नालेस्वच्छता कामातील त्रुटींबाबत कंत्राटदारांना ९ कोटी २५ लाख ७२ हजार ८३० रुपयांचा दंड

नाले स्वच्छतेच्या कामात कृत्रिम बुद्धिमत्ता (Artificial Intelligence) प्रणालीच्या माध्यमातून शोधण्यात आलेल्या त्रुटींबाबत आणि निविदा अटी शर्तीनुसार यंत्रसामुग्री तैनात करण्याकामी झालेल्या विलंबाबाबत बृहन्मुंबई महानगरपालिकेने कंत्राटदारांविरुद्ध कठोर भूमिका घेतली आहे. तसेच, संबंधित कंत्राटदारांना तब्बल ९ कोटी २५ लाख ७२ हजार ८३० रुपयांचा दंड ठोठावला आहे. ही दंडात्मक रक्कम कंत्राटदाराच्या देयकांमधून (बिल) वसूल करण्यात येत आहे. महानगरपालिका आयुक्‍त  अश्विनी भिडे यांच्या निर्देशानुसार, पर्जन्‍य जलवाहिन्‍या विभागाने ही कारवाई केली आहे. 

मुंबईत दरवर्षी पावसाचे प्रत्‍यक्ष आगमन होण्‍यापूर्वी महानगरपालिकेच्‍या पर्जन्‍य जलवाहिन्‍या विभागाच्‍या माध्‍यमातून मुंबई महानगरातील मिठी नदी आणि मोठ्या नाल्‍यांमधून गाळ काढला जातो. तर, विभाग कार्यालयांच्‍या (वॉर्ड) पातळीवर लहान नाल्‍यांमधून गाळ काढण्‍याची कामे केली जातात. नैसर्गिक नाले, पावसाळी गटारे, भुयारी गटारे, चेंबर, ढापे उघडून स्वच्छ करण्यात येतात. नाल्‍यांमधून गाळ काढल्‍याने पावसाळी पाण्‍याचा जलद गतीने निचरा होण्‍यास मदत होते. मुंबई महानगरातील पर्जन्‍यमान आणि पावसाची तीव्रता याबाबतचा अनुभव लक्षात घेऊन, नाल्‍यांमधून किती गाळ उपसणे आवश्‍यक आहे, याचा अभ्‍यास करून गाळ उपशाचे उद्दिष्ट निश्चित करण्‍यात येते. 

प्रतिवर्षाप्रमाणे यंदाही मार्चच्‍या पहिल्‍या आठवड्यात नाल्‍यांतून गाळ काढण्‍याची कामे वेगाने सुरू करण्‍यात आली. या नालेस्वच्छतेच्या कामांवर प्रभावी देखरेख ठेवण्‍याच्या सूचना महानगरपालिका आयुक्‍त श्रीमती अश्विनी भिडे यांनी यंत्रणेला दिल्या आहेत. गाळ काढण्याची कामे योग्यरित्या होण्यासह त्यावर देखरेख करण्याच्या दृष्टीने महानगरपालिका प्रशासनाने मागील वर्षापासून कृत्रिम बुद्धिमत्ता (ए. आय.) प्रणाली विकसित केली आहे. या प्रणालीच्या माध्यमातून नाले स्वच्छतेच्या कामावर बारकाईने देखरेख ठेवली जात आहे. त्यानुसार, या कामांसाठी छायाचित्रण समवेत ३० सेकंदाचे चित्रीकरण (व्हिडिओ) बंधनकारक केले आहे. तर लहान नाल्यांमधून गाळ काढण्यापूर्वीचे आणि नंतरचे सीसीटीव्हीद्वारे चित्रीकरण करणे अनिवार्य केले आहे. गाळ उपसासंदर्भात प्राप्त होणाऱ्या सर्व व्हिडिओंचे महानगरपालिका प्रशासनाकडून कृत्रिम बुद्धिमत्ता प्रणालीच्या मदतीने विश्लेषण केले जात आहे. त्याद्वारे नाल्यातील गाळ उपसा करण्याच्या कामांची योग्य देखरेख करणे, कामांमध्ये संपूर्ण पारदर्शकता राखणे यासाठी प्रशासनाला मदत होत आहे.

कृत्रिम बुद्धिमत्ता प्रणालीची अंमलबजावणी करताना जी छायाचित्रे आणि चित्रफिती अपलोड केले जातात, त्या सगळ्यांची ए. आय. प्रणाली पाहणी (screen) करते. तसेच त्यातील त्रुटी शोधून काढते. या त्रुटी शोधून काढण्यासाठी निकष निश्चित करण्यात आले आहेत. वजन काट्यावर जेव्हा वाहन वजनासाठी येते, त्यावेळी  ताडपत्री हटवली जात आहे किंवा नाही (Tarpulin Detection), एकाच प्रतिमेचा पुनर्वापर अथवा प्रतिमांमधील विसंगती (Image Ghosting), वाहनातील गाळाची विल्हेवाट लावताना त्यामधून उडणाऱ्या धुळीच्या प्रमाणाचे निरीक्षण (Dust Inspection), आवश्यक छायाचित्रे उपलब्ध नसणे (Images Not Available), प्रत्यक्ष तपासणी (Manual Inspection), गाळ उतरविण्याच्या कामांच्या चित्रफिती अपलोड न करणे (Unloading Video Not Available) आणि नोंदणीकृत वाहने किंवा वर्ककोड आणि प्रत्यक्ष कामातील तपशीलामध्ये विसंगती आढळणे (Vehicle / Workcode Mismatch) या प्रमुख बाबींच्या अनुषंगाने त्रुटी शोधण्यात आल्या आहेत. याखेरीज, नालेसफाईच्या कामांमध्ये आवश्यक संयंत्रे, यंत्रसामग्री व वाहनांची अपुरी उपलब्धता, मनुष्यबळाची कमतरता, नाले स्वच्छतेचे काम करणाऱ्या कामगारांना सुरक्षा साधनांचा पुरवठा न करणे, उपसलेल्या गाळावर विहित पद्धतीने प्रक्रिया न करणे तसेच कामे संथ गतीने करून निर्धारित वेळापत्रकाचे पालन न करणे, अशा विविध प्रकारच्या त्रुटी आढळून आल्या आहेत.

ए. आय. आधारित तपासणी, डिजिटल पुराव्यांची पडताळणी आणि प्रत्यक्ष स्थळ तपासणी यामुळे कामांमधील त्रुटी वेळेत उघडकीस आल्याने संबंधित कंत्राटदारांवर आर्थिक जबाबदारी निश्चित करण्यात आली आहे. कामातील त्रुटीनुसार दंड रक्‍कम निश्चित करण्‍यात आली असून कंत्राटदारांच्‍या देय रकमेतून दंड रक्कम वसूल करण्यात येत आहे. 

अतिरिक्त महानगरपालिका आयुक्त (प्रकल्प). अभिजीत बांगर म्हणाले की, नाले स्वच्छता कामांमध्ये गुणवत्ता आणि पारदर्शकता याबाबत महानगरपालिका प्रशासन कमालीची आग्रही आहे. नाले स्वच्छतेच्या कामांमध्ये जाणीवपूर्वक किंवा अजाणतेपणाने कोणत्याही झालेल्या त्रुटी अक्षम्य आहेत. याबाबत प्रशासनाचे शून्य सहिष्णुता (Zero Tolerance) धोरण कायम आहे. एका बाजूला नाले स्वच्छतेची कामे अधिक दर्जाची व्हावी याबाबत अत्युच्च प्रयत्न करण्यात आले असून झालेल्या कामांचा दर्जा राखण्याचा प्रयत्न करण्यात आला आहे. मात्र, कंत्राटदारांकडून कामे करताना ज्या त्रुटी राहतात त्या तंत्रज्ञानामार्फत शोधून दंडात्मक कारवाई आली आहे.

या कारवाईचा उद्देश एकंदर नाले स्वच्छतेच्या कामकाजात गैरप्रकार खपून घेणार नाही, हा संदेश देणे असा आहे. यापुढेही जर काही त्रुटी आढळून आल्या तर महानगरपालिका प्रशासन टोकाची भूमिका घेईल. 

अभिजीत बांगर म्हणाले की, नाले स्वच्छता कामांमध्ये AI आधारित देखरेख आणि प्रत्यक्ष स्थळ तपासणी या दोन्ही यंत्रणांमुळे त्रुटी प्रभावीपणे उघडकीस आल्या आहेत. विशेषतः स्थळ तपासणी आणि व्हिडिओ अपलोड न करणे ही दंडात्मक कारवाईची प्रमुख कारणे ठरली. AI-आधारित आढळलेल्या त्रुटींद्वारे ८ कोटी ९९ लाख २६ हजार ८३० रुपये दंड आकारण्यात आला आहे. मोठे नाले (१ कोटी ३९ लाख ३९ हजार ३८० रुपये), लहान नाले (६ कोटी ११ लाख ८६ हजार ९५० रुपये) आणि मिठी नदी (१ कोटी ४८ लाख ५०० रुपये) अशी दंड रकमेची विभागणी आहे. प्रत्येक त्रुटीयुक्त फेरीसाठी १ हजार रुपये प्रमाणे २६ लाख ४६ हजार रुपयांचा अतिरिक्त दंड आकारण्यात आला आहे. 

 ए. आय. प्रणाली मार्फत कामकाजात सुधारणा केली जात आहे. प्रगत तंत्रज्ञानाचा अवलंब करण्यात आघाडीवर राहण्याचा महानगरपालिका प्रशासनाचा प्रयत्न आहे, असेदेखील अतिरिक्त महानगरपालिका आयुक्त (प्रकल्प) अभिजीत बांगर यांनी नमूद केले आहे.