21 آگوست 2026 - 15:26
دسته‌بندی: اخبار
کد خبر: 7593

سید زین العابدین پورالحسینی، پشتیبانی از مهندسی ساخت شرکت ملی پخش فراورده های نفتی ایران

استفاده از هوش مصنوعی در زنجیره ارزش صنعت نفت

استفاده از هوش مصنوعی در زنجیره ارزش صنعت نفت
سید زین‌العابدین پورالحسینی، پشتیبانی از مهندسی ساخت شرکت ملی پخش فرآورده‌های نفتی ایران، در یادداشتی با عنوان "استفاده از هوش مصنوعی در زنجیره ارزش صنعت نفت" که به‌این رسانه ارسال کرده است، به بررسی ظرفیت‌های هوش مصنوعی برای رفع چالش‌های صنعت نفت و افزایش بهره‌وری، سودآوری و ایمنی در این صنعت پرداخته است.

 

به گزارش بام جنوب، سید زین‌العابدین پورالحسینی، پشتیبانی از مهندسی ساخت شرکت ملی پخش فرآورده‌های نفتی ایران، در یادداشتی با عنوان “استفاده از هوش مصنوعی در زنجیره ارزش صنعت نفت” که به‌این رسانه ارسال کرده است، به بررسی ظرفیت‌های هوش مصنوعی برای رفع چالش‌های صنعت نفت و افزایش بهره‌وری، سودآوری و ایمنی در این صنعت پرداخته است.

 

پورالحسینی در این یادداشت، با اشاره به چالش‌هایی همچون خرابی تجهیزات و قطعات راهبردی، نظارت و پایش، ایمنی، محیط زیست، لجستیک، مدیریت عرضه و تقاضا و مقابله با قاچاق سوخت، بر ضرورت حرکت صنعت نفت به سمت هوشمندسازی تأکید کرده است.

 

 

برخی از چالش‌های صنعت نفت در قبال سودآوری و کسب درآمد عبارتند از تکمیل تقاضا، نظارت، تنوع عرضه، خرابی‌های مکررتجهیزات و قطعات اقلام راهبردی، عملیات اختفاء حریق، محیط زیست، عوامل اجتماعی و حاکمیتی و… .علی‌رغم بحران های جهانی و نوسان قیمت نفت در سطح جهان، شرکت‌های نفت و گاز جهانی شروع به سرمایه‌گذاری بر روی هوش مصنوعی کرده‌اند.

 

حدود 40 درصد از نفت خام تولیدی کشورهای اوپک از منطقه خاورمیانه تامین می‌شود. به‌طور کلی، منطقه خاورمیانه 48 درصد از ذخایر اثبات شده نفت، 40 درصد از ذخایر اثبات شده گاز و 18 درصد از تولید گاز جهانی را به خود اختصاص می‌دهد. این رقابت استخراج و تولید مشتقات نفتی و مزایا بدست امده، باعث می‌شود که در آینده کشورهایی که زودتر از سایرین با استفاده از الگوریتم های هوش مصنوعی در صنعت نفت و گاز و پتروشیمی برای بهینه سازی استراتژی های معاملات انرژی خود روی آورده‌اند، موفق‌تر عمل می کنند، الگوریتم های مبتنی بر هوش مصنوعی داده های بازار، روندهای قیمتی و شاخص های جهانی عرضه و تقاضا را بلافاصله تحلیل می کند و این تسریع در تصمیمات معاملاتی، بیشترین نرخ سود را خواهد داشت. برای مثال شرکت BP(بریتیش پترولیوم) با استفاده از هوش مصنوعی میزان تولید سالانه خود را به ۴ درصد افزایش و WATING یا توقف عملیاتی را ۱۰ درصد کاهش داده است.

 

همان‌گونه که هوش مصنوعی در صنعت پزشکی پیشرفت های زیادی کرده است، در صنعت نفت نیز نحوه شناسایی نشتی لوله را می‌‍‌آموزد. مرکز Mordor Intelligence تخمین می‌زند.

 

نرخ رشد مرکب سالانه هوش مصنوعی در بازار نفت و گاز معادل 10.14 درصد (CAGR)، بین سال‌های 2021 تا 2026 تخمین زده‌‌ شده است. داریل ویلیامز، معاون انرژی شرکت مایکروسافت، در مورد هوش مصنوعی این‌گونه می‌گوید: فناوری‌هایی مانند هوش مصنوعی و یادگیری ماشینی می‌توانند گذشته را تجزیه و تحلیل کنند، حال را بهینه کنند و آینده را پیش بینی کنند.

 

هوشمند سازی سیستم های داده پرداز در خرید و فروش نفت، گاز، پتروشیمی و فراورده های نفتی و هوشمند سازی سیستم های پایش و اندازه گیری جهت پیشگیری و مقابله با قاچاق سوخت در کشور می تواند بسیار حائز اهمیت باشد.

 

در ادامه به برخی از این مزایای استفاده از هوش مصنوعی در صنعت نفت اشاره می‌گردد:

 

تشخیص نقص و خرابی تجهیزات ثابت و متحرک و ماشین آلات صنعتی با هوش مصنوعی‌

بازرسی مداوم ازخطوط لوله‌های نفتی از مناطق عبوری، مثلا یک نشتی در این مسیر می تواند خسارات جبران‌ناپذیری به جای گذارد.تجهیزات فرسوده، در خطوط لوله، یکی از عیوب رایج در این صنعت است که می‌تواند یک شرکت نفت و گاز را به سوی زیان و تعطیلی سوق دهد.گاها هزینه‌ی جبران این خسارات بسیار بیشتر از هزینه‌ی نصب و راه‌اندازی هوش مصنوعی و یادگیری ماشین در صنعت نفت و گاز است.استفاده از سیستم هوش مصنوعی می‌تواند کیفیت تولید را افزایش دهد و همچنین بینش عمیقی از نقص را آموخته و به تشخیص عیوب بپردازد.

به طور کلی می‌توان از سیستم‌های هوش مصنوعی برای شناسایی سیستم‌های معیوب، مدیریت خطوط لوله و چرخه‌های تولید استفاده کرد.

 

ایمنی در محل کار و عملیات های فنی و فرآیندی با هوش مصنوعی

محیط کار عملیاتی و تاسیساتی کارکنان نفت و گاز بسیار بحرانی و پر خطر است. این افراد غالبا در معرض دماهای مختلف و بخارات سمی قرار می‌گیرند.مثلا نشت، هیدروژن سولفره، اسید سولفوریک در پالایشگاهها و تاسیسات گازی، باعث خسارات به کارکنانی می شود که استانداردهای ایمنی پیروی نمی‌کنند. بعضی مواقع نظارت ها و بازرسی های سنتی جواب نمی دهد

 

هوش مصنوعی مجهز به بینایی کامپیوتری، قادر به شناخت ناهنجاری‌ها و علامت‌گذاری آن‌ها می‌باشد.این فناوری می‌تواند محل کار را نظارت کند تا مطمئن شود که کارگران بدون هیچ گونه انحرافی از رویه‌های ایمنی پیروی می‌کنند.تشخیص الگو با استفاده از یادگیری عمیق به هوش مصنوعی اجازه می‌دهد، در صورتی که کارمند لباس مناسب برای یک عملیات را نپوشیده است، هشدار بدهد.همچنین به دلیل استفاده از ماشین‌آلات صنعتی در نزدیکی انسان‌ها، هوش مصنوعی قادر به نظارت، شناسایی و هشدار در مواقع خطر است. در واقع مجوز کارPermit-to-work از حالت سنتی به حالت سیستم هوش مصنوعی تبدیل شود.

 

کاهش هزینه نگهداری تجهیزات و ماشین آلات صنعتی با هوش مصنوعی

عملکرد نادرست در تعمیر و نگهداری به دلیل دماها و شرایط محیطی مختلف، هزینه ریالی، سالانه خوردگی تجهیزات در صنعت تولید نفت و گاز را بسیار افزايش می دهد. درصورتی که نگهداری از این تجهیزات به دقت انجام نگیرد، منجر به تغییر شکل، خوردگی، ضعف و یا تخریب آن‌ها می‌شود.هرگونه خرابی در تجهیزاتی مانند، توربین ها، کمپرسورها، لوله ها و مخازن بهره برداری و انبارهای نفتی توزیع فراورده می‌تواند خسارات جبران ناپذیری را به بار آورند و کل فرآیند تولید و توزیع را متوقف سازد. تاکنون برای کاهش روند رشد این فرآیند فرسایشی، از مهندسان خوردگی برای نظارت و کنترل سلامت قطعات استفاده می‌شد.امروزه هوش مصنوعی با کمک اینترنت اشیا می‌توانند نشانه‌های خوردگی را با تجزیه و تحلیل پارامترهای مختلف شناسایی کنند.این فناوری‌ها از نمودارهای دانش و هوش پیش‌بینی‌کننده استفاده می‌کنند تا احتمال وقوع خوردگی را به اپراتورهای خط لوله انتقال و مخازن بهره برداری و توزیع هشدار دهند.

 

تصمیم‌گیری مبتنی بر تجزیه و تحلیل با هوش مصنوعی

هوش مصنوعی در صنعت نفت بسیار پرکاربرد است. داده‌های نفتی فرایند تولید است که در طی این ژنجیره ایجاد می‌شوند.پیش از گسترش هوش مصنوعی، نبود ابزارهای تحلیلی مناسب، مانع از تجزیه و تحلیل دقیق این داده‌ها می‌شد.زیرا فرآیند تجزیه و تحلیل سنتی و دستی توسط مهندسان داده، بسیار زمان‌بر وهزینه‌بردار بود.برخی از داده‌ها شامل مشخصات مخازن بهره برداری و توزیع، بحرانها درحفاری، نتایج عملیات صنعتی، داده‌های حمل و نقل و تعمیرات اساسی ( اورهال ها )… می‌باشند.

این داده‌ها از میان( سنسورها) حسگرهای ابزاردقیق، مکاترونیک، تجهیزات، ماشین‌آلات، جمع‌آوری می‌گردند و تجزیه و تحلیل‌ می‌شوند. برنامه‌های کاربردی هوش مصنوعی مبتنی بر داده‌های بزرگ، اطلاعات و معنا را از میان انبوهی از داده‌های عملیاتی و تجهیزات استخراج می‌کنند.از دل این فرآیند، نتایجی دقیق و پیشنهادات هوشمندانه‌ای بر اساس نیازهای تجاری شرکت‌های نفت و گاز به وجود می‌آید. تصمیمات استراتژیکی که بر مبنای این داده‌ها گرفته می‌شوند، منجر به بهبود راندمان عملیات، کاهش هزینه‌ها و حتی کاهش خطر شکست می‌گردند.

 

توزیع پایدار فراورده های نفتی در اقصی نقاط ایران و پيشگيري و مقابله با قاچاق سوخت

همانطور که می دانیم شركت ملي پالايش و پخش فرآورده هاي نفتي ايران مكلف به توزیع پایدار فراورده های نفتی مثل سوخت به اقصی نقاط کشور عزیزمان ایران است. با توجه به مدیریت کارآمد و کارشناسان و متخصصین توانمند، کارهای زیادی جهت تولید و توزیع پایدار فراورده های نفتی و پیشگیری و مقابله با قاچاق سوخت انجام شده است.

 

در این راستا کارهای زیاد و موثری انجام داده است، از جمله:
تجهيز كليه نفتكش هاي جاده اي تحت پيمان شركت ملي پخش فرآورده هاي نفتي به ردياب ماهواره اي و پلمپ هوشمند و تحقیق و توسعه انها به فناوری های جدید هوش مصنوعی، ايجاد و راه اندازي سامانه ديسپچينگ انبارهاي نفت (براي مخازن مجهز شده به تجهيزات LG-TG فعلي)

 

در سالهای اخیر شرکت ملی پالایش و پخش در زمینه پایش و سنجش تولید و توزیع فراورده با سیستم های فناورانه هوش مصنوعی کارهای مطلوبی انجام گرفته است.

 

مدیریت لجستیک و حمل و نقل با هوش مصنوعی

یکی از بخش‌های پیچیده و مهم در صنعت نفت و گاز، مدیریت لجستیک و حمل و نقل آن است. این پیچیدگی‌ها ناشی از وجود گره‌ها و مراکز تصمیم گیری متعددی است که باید در طول مسیر اکتشاف، تولید و عرضه در نظر گرفته شوند. هوش مصنوعی در مدیریت لجستیک و حمل و نقل صنایع نفت و گاز بالادستی، میان دستی و پایین دستی نقش‌های متفاوتی را اجرا می‌کند( مثل پلمب هوشمند ناوگان حمل سوخت داخلی ). برنامه‌ریزی حمل و نقل، خرده فروشی، انتخاب مسیر بهینه، پشتیبانی، انباری، پیش‌بینی تقاضا، تخمین قیمت‌ها و… از جمله مواردی هستند که از عهده هوش مصنوعی بر خواهند آمد.

 

مدیریت هوشمند دارایی‌ها

مدیریت هوشمند دارایی ها، منجر به نظارت، مدیریت و نگهداری مستمر از دارایی‌ها می گردد. با کمک این فناوری، مدیران می‌توانند دارایی‌هایی مانند پمپ‌ها، توربین ها، کمپرسورها، خطوط لوله، مخازن… را شبیه‌سازی کنند و بر آن‌ها نظارت داشته باشند.

 

داده‌هایی از قبیل سن دارایی، تاریخچه تعمیر و نگهداری آن، اطلاعات عملیات‌های صورت گرفته با آن و… در حافظه این فناوری ذخیره می‌گردد. سپس الگوریتم‌های یادگیری ماشین به تجزیه و تحلیل این اطلاعات می‌پردازند و علائم تخریب، برنامه تعمیر و… را اعلام می‌کنند. این اقدامات پیشگیرانه مانع از خرابی، کاهش چرخه عمر محصول و توقف برنامه‌ریزی نشده دستگاه خواهد شد و در نتیجه از هزینه‌های گزاف جلوگیری می‌کند.

 

بهینه سازی فرآیند زنجیره تامین کالا با هوش مصنوعی

هوش مصنوعی به شرکت‌های نفت و گاز در ایجاد یک سامانه تامین دیجیتال بهم پیوسته کمک می‌کند.

 

چت ربات های صوتی هوشمند

همانند یک دستیار خستگی ناپذیر، چت ربات‌های صوتی هوشمند همواره در خدمت اپراتورها و مهندسان صنعت نفت و گاز هستند. این ربات‌ها یک منبع قوی از اطلاعات می‌باشند که تمام داده‌ها را بلادرنگ جمع‌آوری می‌کنند. از آن‌جایی اپراتورها باید دست خود را آزاد نگه دارند، این چت بات ها به صورت صوتی و با هندزفری، به تمام پرسش‌ها پاسخ می‌دهد. این ربات‌ها از نحوه تعمیر تجهیزات و قطعات صنعتی تا استخدام نیروی جدید را به خوبی می‌داند و در صورت بروز اتفاقات ناگهانی به تمام کارکنان هشدار می‌دهد.

 

امنیت سایبری مبتنی بر هوش مصنوعی

امروزه افزایش تعداد حملات فیزیکی و سایبری باعث شده است که شرکت‌ها به هوش مصنوعی برای رمزگذاری سیستم کاری و افزایش امنیت روی آورند.

 

 

کاهش زمان خرابی و توقف چاه با هوش مصنوعی

برخی شرکتهای نفتی در جهان به کمک هوش مصنوعی توانسته‌اند فروپاشی چاه‌های نفتی خود را قبل از وقوع پیش‌بینی نمایند.از طرفی زمان احیای چاه را کاهش و هزینه سوخت جایگزین را برای هر چاه در روز کاهش دادند.این شرایط منجر به کاهش هزینه‌های تعمیر و نگهداری، بهره‌برداری مؤثر از چاه‌ها، عدم تعطیلی‌ و افزایش عمر باقی‌مانده می‌گردد.

 

پایان پیام//

ارسال نظر شما
مجموع نظرات : 0 در انتظار بررسی : 0 انتشار یافته : 0
  • نظرات ارسال شده توسط شما، پس از تایید توسط مدیران سایت منتشر خواهد شد.
  • نظراتی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
  • نظراتی که به غیر از زبان فارسی یا غیر مرتبط با خبر باشد منتشر نخواهد شد.