott, moduláris referenciaarchitektúrát mutatott be, amely egyszerűsítheti és felgyorsíthatja az adatközpontok kiépítését, illetve bővítését. A központi felügyelet és az energiatárolási megoldások az üzembiztonság növelését is támogathatják.

A Reinhausennel közösen fejlesztett szilárdtest-transzformátor pedig a hálózati villamos energia átalakításával segítheti a nagy teljesítményű AI-szerverek energiaellátását. A technológia célja a stabil, 800 voltos egyenáramú energiaellátás kialakítása, amely a megfelelő infrastruktúrával együtt hatékonyabb energiaelosztást tehet lehetővé a nagy teljesítményű számítási rendszerek számára.

További friss híreket talál az IoTmagazin főoldalán! Csatlakozzon hozzánk a Facebookon is!

Ipar

Energiaintelligencia: a jövő energiarendszere előre lát és cselekszik

Mi történik, ha egyszerre nő meg az áramfogyasztás és válik bizonytalanná a termelés? Az energiarendszernek ilyenkor gyorsan kell alkalmazkodnia, amihez a rendelkezésre álló kapacitások mellett pontos adatokra, előrejelzésre és összehangolt irányításra is szükség van.

Az energiaintelligencia ebben hozhat áttörést: az összekapcsolt energetikai rendszerek felismerhetik a kialakuló problémákat, támogathatják azok megelőzését, és szükség esetén automatizáltan is beavatkozhatnak. Erről a technológiai szemléletváltásról beszélt Veres Zsolt, a Schneider Electric magyarországi országigazgatója egy októberi szakmai konferencián, Budapesten.

Az épületek és a közlekedés villamosítása, valamint az adatközpontok terjedése átalakítja a villamosenergia-felhasználást. A mesterséges intelligencia térnyerése is növeli a számítási kapacitások iránti igényt, és ezzel az energiafogyasztást. Ugyanez a technológia azonban az energiarendszer működtetésében is új lehetőségeket nyit: segíthet előre jelezni a változásokat, összehangolni a termelést és a fogyasztást, illetve gyorsabban reagálni az eltérésekre. A kihívás ezért a termelőkapacitások bővítésénél jóval összetettebb. Az új energiaforrásokat olyan hálózathoz kell kapcsolni, amely képes kezelni a változó terhelést, a megújulók visszatáplálását és az energiatárolást. Ehhez a termelési, átviteli és elosztási oldal fejlesztését együtt kell megtervezni.

„A hálózat az energiaátmenet idegrendszere: összeköti a termelőket és a fogyasztókat, és biztosítja, hogy az áram ott és akkor álljon rendelkezésre, ahol és amikor szükség van rá. A termelési kapacitások fejlesztése és diverzifikálása mellett legalább akkora figyelmet kell fordítanunk a hálózatok korszerűsítésére és intelligens irányítására. A beruházások akkor lesznek jövőállók, ha a teljes rendszer működését javítják”

– hangsúlyozta Veres Zsolt.

A hibajelzéstől az önálló beavatkozásig

A hagyományos működésben a felügyeleti rendszerek jelzik az eltéréseket, az üzemeltetők pedig a rendelkezésükre álló információk alapján döntenek a beavatkozásról. Ha az adatok egymástól elkülönülő rendszerekben találhatók, a helyzet értékelése és a válaszlépések összehangolása is időt igényel.

Az energiaintelligenciához vezető első lépés ezért az egységes helyzetkép kialakítása. Az energia-, folyamat- és vállalati adatok összekapcsolásával láthatóvá válhat, hogyan hatnak egymásra a hálózat vagy egy létesítmény különböző részei. Ezt egészíti ki az iparági szaktudás és a digitális iker, vagyis a berendezések és rendszerek virtuális másolata, amely a tervezéstől a kivitelezésen át az üzemeltetésig és karbantartásig folyamatosan új információkkal bővül. Ezek együttes alkalmazásával a mesterséges intelligencia a működés minden szintjén segítheti az előrejelzést, az irányítást és az optimalizálást. A technológiai váltás négy területen hozhat előrelépést. A hibák utólagos jelzését előrejelzés és megelőzés, az elkülönült rendszereket egységes helyzetkép, a kézi vezérlést autonóm műveletek válthatják fel. Egyes automatizált irányítási feladatoknál pedig a percekben mérhető válaszidő milliszekundumokra rövidülhet. A gyakorlatban ez azt jelenti, hogy egy létesítmény rendszerei már a kialakuló problémára utaló jeleket is felismerhetik, és még a hiba bekövetkezése előtt kezdeményezhetnek beavatkozást. Ha a problémát nem sikerül megelőzni, az automatizált reakció gyorsíthatja annak kezelését. Ez a képesség különösen fontossá válik, amikor a fogyasztás és a termelés gyorsan változik, és rövid idő alatt kell helyreállítani az egyensúlyt.

A beruházások értékét az együttműködésük adja

A Schneider Electric szerint az energiaintelligencia szemléletét már a fejlesztések tervezésekor érdemes érvényesíteni. A termelőkapacitások, a hálózatok, a tárolás és a fogyasztás összehangolt fejlesztésével olyan ökoszisztéma alakítható ki, amelyben az adatok, a mesterséges intelligencia és az emberek közösen támogatják a megbízható működést.

Magyarországon az energiarendszer megújítását támogató uniós források lehetőséget teremtenek erre az összehangolt fejlesztésre. Veres Zsolt szerint a cél olyan infrastruktúra kiépítése, amely a termeléstől a felhasználásig egységben kezeli az energiaellátást. Az energiaintelligencia így a hálózatok mellett az ipari üzemek, az épületek, az adatközpontok és az otthonok hatékonyabb működését is szolgálhatja.

További friss híreket talál az IoTmagazin főoldalán! Csatlakozzon hozzánk a Facebookon is!

Ipar

A hulladék energetikai hasznosítása jelenti a jövőt

„Kína megmutatja, hogy a hulladékból történő energiatermelés jelenti a jövőt” – állítja a WtERT®. A Shek Kwu Chau létesítmény a technológia alkalmazásának egyik kiemelkedő példája. - Kép forrása: yes or no Media GmbH

„Kína bizonyítja, hogy a hulladék energetikai hasznosítása jelenti a jövőt” – jelentette ki a Global Waste-to-Energy Research and Technology Council egy szakmai konferencián. Az ázsiai ország ezen a területen nemzetközi referenciának számít: több mint 1100 létesítményével a világ beépített hulladékhasznosítási kapacitásának több mint felét képviseli.

A fejlődés jelentős figyelmet kap, és egyre inkább meghatározza a jövőbiztos hulladékgazdálkodási stratégiákról szóló szakmai párbeszédet.

Tudományos eredmények és gyakorlati tapasztalatok

„A vita eldőlt: a hulladék energetikai hasznosítása működik. A technológia nagy léptékben is alkalmazható, és kézzelfogható eredményeket hoz. Kína megmutatja, hogy a hulladékból történő energiatermelés jelenti a jövőt – a lerakásnál tisztább, intelligensebb és költséghatékonyabb megoldást kínál”

– foglalta össze álláspontját a Global Waste-to-Energy Research and Technology Council (WtERT®) a hulladék energetikai hasznosításával foglalkozó, 2025-ben a kínai Hszianban megrendezett szakmai konferencián.[1]

A WtERT® nemzetközi kutatási hálózatként és szakmai agytrösztként működik, a New York-i Columbia Egyetem Earth Engineering Center központjához kapcsolódva. A szervezet az akadémiai szféra, az ipar és a kormányzati intézmények szakértőit fogja össze, hogy megoldásokat dolgozzon ki a globális hulladékgazdálkodási és energetikai kihívásokra.

Kína a hulladék energetikai hasznosításának legnagyobb piaca

A WtERT® szerint Kína ma a hulladék energetikai hasznosításának nagy léptékű megvalósításában vezető referenciapiacnak számít. Az országban több mint 1135 hulladékégető létesítmény működik, ezzel a világ legnagyobb ilyen infrastruktúrájával rendelkezik.

A létesítmények naponta mintegy 1,1 millió tonna hulladékot dolgoznak fel. Ez a mennyiség hozzávetőleg 55 000, egyenként teljesen megrakott teherautó rakományának felel meg.[2] A beépített teljesítmény eléri a 27 000 MW-ot.[3] Ez éves szinten körülbelül 236,5 terawattóra (TWh) energiatermelésnek felel meg az elméleti, teljes kihasználtságon alapuló számítás szerint.[4] Ez a mennyiség hozzávetőleg 79 millió háztartás éves villamosenergia-ellátásának felelne meg,[5] vagy 27 atomerőmű éves termelésével lenne egyenértékű.[6]

A WtERT® értékelése szerint ez a lépték azt mutatja, hogy a modern, hulladékból energiát előállító rendszerek műszakilag megbízhatóan működtethetők, kibocsátásuk ellenőrzés alatt tartható, és gazdaságilag is életképesek lehetnek. Kína így a technológia nagy léptékű alkalmazhatósága, környezeti teljesítménye és költséghatékonysága szempontjából is mintaként szolgálhat.[7]

Növekvő piaci lehetőségek

A technológiai fejlődéssel párhuzamosan a hulladék energetikai hasznosításának gazdasági jelentősége is növekszik. A globális hulladékbólenergia-piac értékét 2025-ben mintegy 11,8 milliárd amerikai dollárra becsülték, és a prognózisok szerint 2035-re elérheti a 15,9 milliárd dollárt.[8] Ez az összeg a NASA 2025-ös költségvetésének közel kétharmadával egyenértékű.[9]

A piac bővülésének fő hajtóerői közé tartozik a városi hulladékmennyiség növekedése, a támogató szabályozási környezet, valamint a hulladékból történő energiatermelés egyre szorosabb integrációja a körforgásos gazdaság koncepciójába.

Elemzések arra is rámutatnak, hogy a hulladék energetikai hasznosítása hosszú távon gazdasági előnyöket kínálhat, ha a hulladéklerakással járó környezeti és egészségügyi költségeket is figyelembe vesszük. Ezek közé tartozik többek között a metánkibocsátás, a csurgalékvíz kezelése és a területfoglalás.[10]

Szabályozási besorolás az EU taxonómiai rendeletében

A technológia szabályozási szempontból is egyre nagyobb jelentőséget kap. A hulladékhierarchia betartása mellett a hulladék energetikai hasznosítása környezeti szempontból fenntartható gazdasági tevékenységként is értelmezhető az EU taxonómiai rendelete alapján, amely az Európai Unió fenntartható gazdasági tevékenységeket osztályozó rendszere.

Erre a következtetésre jutott az EU taxonómiai rendeletének jogi elemzése, amelyet a német hulladékgazdálkodási, vízügyi és nyersanyag-ipari szövetség (BDE) felkérésére, az európai hulladékgazdálkodási ernyőszervezet, a FEAD megbízásából készítettek el.[11]

A tanulmányok megállapításai a gyakorlati tapasztalatokkal is összhangban állnak: Kína, Japán, Szingapúr és Svédország példája azt mutatja, hogy az energiatermeléssel összekapcsolt termikus hulladékkezelés a fenntartható körforgásos gazdaság egyik releváns elemének tekinthető. A technológia emellett a befektetők és a döntéshozók számára is fontos jelzés lehet.

Források és hivatkozások

[1] WtERT® – The debate is over: Waste-to-Energy works. It scales. It delivers. China proves that WtE is the future.

https://wtert.org/the-debate-is-over-waste-to-energy-works-it-scales-it-delivers-china-proves-that-wte-is-the-future-cleaner-smarter-and-cheaper-than-landfills/

[2] Modellfeltevés: egy teljesen megrakott teherautó 20 tonna hulladékot szállít.

[3] WtERT® – a beépített teljesítményre vonatkozó adat, lásd az [1] hivatkozást.

[4] Modellalapú számítás: 27 000 MW × 24 óra/nap × 365 nap/év ≈ 236 520 000 MWh ≈ 236,5 TWh.

[5] Háztartási villamosenergia-ellátásra vonatkozó egyenérték: 236,5 TWh ÷ évi 3 MWh/háztartás ≈ 78,8 millió háztartás.

[6] Atomerőművi termelésre vonatkozó egyenérték: 236,5 TWh ÷ évi 8,76 TWh/1 GW teljesítményű atomerőmű ≈ 27 reaktor.

[7] WtERT® – a technológia méretezhetőségére, környezeti teljesítményére és költséghatékonyságára vonatkozó állítások, lásd az [1] hivatkozást.

[8] Global Growth Insights – Waste-to-Energy (WtE) Market.

https://www.globalgrowthinsights.com/market-reports/waste-to-energy-wte-market-101443

[9] Space.com – a NASA 2025-ös költségvetési javaslata.