سهیلی افزود: با گسترش روزافزون فعالیت‌های صنعتی و افزایش نگرانی‌ها در خصوص اثرات آلودگی هوا بر سلامت کارکنان و محیط‌زیست، توسعه‌ی سامانه‌های هوشمند پایش کیفیت هوا به یکی از اولویت‌های اصلی در حوزه‌ی مهندسی محیط زیست و فناوری‌های نوین تبدیل شده است. در پژوهشی که توسط García و همکاران در سال ۲۰۲۲ در مجله‌ی بین‌المللی Sensors منتشر شد، نوعی زیرساخت هوشمند مبتنی بر اینترنت اشیاء (IoT) برای پایش سریع کیفیت هوا در محیط‌های صنعتی طراحی و ارزیابی گردید. در این مطالعه، پژوهشگران دو نوع حسگر طراحی کردند که قادر به اندازه‌گیری گازهای آلاینده‌ی CO، NO₂، SO₂، O₃ و ذرات معلق PM₂․₅ و PM₁₀ هستند. داده‌های به‌دست‌آمده از طریق فناوری ارتباطی LoRaWAN که دارای برد زیاد و مصرف انرژی پایین است، به سرور مرکزی ارسال خواهد شد. فرآیند ذخیره و تحلیل داده‌ها با استفاده از پروتکل MQTT و پایگاه داده‌ی InfluxDB انجام گرفت و نتایج از طریق Grafana  به‌صورت سریع   نمایش داده خواهد شد.

در بخش تحلیل داده‌ها، چندین مدل یادگیری ماشین (Machine Learning) از جمله رگرسیون خطی (LR)، جنگل تصادفی (RF)، ماشین بردار پشتیبان (SVM)، نزدیک‌ترین همسایه (k-NN) و رگرسیون فرایند گوسی (GPR) مورد بررسی قرار گرفتند. بر اساس نتایج، مدل GPR با ضریب تعیین R² =1  بالاترین دقت را در پیش‌بینی غلظت آلاینده‌ها به‌دست آورد. در حالی که مدل RF نیز با دقت بالا و زمان پردازش کوتاه، گزینه‌ای مناسب برای کاربردهای  پایش سریع معرفی شد.یکی از نوآوری‌های برجسته در این پژوهش، ادغام سیستم پایش با استانداردهای صنعتی (OPC UA/DA) بود که امکان ارتباط مستقیم داده‌ها با سامانه‌های کنترل کارخانه مانند PLC و SCADA را فراهم می‌کند. این ویژگی شرایط را برای ایجاد سیستم‌های هشدار خودکار و کنترل هوشمند تهویه در محیط‌های صنعتی فراهم می‌سازد.

نتایج تجربی نشان داد که سامانه‌ی پیشنهادی از پایداری و دقت بالایی برخوردار است و می‌تواند به عنوان راهکاری مؤثر برای پایش مستمر کیفیت هوا، افزایش ایمنی، و بهبود سلامت محیط‌های کاری صنعتی مورد استفاده قرار گیرد. این پژوهش گامی مؤثر در مسیر تحقق اهداف صنعت و توسعه‌ی فناوری‌های مبتنی بر اینترنت اشیاء و هوش مصنوعی در حوزه‌ی مدیریت زیست‌محیطی صنایع محسوب می‌شود.