Катедра

Инженерна химия

Като основно звено на ХТМУ – София, катедрата обединява образователните и научно-изследователските дейности изграждащи специалисти в множество индустриални области.

Научете повече

Обхват и приложение на специалността

Специалността „химично инженерство“ се отличава с изключителна всеобхатност, тъй като придобитите познания са приложими в голямо разнообразие от индустриални области, свързани както с масовата промишленост, така и с високотехнологичните производствени отрасли.
Интердисциплинариният характер на инженерната химия позволява решаването на голям набор от технологични проблеми, свързани с различни промишлени отрасли, като химическа, фармацевтична, парфюмерийна, хранително-вкусова, промишлености, както и други клонове включващи металургия, енергетика и опазване на околната среда.

Химическа промишленост

Фармацевтична промишленост

Биотехнологии

Опазване на околната среда

Конференция

Ден на инженерната химия в ХТМУ

29 Ноември, 2024

Локация

Химикотехнологичен и металургичен университет,
бул. „Климент Охридски“ 8, София.

Език

Официален език на конференцията – Английски.

Форма

Форма на презентация: постери.

Такса

Без такса правоучастие.

Публикации

Абстрактите от научните участия ще бъдат издадени в електронен формат.

Програма

Пленарна сесия от 10:00 до 12:00 часа в зала „Асен Златаров“ на ХТМУ
10:00 – 10:15 – Катедра „Инженерна Химия“ към ХТМУ – научни и кариерни перспективи
10:15 – 10:45 – Научен доклад от гост професор, Проф. Gyorgy Szekely, „Towards a sustainable and energy-efficient future with membranes“
10:45 – 11:00 – Фирмен доклад на Алмагест ЕООД – Производство на етанол от зърнени култури
11:00 – 11:15 – Фирмен доклад на БиТуЕн ООД – Пионер в 3D индустрията на Балканите
11:15 – 11:30 – Фирмен доклад на Релина ЕООД – Производство на food и pharma продукти
11:30 – 11:45 – Фирмен доклад на Технофос АД – Иновации във фосфатните технологии
11:45 – 12:00 – Фирмен доклад на Германо-Българската индустриално-търговска камара (ГБИТК) – Първият и основен партньор на представителите на германската икономика в България

Постерна сесия „Академия и индустрия“ и фирмено изложение от 12:00 до 15:00 в БИЦ на ХТМУ
9:30-10:00ч. Регистрация и постаяне на постерите в Библиотечно-информационен център (БИЦ) при ХТМУ
12:00 – 13:00 – Провеждане на постерната сесия, съпроводено с коктейл и get-together
12:00 – 15:00 – Паралелно фирмено изложение с обособени фирмени щандове и демонстрации. Участващи фирми с щанд ще бъдат: БиТуЕн ООД, Релина ЕООД, Елаците Мед АД, Региоком Европейско Дружество България, Химкомплект-Инженеринг АД, Аурубис България АД, Лиебхер-Хаусгерете Марица ЕООД.

Abstract

Gyorgy Szekely
Advanced Membranes and Porous Materials Center, Chemical Engineering Program, Physical Science and
Engineering Division (PSE), King Abdullah University of Science and Technology (KAUST), Saudi Arabia

Towards a sustainable and energy-efficient future with membranes

Separations are extensively used across numerous industrial sectors. Membranes offer a sustainable and energy-efficient way for separations. These membranes must be stable under harsh conditions, have high selectivity and permeance. There is a need to develop sustainable membrane materials and processes. Biomass-based building blocks can replace fossil-based separation materials and reduce waste generation. The exploration of various green sources to fabricate solvent-resistant nanofiltration membranes will be presented. The design of sustainable thin-film composite membranes via interfacial polymerization of green building blocks will be discussed. The use of these green membrane materials in energy-efficient separation processes will be introduced. We established the OSN Database, an open-access platform to share data and models. The recent progress in numerical optimization models has been significantly boosted by the availability of large datasets and the rapid advancements in computational power, driving major enhancements in process and material design. These developments have facilitated the optimization of hyperdimensional spaces through machine learning and deep learning where analytical solutions are not feasible. Case studies exploiting machine learning models to design better separation processes will be discussed. Our predictive models are freely accessible on the OSN Database, fostering a collaborative and inclusive approach to advance sustainable separations.