افتتاح محطة معالجة الصرف بشركة مصر لصناعة الكيماويات
تاريخ النشر: 29th, March 2024 GMT
افتتح الدكتور محمود عصمت وزير قطاع الأعمال العام، خلال الجولة الميدانية بمحافظة الإسكندرية للوقوف على مستجدات تنفيذ عدد من المشروعات الجديدة التي يجري تنفيذها بالشركات التابعة، وحدة تركيز الصودا (المبخرات) ومحطة معالجة الصرف الصناعي ومبنى المعامل والعيادة الطبية بشركة مصر لصناعة الكيماويات التابعة للشركة القابضة للصناعات الكيماوية، بتكلفة نحو 300 مليون جنيه، وبعد جولة شملت الوحدات الإنتاجية والمصانع والورش والمخازن تم تناول طعام الإفطار مع العاملين، وذلك بحضور المحاسب عماد مصطفى العضو المنتدب التنفيذي للشركة القابضة للصناعات الكيماوية، ومحمد دعبيس مساعد الوزير للمتابعة، واللواء محمود عشماوي رئيس شركة مصر لصناعة الكيماويات.
تفقد الدكتور عصمت، الوحدات الإنتاجية الجديدة وراجع خطة العمل الخاصة بكل منها والعوائد الاقتصادية وتأثير ذلك على زيادة الإنتاج، وكذلك خطة الصيانة وتوفير قطع الغيار وغيرها. وأجرى مناقشات مع أطقم التشغيل حول أهمية التدريب كعملية دائمة ومستمرة لتطوير الأداء وزيادة الإنتاج والحفاظ على المعدة وإطالة عمرها، مشيدا بتطور الأداء والإيجابية والروح المرتفعة بين العاملين والتي انعكست على موقف تنفيذ المشروعات الاستثمارية و تطوير وحدات الشركة ورفع الكفاءة الإدارية والفنية لوحدات المصانع ومؤشرات الأداء ونتائج أعمال الشركة خلال الفترة الماضية.
استعرض الدكتور محمود عصمت خطة تطوير الشركة فى إطار الخطة الشاملة والمتكاملة للتطوير والتحديث التى يجرى تنفيذها فى جميع القطاعات التابعة، وشمل العرض مستجدات أعمال تطوير وإعادة تأهيل 14 وحدة لتشغيل المصانع ومنها وحدة الخلايا لإنتاج الصودا الكاوية والكلور وغاز الهيدروجين، ووحدة الاستخلاص والمعالجة، ووحدة إسالة وضغط وتخزين الكلور، ووحدة تعبئة غاز الهدروجين، ووحدة إنتاج حامض الهيدروكلوريك، ووحدة المبخرات، ووحدة غسل وتنقية الملح.
راجع الدكتور عصمت موقف مشروعات الشراكة مع القطاع الخاص والمشروعات الجاري العمل عليها ، والفرص الاستثمارية المطروحة للشراكة، وتمت مناقشة الخطوات التنفيذية وما تم الانتهاء منه حتى الان فى مشروع إنتاج حبيبات الكلور بالتعاون مع شركة كادنيس للطاقة فى اطار الجدول الزمنى لبدء التشغيل، وذلك لزيادة القيمة المضافة لمنتجات الشركة من الكلور والصودا بتكلفة تقديرية 2 مليار جنيه، ومشروع انتاج حامض الكبريتيك المركز 98% بطاقة إنتاجية 100 طن/يوم، ومشروع إنتاج حامض السلفونيك بطاقة 16 طن/يوم.
أكد الدكتور محمود عصمت أن المشروعات الجديدة وخطة عمل الشركة تأتي في إطار سياسة متكاملة لخفض الواردات وزيادة الصادرات وتستهدف توفير بعض الاحتياجات التي يتم استيرادها من الخارج بتصنيعها محليا من خلال اضافة مرحلة تصنيعية جديدة تماشيًا مع سياسة التوسع في الصناعات التحويلية لإحلال الواردات، وتلبية احتياجات الأسواق من المنتجات الكيماوية المختلفة، إضافة إلى عدد من المشتقات المصاحبة للإنتاج والتي تتضمن منتجات قابلة لإعادة الاستخدام ضمن دورة الإنتاج، ومنتجات تامة الصنع سيتم تداولها تجاريا.
قال الدكتور عصمت إن التعاون والشراكة مع القطاع الخاص مؤشر هام لنجاح الشركة، أي شركة ، ويوفر إمكانية الاستفادة من خبراته الإدارية والفنية وما يمتلكه من تكنولوجيا جديدة وموارد تمويلية ضخمة ، وان خطة العمل تتضمن فتح المجال وإتاحة المعلومات اللازمة أمام الاستثمار الخاص لزيادة المشاركات والتعاون خاصة في القطاعات الإنتاجية في إطار التوجه العام بدعم القطاع الخاص ليحتل مكانته في الاقتصاد القومي، وفي اطار الاهتمام بالصناعة وتوطينها واحلال المنتج المحلي.
تأسيس الشركةجدير بالذكر أن شركة مصر لصناعة الكيماويات تأسست عام 1959 وتعد إحدى الشركات الرائدة في الصناعات الكيماوية، وأبرز منتجاتها صودا كاوية سائلة، كلوريد الحديديك، غاز الهيدروجين المضغوط، صودا كاوية صلبة، حامض الهيدروكلوريك، غاز الكلور السائل، وهيبوكلوريت صوديوم.
المصدر: صدى البلد
كلمات دلالية: قطاع الاعمال مصر لصناعة الكيماويات محطة معالجة الصرف الصناعي التدريب صناعة
إقرأ أيضاً:
الأخلاقيات في الأتمتة: معالجة التحيز في الذكاء الاصطناعي
مع تزايد اعتماد الشركات على الأنظمة الآلية، أصبحت الأخلاقيات مصدر قلق رئيسي. وباتت الخوارزميات تتخذ، بشكل متزايد، القرارات التي كان يتخذها البشر سابقًا، وتؤثر هذه الأنظمة على العديد من مناحي الحياة. تتطلب هذه القوة، التي يملكها الذكاء الاصطناعي، مسؤولية. فبدون قواعد ومعايير أخلاقية واضحة، يمكن للأتمتة أن تُؤدي إلى الظلم وتُسبب الضرر.
يؤثر التحيز وتجاهل الأخلاقيات على الناس بطرق حقيقية. يمكن للأنظمة المتحيزة، على سبيل المثال، أن ترفض منح القروض أو الوظائف أو الرعاية الصحية، ويمكن للأتمتة أن تزيد من سرعة اتخاذ القرارات الخاطئة في حال عدم وجود حواجز حماية. عندما تتخذ الأنظمة قرارًا خاطئًا، غالبًا ما يكون من الصعب الاعتراض عليه أو حتى فهم السبب، ويؤدي غياب الشفافية إلى تحويل الأخطاء الصغيرة إلى مشاكل أكبر.
سبب التحيز في الذكاء الاصطناعي
غالبًا ما ينشأ التحيز في الأتمتة من البيانات. إذا تضمنت البيانات التاريخية تمييزًا، فقد تُكرر الأنظمة المُدربة عليها هذه الأنماط. على سبيل المثال، قد ترفض أداة ذكاء اصطناعي تُستخدم لفحص المتقدمين للوظائف المرشحين بناءً على الجنس أو العرق أو العمر إذا كانت بيانات التدريب الخاصة بها تعكس تلك التحيزات السابقة. ويدخل التحيز أيضًا من خلال التصميم، حيث يمكن للاختيارات المتعلقة بما يجب قياسه، والنتائج التي يجب تفضيلها، وكيفية تصنيف البيانات أن تؤدي إلى نتائج منحرفة.
هناك أنواع عديدة من التحيز. يحدث تحيز العينات عندما لا تُمثل مجموعة البيانات جميع الفئات، بينما قد ينشأ تحيز التصنيف من مدخلات بشرية ذاتية. حتى الخيارات التقنية، مثل نوع الخوارزمية، قد تُشوّه النتائج.
المشاكل ليست نظرية فحسب. فقد تخلت شركة "أمازون" للتجارة الإلكترونية عن استخدام أداة توظيف في عام 2018 بعد أن فضّلت المرشحين الذكور، ووُجد أن بعض أنظمة التعرف على الوجه تُخطئ في تحديد الأشخاص ذوي البشرة الملونة بمعدلات أعلى من غيرهم. تُزعزع هذه المشاكل الثقة في نماذج الذكاء الاصطناعي وتُثير المخاوف.
وهناك مصدر قلق حقيقي آخر. فحتى عندما لا تُستخدم سمات مثل العرق، بشكل مباشر، فإن سمات أخرى مثل الرمز البريدي أو المستوى التعليمي قد تُمثّل بدائل، مما يعني أن النظام قد يُميّز حتى لو بدت المدخلات محايدة، على سبيل المثال، بناءً على المناطق الأكثر ثراءً أو فقرًا. يصعب اكتشاف التحيز دون اختبار دقيق. ويُعدّ ارتفاع حالات تحيز الذكاء الاصطناعي علامة على الحاجة إلى مزيد من الاهتمام بتصميم النظام.
المعايير المهمة
القوانين تُواكب التطور وتحاول معالجة التحيز. يُصنّف قانون الذكاء الاصطناعي للاتحاد الأوروبي، الصادر عام 2024، أنظمة الذكاء الاصطناعي حسب درجة خطورتها. يجب أن تستوفي الأنظمة عالية الخطورة، كتلك المستخدمة في التوظيف أو تقييم الجدارة الائتمانية، متطلبات صارمة، تشمل الشفافية والرقابة البشرية والتحقق من التحيز. في الولايات المتحدة، تعمل الجهات التنظيمية بفاعلية. وتُحذّر لجنة تكافؤ فرص العمل أصحاب العمل من مخاطر أدوات التوظيف المُدارة بالذكاء الاصطناعي، كما أشارت لجنة التجارة الفيدرالية إلى أن الأنظمة المتحيزة قد تُخالف قوانين مكافحة التمييز.
أنظمة أكثر عدالة
لا تنشأ أخلاقيات الأتمتة صدفة، بل تتطلب تخطيطًا دقيقًا، وأدوات مناسبة، واهتمامًا مستمرًا. يجب دمج التحيز والإنصاف في العملية منذ البداية، لا إضافتهما لاحقًا. وهذا يستلزم تحديد الأهداف، واختيار البيانات المناسبة، وإشراك الأطراف المعنية.
يتطلب تحقيق ذلك اتباع بعض الاستراتيجيات الرئيسية:
إجراء تقييمات التحيز
الخطوة الأولى للتغلب على التحيز هي اكتشافه. يجب إجراء تقييمات التحيز مبكرًا وبشكل متكرر، من مرحلة تطوير النموذج إلى نشره، لضمان عدم تحقيق الأنظمة لنتائج غير عادلة. قد تشمل المقاييس القرارات التي يكون لها تأثير أكبر على مجموعة واحدة من غيرها.
يجب أن تُجري جهات خارجية عمليات تدقيق التحيز كلما أمكن ذلك. قد تُغفل المراجعات الداخلية قضايا رئيسية أو تفتقر إلى الاستقلالية، كما أن الشفافية في عمليات التدقيق الموضوعية تبني ثقة الجمهور.
مجموعات بيانات متنوعة
تساعد بيانات التدريب المتنوعة على تقليل التحيز من خلال تضمين عينات من جميع مجموعات المستخدمين، وخاصةً تلك التي غالبًا ما يتم استبعادها. فمساعد صوتي مُدرّب في الغالب على أصوات الرجال لن يُجدي نفعًا مع النساء، ونموذج تقييم الائتمان الذي يفتقر إلى بيانات المستخدمين ذوي الدخل المحدود قد يُسيء تقديرهم.
يساعد تنوع البيانات أيضًا النماذج على التكيف مع الاستخدام الفعلي. ينتمي المستخدمون إلى خلفيات مختلفة، وينبغي أن تعكس الأنظمة ذلك. فالتنوع الجغرافي والثقافي واللغوي جميعها عوامل مهمة. تنوع البيانات لا يكفي بمفرده. فيجب أن تكون دقيقة ومُصنّفة جيدًا.
الشمولية في التصميم
يُشرك التصميم الشامل الأشخاص المتأثرين. ينبغي على المطورين استشارة المستخدمين، وخاصةً المعرضين لخطر الضرر (أو الذين قد يُسببون ضررًا باستخدام الذكاء الاصطناعي المتحيز)، لأن ذلك يُساعد على كشف الجوانب السلبية.
يعني التصميم الشامل أيضًا فرقًا متعددة التخصصات. إن إشراك خبراء الأخلاق والقانون والعلوم الاجتماعية يُمكن أن يُحسّن عملية اتخاذ القرار، لأن هذه الفرق أكثر ميلًا لطرح أسئلة مختلفة ورصد المخاطر.
يجب أن تكون الفرق متنوعة أيضًا. فالأشخاص ذوو التجارب الحياتية المختلفة يكتشفون قضايا مختلفة، والنظام الذي تُنشئه مجموعة متجانسة قد يتغاضى عن مخاطر قد يكتشفها الآخرون.
الخلاصة أن الأتمتة باقية، لكن الثقة في أنظمة الذكاء الاصطناعي تعتمد على عدالة النتائج ووضوح القواعد. إذ قد يُسبب التحيز في أنظمة الذكاء الاصطناعي ضررًا.