TWI676149B - 運作中工廠製程動態篩檢方法 - Google Patents
運作中工廠製程動態篩檢方法 Download PDFInfo
- Publication number
- TWI676149B TWI676149B TW106100027A TW106100027A TWI676149B TW I676149 B TWI676149 B TW I676149B TW 106100027 A TW106100027 A TW 106100027A TW 106100027 A TW106100027 A TW 106100027A TW I676149 B TWI676149 B TW I676149B
- Authority
- TW
- Taiwan
- Prior art keywords
- factory
- assessment
- industry
- screening
- information
- Prior art date
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本發明係為一種運作中工廠製程動態篩檢方法，用以管制對高污染製程風險之複數運作中工廠，包含依據每一運作中工廠之申請登記基本資料及製程參數資訊，藉由三層次風險評估模組產出一初步工廠製程風險等級評定排序名單；根據該排序名單之優先順序執行環境場址評估作業後，藉由第四層次風險評估模組產出更符合運作中工廠製成風險現況之等級評定調查名單；根據該排序名單之優先順序執行調查作業後，藉由修正評估步驟調整第一至第四層次風險評估模組至最佳化，以提升未來運作中工廠之調查及管制的效率及準確性。
Description
本發明係與製程動態篩檢方法有關，特別是指一種運作中工廠製程動態篩檢方法。
工業污染是指工業生產過程中所形成的廢氣、廢水和固體排放物對環境的污染，而工業污染是造成環境污染最為主要的污染源之一，許多具製程風險潛勢之運作中工廠，因持續式或漸進式製程運作行為可能導致環境污染，進而影響人們的健康。然資源有限，實應以最有效的方法篩檢出具有高製程風險潛勢之運作中工廠，並對該等高製程風險潛勢之運作中工廠作一管制措施。
針對如何篩檢出高製程風險潛勢之運作中工廠，傳統作法為根據工廠登記資料進行一評估後產出每一工廠之製程風險潛勢評分結果，根據每一工廠之製程風險潛勢評分結果產出一優先調查名單，其中該優先調查名單包含具有高污染風險之運作中工廠名單，以利後續進行調查及管制；然而，由於因工廠早期的工廠製程資料往往記不齊全且誤植較多，以及工廠製程資料隨市場景氣、產業動態、環保法規要求而變更，呈現動態變化，僅依據工廠製程資料決定一運作中工廠之製程風險等級，不易判斷或呈現運作中工廠持續式或漸進式之實際製程風險狀況。
因此，以傳統作法針對數量龐大且紀錄與資料不齊全的運作中工廠進行管制，往往耗費過多人力、物力及時間之成本。
有鑑於上述習知製程風險管制方法之問題，本發明之目的在於提供一種運作中工廠製程動態篩檢方法，系統性產出一更為貼近運作中工廠於產業體系中真實狀況的評估結果，提高運作中工廠製程風險等級評定的代表性，以更有效率地進行後續運作中工廠的調查及管制。
緣是，為了達成前述目的，依據本創作所提供之一種運作中工廠製程動態篩檢方法，藉由一計算機執行下述步驟並將各步驟的執行結果儲存在一資料庫，該運作中工廠製程動態篩檢方法包含：一前置步驟，提供各業別之每一運作中工廠的製程風險資料；一第一層次評估步驟，根據每一運作中工廠所提供的製程風險資料，篩選出危害風險較高的關切目標化合物；一第二層次評估步驟，根據每一運作中工廠所提供的製程風險資料，篩選出高污染潛勢的業別；一第三層次評估步驟，根據該關切目標化合物的申報量與該業別的規模資訊進行層次式交叉篩選，以產出一初勘名單，作為優先順序執行運作中工廠之環境場址評估作業的依據；一第四層評估步驟，根據該初勘名單進行初步評估結果與地方經驗資訊的提供，以產出一調查名單，作為優先順序執行運作中工廠調查及查證作業的依據；一修正評估步驟，根據該調查名單進行現場勘驗，並視實際調查結果調整該第一層次評估步驟中該關切目標化合物的權重、該第二層次評估步驟中該高污染潛勢業別的權重、該第三層次評估步驟中該環境場址評估作業的權重、及該第四層評估步驟中該調查名單的順序；以及一評定排序名單步驟，根據
該修正評估步驟修正該第一層次評估步驟至第四層次評估步驟的權重，以獲得新排名之現場勘驗的調查名單。
較佳地，該前置步驟中更包含各業別之每一運作中工廠的申請登記基本資料。
較佳地，該第一層次評估步驟中該關切目標化合物的篩選是由複數評選因子選定，該評選因子包含垂直移動特性、污染地下水之危害性、致癌風險高、出現於污染場址比例、前期計畫查獲率、及含該關切目標化合物反應生成途徑。
較佳地，該第二層次評估步驟中該高污染潛勢的業別的篩選是參考國外工業對照國內相關行業別、國內受污染公告場址事業統計來源類別資料外，更由蒐集國內列管場址之行業別資訊，進一步了解國內運作高污染潛勢行業別分布情形。
較佳地，該第二層次評估步驟中，當該高污染潛勢的業別有一工廠多業別之情形，故檢討修正業別回饋須納入初步成果評估結果，以判斷合適之高污染潛勢業別進行討論。
較佳地，該第三層次評估步驟中，該規模資訊是以高污染潛勢業別總類、單一高污染潛勢業別申報總量排名、關切目標化合物申報總類、關切目標化合物申報總排名、釋放量有無、濕製程、設置年代、稽查處分資訊等評選因子進行交叉排序。
較佳地，該第四層次評估步驟中，該初步評估結果是根據嚴謹的場址初步評估結果，即考量工廠之運作歷史、製作流程特性、及場址水文地址條件。
較佳地，該第四層次評估步驟中，該初步評估更考量該場址後續多重調查技術之應用，決定較具高污染潛勢土壤及地下水採樣合適布點位置，以提高調查及查證成效作通盤考量，同步考量高污染潛勢業別工廠調查之比重，以產出該調查名單。
較佳地，該第四層次評估步驟中，該地方經驗資訊是結合地方環保單位之歷年稽查經驗、對轄區之變遷與傳聞污染消息做為提供篩選資料來源，以問卷方式提供在地經驗以輔助研析工廠污染潛勢，甚或提供其轄區之高污染潛勢工廠名單為指定調查名單。
較佳地，該第四層次評估步驟中，該地方經驗資訊更包含製程運作資訊與區位敏感性資訊，該製程運作資訊以工廠設立較早者為優先關注，並著重於該產業類別之製程運作特性及濕製程設施，同時蒐集比對國內外相關含氯有機溶劑製程運作過程易產生土水污染問題之區域、相關稽查及罰款資訊，評估篩選工廠是否有相雷同之污染潛勢區域，並調整優先調查排名之順序；該區位敏感性資訊為鄰近水源保護區、鄰近灌溉農地、普遍使用地下水、人口密度高地區優先篩選，可調整優先調查排名之順序。
較佳地，該修正評估步驟中，該實際調查結果包含以污染物項目申報總量、產品生命週期思維、業別運作申報總量規模及其比例考量、製程運作特性及設置年代。
有關本發明為達成上述目的，所採用之技術、手段及其他之功效，茲舉一較佳可行實施例並配合圖式詳細說明如後。
10‧‧‧前置步驟
20‧‧‧第一層次評估步驟
30‧‧‧第二層次評估步驟
40‧‧‧第三層次評估步驟
50‧‧‧第四層次評估步驟
60‧‧‧修正評估步驟
70‧‧‧評定排序名單步驟
圖1係本發明實施例的流程圖。
參閱圖1所示，本發明實施例所提供的一種運作中工廠製程動態篩檢方法，藉由一計算機執行下述步驟並將各步驟的執行結果儲存在一資料庫，該運作中工廠製程動態篩檢方法主要係由一前置步驟10、一第一層次評估步驟20、一第二層次評估步驟30、一第三層次評估步驟40、一第四層次評估步驟50、一修正評估步驟60、及一評定排序名單步驟70所組成，其中：該前置步驟10，提供各業別之每一運作中工廠的製程風險資料；本實施例中，該前置步驟10更包含各業別之每一運作中工廠的申請登記基本資料，該製程風險資料更至少包括製程參數資訊。
值得說明的是，原料之使用、製造、財存、廢棄量會隨產業景氣好壞影響、廠商自我生產製程管理良莠、擴建廠房等企業政策決定而有逐年變動之差異影響。蒐集污染物項目於產業運作場所資料(包括年代、歷史用量、應用面探討，如各化合物在各產業領域製程用途及用量皆大不同)，並瞭解資料年代缺口，如資料庫搜尋範圍並無法追溯早期曾有使用含氯有機溶劑之運作場所，特別是早期曾使用含氯有機溶劑之高污染潛勢業別，但目前未使用之運作場址。
另外，有鑑於含氯有機化合物在不同環境介質中分佈及降解趨勢不同，包括吸附、揮發、溶解、轉化、遷徙等多重物理、化學及生物特性，環境污染物檢測資料於環境流佈的分析，並解讀其代表意義，如化合物查證率回饋探討應僅計算該場址有申報紀錄項目其調查結果方屬正確回饋分析，即排除生成降解機制所造成的誤差。
該第一層次評估步驟20，根據每一運作中工廠所提供的製程風險資料，篩選出危害風險較高的關切目標化合物；本實施例中，該關切目標化合物以含氯化合物為實施例說明，該第一層次評估步驟20中該關切目標化合物的篩選是由複數評選因子選定，該評選因子包含垂直移動特性、污染地下水之危害性、致癌風險高、出現於污染場址比例、前期計畫查獲率、及含該關切目標化合物反應生成途徑，如下表一所示。
須註解說明的是，1、致癌物質係參考國家癌症研究署(IRIS)、常見反應生成途徑參考McCarty and Semprini(1994)及Vogel et al.(1987)，致癌物質的設定會試不同地區而有所改變。2、1,1,2-三氯乙烷比重/黏度數值明顯高於其他污染物。3、二氯甲烷及1,2-二氯乙烷溶解度/地下水管制標準值明顯高於其他污染物。4、氯乙烯為IARC及IRIS確定致癌物質。5、ATSDR調查之1,444處場址中，三氯乙烯及四氯乙烯分別出現於391及309處場址，明顯高於其他污染物，而1.1-二
氯乙烷在此實施例中係令地下水管制標準較於寬鬆，較不易查獲，此部分會依需求而設定其標準。6、考量化合物反應生成降解環境途徑，藉以評估相關化合物所造成累積之可能性。以含氯有機物脫氯降解的途徑為例，如氯烯類VC不給分，cis-1,2-DCE為1分，TCE及PCE為2分。7、依前四期計畫檢出且屬毒管資料庫申報者核算檢出率，檢出率0者不給分，小於50%為1分，大於51%為2分，另申報場址數量超過10家或超標場址超過5家者加權計分。8、符號「ˇ」：納入；符號「○」：非毒性化學物質列管物質，以加強調整業別輔助篩選。
值得說明的是，基於調查成果能正確回饋初期篩選前端資料，需檢視探討每期關切目標化合物評選因子之排序與權重。也就是每次在進行運作中工廠製程動態篩檢方法時，該關切目標化合物的數量不完全一樣，須隨著該關切目標化合物的查獲回饋而進行機制調整。
該第二層次評估步驟30，根據每一運作中工廠所提供的製程風險資料，篩選出高污染潛勢的業別；本實施例中，該第二層次評估步驟30中該高污染潛勢的業別的篩選是參考國外工業對照國內相關行業別、國內受污染公告場址事業統計來源類別資料外，更由蒐集國內列管場址之行業別資訊，進一步了解國內運作高污染潛勢行業別分布情形。
值得說明的是，國外合氯有機溶劑整治場址之相關統計數據，下表二中為Kueper et al.(2003)整理較常造成含氯有機溶劑污染地下環境之工業與工業製程，其中與機械和金屬製造加工相關者就佔了一半以上，因此亦可供作業別篩選之參考；下表三與表四則為這些含氯有機溶劑之主要用途與該用途所使用化合物所佔之比例，如四氯乙備(PCE)於乾洗用途佔56%，三氯乙烯(TCE)用於脫脂亦達44%，其在地下環境調查過程發現之機會一般也較高。對照國內外污染工
廠類型如下表四，可發現運作含氯有機溶劑而造成土壤及地下水污染之列管工廠其所屬行業別多有相似之處，應可列為優先關切行業別。
另外，當該高污染潛勢的業別有一工廠多業別之情形，故檢討修正業別回饋須納入初步成果評估結果(訪談及試探早期運作行為、目前實際運作情形、合氯化合物製程運作類型)予以判斷合適之主要製程業別後進行討論，尤將本發明現勘且查獲工廠相關資料(如污染特徵概念模式之評析)進而可取得該工廠製程可具代表的業別，此作法乃對於所回饋資料可確保其品質。
該第三層次評估步驟40，根據該關切目標化合物的申報量與該業別的規模資訊進行層次式交叉篩選，以產出一初勘名單，作為優先順序執行運作中工廠之環境場址評估作業的依據；本實施例中，該第三層次評估步驟40中，該規模資訊是以高污染潛勢業別總類、單一高污染潛勢業別申報總量排名、關切目標化合物申報總類、關切目標化合物申報總排名、釋放量有無、濕製程、設置年代、稽查處分資訊等評選因子進行交叉排序。
該第四層評估步驟50，根據該初勘名單進行初步評估結果與地方經驗資訊的提供，以產出一調查名單，作為優先順序執行運作中工廠調查及查證作業的依據；本實施例中，該第四層次評估步驟50中，該初步評估結果是根據嚴謹的場址初步評估結果，即考量工廠之運作歷史、製作流程特性、及場址水文地
址條件。該初步評估更考量該場址後續多重調查技術之應用，決定較具高污染潛勢土壤及地下水採樣合適布點位置，以提高調查及查證成效作通盤考量，同步考量高污染潛勢業別工廠調查之比重，以產出該調查名單。
其中該地方經驗資訊是結合地方環保單位之歷年稽查經驗、對轄區之變遷與傳聞污染消息做為提供篩選資料來源，以問卷方式提供在地經驗以輔助研析工廠污染潛勢，甚或提供其轄區之高污染潛勢工廠名單(如工業區場置性監測井周遭污染潛勢較高之疑似污染來源工廠)為指定調查名單，此機制可將當地民眾陳情通報於地方環保局之通報管道納入調查名單篩選，協助緝察地下運作中工廠。有鑑於此，參考地方經驗資訊資料，可調整建議調查名單之順序。
其中該地方經驗資訊更包含製程運作資訊與區位敏感性資訊，該製程運作資訊以工廠設立較早者為優先關注，並著重於該產業類別之製程運作特性及濕製程設施，同時蒐集比對國內外相關含氯有機溶劑製程運作過程易產生土水污染問題之區域、相關稽查及罰款資訊，評估篩選工廠是否有相雷同之污染潛勢區域，並調整優先調查排名之順序；該區位敏感性資訊為鄰近水源保護區、鄰近灌溉農地、普遍使用地下水、人口密度高地區優先篩選，可調整優先調查排名之順序。
該修正評估步驟60，根據該調查名單進行現場勘驗，並視實際調查結果調整該第一層次評估步驟20中該關切目標化合物的權重、該第二層次評估步驟30中該高污染潛勢業別的權重、該第三層次評估步驟40中該環境場址評估作業的權重、及該第四層評估步驟50中該調查名單的順序；本實施例中，該修正評估步驟60中，該實際調查結果包含以污染物項目申報總量、產品生命週期思維、業別運作申報總量規模及其比例考量、製程運作特性及設置年代。
該評定排序名單70，根據該修正評估步驟60修正該第一層次評估步驟20至第四層次評估步驟50的權重，以獲得新排名之現場勘驗的調查名單。
據此，本發明運作中工廠製程動態篩檢方法的篩檢機制是參考前期的調查成果而調整篩選因子的級距與權重，掌握經驗教訓(Lesson Leamed)，經每期不斷調整結果，遂可維持每期之查獲率達6成以上，顯示每期篩選機制需調整與修正之重要。並經由不斷的調整，使得潛勢特徵也不斷的被重新排列，此現象已顛覆過往傳統的排序(接續前期工廠名單之順位)排名的現勘認知。
污染潛勢之重新排序意涵代表每期篩選策略關注不同課題，如第1期以雙篩選主軸(超過管制標準監測井周圍工廠、申報總量大者)先期示範性調查；第2期以申報總量大者為單一篩選主軸，納人了業別潛勢考量之思維，遂第2期較第1期之工廠名單變動率偏高(達74.1%)；第3期調整高潛勢業別、目標化合物等排序，加強高污染潛勢工廠篩選，第3期較第2期之工廠名單略有變動(達22.2%)；第4期延續第3期架構下，第4期較第3期之工廠名單變動幅度偏高(達47.9%)；第5期加權「過去運作歷史」特徵，如(1)加重早期有申報但已無使用、(2)替代溶劑的使用等特徵之權重來重新檢視地下環境是否遭受污染，第5期較第4期之工廠名單變動不大(達10.2%)，代表篩選機制已逐漸穩。
據此，本發明所提供一種運作中工廠製程動態篩檢方法，確實得以系統性產出一更為貼近運作中工廠於產業體系中真實狀況的評估結果，提高運作中工廠製程風險等級評定的代表性，以更有效率地進行後續運作中工廠的調查及管制。
綜上所述，上述各實施例及圖式僅為本發明之較佳實施例而已，當不能以之限定本發明實施之範圍，即大凡依本發明申請專利範圍所作之均等
變化與修飾，皆應屬本發明專利涵蓋之範圍內。
Claims (11)
- 一種運作中工廠製程動態篩檢方法，藉由一計算機執行下述步驟並將各步驟的執行結果儲存在一資料庫，該運作中工廠製程動態篩檢方法包含：一前置步驟，提供各業別之每一運作中工廠的製程風險資料；一第一層次評估步驟，根據每一運作中工廠所提供的製程風險資料，篩選出危害風險較高的關切目標化合物；一第二層次評估步驟，根據每一運作中工廠所提供的製程風險資料，篩選出高污染潛勢的業別；一第三層次評估步驟，根據該關切目標化合物的申報量與該業別的規模資訊進行層次式交叉篩選，以產出一初勘名單，作為優先順序執行運作中工廠之環境場址評估作業的依據；一第四層評估步驟，根據該初勘名單進行初步評估結果與地方經驗資訊的提供，以產出一調查名單，作為優先順序執行運作中工廠調查及查證作業的依據；一修正評估步驟，根據該調查名單進行現場勘驗，並視實際調查結果調整該第一層次評估步驟中該關切目標化合物的權重、該第二層次評估步驟中該高污染潛勢業別的權重、該第三層次評估步驟中該環境場址評估作業的權重、及該第四層評估步驟中該調查名單的順序；以及一評定排序名單步驟，根據該修正評估步驟修正該第一層次評估步驟至第四層次評估步驟的權重，以獲得新排名之現場勘驗的調查名單。
- 如申請專利範圍第1項所述之運作中工廠製程動態篩檢方法，其中該前置步驟中更包含各業別之每一運作中工廠的申請登記基本資料。
- 如申請專利範圍第1項所述之運作中工廠製程動態篩檢方法，其中該第一層次評估步驟中該關切目標化合物的篩選是由複數評選因子選定，該評選因子包含垂直移動特性、污染地下水之危害性、致癌風險高、出現於污染場址比例、前期計畫查獲率、及含該關切目標化合物反應生成途徑。
- 如申請專利範圍第1項所述之運作中工廠製程動態篩檢方法，其中該第二層次評估步驟中該高污染潛勢的業別的篩選是參考國外工業對照國內相關行業別、國內受污染公告場址事業統計來源類別資料外，更由蒐集國內列管場址之行業別資訊，進一步了解國內運作高污染潛勢行業別分布情形。
- 如申請專利範圍第4項所述之運作中工廠製程動態篩檢方法，其中該第二層次評估步驟中，當該高污染潛勢的業別有一工廠多業別之情形，故檢討修正業別回饋須納入初步成果評估結果，以判斷合適之高污染潛勢業別進行討論。
- 如申請專利範圍第1項所述之運作中工廠製程動態篩檢方法，其中該第三層次評估步驟中，該規模資訊是以高污染潛勢業別總類、單一高污染潛勢業別申報總量排名、關切目標化合物申報總類、關切目標化合物申報總排名、釋放量有無、濕製程、設置年代、稽查處分資訊等評選因子進行交叉排序。
- 如申請專利範圍第1項所述之運作中工廠製程動態篩檢方法，其中該第四層次評估步驟中，該初步評估結果是根據嚴謹的場址初步評估結果，即考量工廠之運作歷史、製作流程特性、及場址水文地址條件。
- 如申請專利範圍第7項所述之運作中工廠製程動態篩檢方法，其中該第四層次評估步驟中，該初步評估更考量該場址後續多重調查技術之應用，決定較具高污染潛勢土壤及地下水採樣合適布點位置，以提高調查及查證成效作通盤考量，同步考量高污染潛勢業別工廠調查之比重，以產出該調查名單。
- 如申請專利範圍第1項所述之運作中工廠製程動態篩檢方法，其中該第四層次評估步驟中，該地方經驗資訊是結合地方環保單位之歷年稽查經驗、對轄區之變遷與傳聞污染消息做為提供篩選資料來源，以問卷方式提供在地經驗以輔助研析工廠污染潛勢，甚或提供其轄區之高污染潛勢工廠名單為指定調查名單。
- 如申請專利範圍第9項所述之運作中工廠製程動態篩檢方法，其中該第四層次評估步驟中，該地方經驗資訊更包含製程運作資訊與區位敏感性資訊，該製程運作資訊以工廠設立較早者為優先關注，並著重於該產業類別之製程運作特性及濕製程設施，同時蒐集比對國內外相關含氯有機溶劑製程運作過程易產生土水污染問題之區域、相關稽查及罰款資訊，評估篩選工廠是否有相雷同之污染潛勢區域，並調整優先調查排名之順序；該區位敏感性資訊為鄰近水源保護區、鄰近灌溉農地、普遍使用地下水、人口密度高地區優先篩選，可調整優先調查排名之順序。
- 如申請專利範圍第1項所述之運作中工廠製程動態篩檢方法，其中該修正評估步驟中，該實際調查結果包含以污染物項目申報總量、產品生命週期思維、業別運作申報總量規模及其比例考量、製程運作特性及設置年代。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW106100027A TWI676149B (zh) | 2017-01-03 | 2017-01-03 | 運作中工廠製程動態篩檢方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW106100027A TWI676149B (zh) | 2017-01-03 | 2017-01-03 | 運作中工廠製程動態篩檢方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201826218A TW201826218A (zh) | 2018-07-16 |
| TWI676149B true TWI676149B (zh) | 2019-11-01 |
Family
ID=63640246
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW106100027A TWI676149B (zh) | 2017-01-03 | 2017-01-03 | 運作中工廠製程動態篩檢方法 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI676149B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3904977B1 (en) * | 2020-04-30 | 2023-11-29 | ABB Schweiz AG | Method for generating a process model and support system using the process model |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120136470A1 (en) * | 2009-05-22 | 2012-05-31 | Aurora Control Technologies, Inc. | Process for improving the production of photovoltaic products |
| TW201245918A (en) * | 2011-03-28 | 2012-11-16 | Tokyo Electron Ltd | Adaptive recipe selector |
| TW201604937A (zh) * | 2014-04-17 | 2016-02-01 | 應用材料股份有限公司 | 用於材料在基板上之沉積的設備和方法 |
| TW201612956A (en) * | 2014-06-23 | 2016-04-01 | Applied Materials Inc | Method of depositing a layer, method of manufacturing a transistor, layer stack for an electronic device, and an electronic device |
-
2017
- 2017-01-03 TW TW106100027A patent/TWI676149B/zh not_active IP Right Cessation
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120136470A1 (en) * | 2009-05-22 | 2012-05-31 | Aurora Control Technologies, Inc. | Process for improving the production of photovoltaic products |
| TW201245918A (en) * | 2011-03-28 | 2012-11-16 | Tokyo Electron Ltd | Adaptive recipe selector |
| TW201604937A (zh) * | 2014-04-17 | 2016-02-01 | 應用材料股份有限公司 | 用於材料在基板上之沉積的設備和方法 |
| TW201612956A (en) * | 2014-06-23 | 2016-04-01 | Applied Materials Inc | Method of depositing a layer, method of manufacturing a transistor, layer stack for an electronic device, and an electronic device |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201826218A (zh) | 2018-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | A synthesis framework using machine learning and spatial bivariate analysis to identify drivers and hotspots of heavy metal pollution of agricultural soils | |
| Allesch et al. | Material flow analysis as a decision support tool for waste management: A literature review | |
| Bu et al. | Concentrations, spatial distributions, and sources of heavy metals in surface soils of the Coal Mining City Wuhai, China | |
| Hirsch et al. | Concepts for a national water-quality assessment program | |
| Kumar et al. | A coherent approach of Water Quality Indices and Multivariate Statistical Models to estimate the water quality and pollution source apportionment of River Ganga System in Himalayan region, Uttarakhand, India | |
| Li et al. | Heavy metals in soil of an urban industrial zone in a metropolis: risk assessment and source apportionment | |
| Karamouz et al. | Design of on-line river water quality monitoring systems using the entropy theory: a case study | |
| Ji et al. | The effects of industrial pollution on ecosystem service value: A case study in a heavy industrial area, China | |
| CN114357889A (zh) | 一种基于人群健康风险的地块土壤优先控制污染物筛选方法及其应用 | |
| CN114354892A (zh) | 一种基于工业园区的土壤污染分析方法和系统 | |
| CN111353720A (zh) | 一种区域土壤环境中高风险污染物的识别方法 | |
| Cannon | Examining rural environmental injustice: An analysis of ruralness, class, race, and gender on the presence of landfills across the United States | |
| Mehmood et al. | Pollution characteristics and human health risk assessments of toxic metals and particle pollutants via soil and air using geoinformation in urbanized city of Pakistan | |
| Bayatvarkeshi et al. | Application of M5 model tree optimized with Excel Solver Platform for water quality parameter estimation | |
| TWI676149B (zh) | 運作中工廠製程動態篩檢方法 | |
| CN116559148A (zh) | 土壤污染物溯源方法 | |
| Choudri et al. | Ecological and human health risk assessment | |
| US20180189798A1 (en) | Dynamic process screening method for a factory in operation | |
| TWI511074B (zh) | 工廠環境風險篩檢方法 | |
| Li et al. | Deca-BDE emissions, validation, and environmental fate in China | |
| Peters et al. | Assessing the relevance of environmental exposure data sets | |
| Zhang et al. | Source apportionment and assessment of risk to human health of soil heavy metals: a high-density sampling survey in the Dan River Basin, Shandong Province, China | |
| Nadal et al. | Applicability of a neuroprobabilistic integral risk index for the environmental management of polluted areas: a case study | |
| JP2018112818A (ja) | 作動中の工場プロセスの動的なスクリーニング方法 | |
| Yang et al. | Groundwater pollution risk, health effects and sustainable management of halocarbons in typical industrial parks |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | Annulment or lapse of patent due to non-payment of fees |