هوش مصنوعی چطور صنعت نفت و گاز را متحول می کند؟ - مجله نماشو

تشخیص نقایص و تضمین کیفیت

از مهم ترین چالش های صنایع نفت و گاز تشخیص نقایص و نقاط ضعف در لوله ها و جهتشان و همچنین سازوکارها و فرایندهای دخیل در کار است. اگر در نظر بگیریم از وجود نقایص آغازین فرایندها جز در انتهای جهت مطلع نشویم، چیزی جز هدر رفت هنگفت انرژی، زمان و هزینه عایدمان نمی شود. برای مثال اگر در فرایند تولید، لوله انتقال یا دستگاه آسیب دیده ای باشد، می تواند هزینه های زیادی ایجاد کند. بی شک در بلندمدت هزینه بهره گیری از هوش مصنوعی در قیاس با چنین ضررهایی ناچیز است.

اگر از یک سیستم مبتنی بر بینایی ماشین در سراسر فرایند تولید استفاده شود، نقایص تولید به خوبی پیدا می شوند و کیفیت تولیدات هم با اطمینان بالایی قابل تأیید خواهد بود. روش های هوش مصنوعی برای تشخیص نقایص، بسیار به صرفه تر از فرایندهای رایج است.

اطمینان از امنیت کارخانه ها و برخورداری از استانداردهای امنیتی

شرایط کاری در پالایشگاه های نفت و گاز سخت است و خطر آسیب دیدگی در محیطشان بسیار بیشتر از سایر محیط های کارخانه ای است. کارکنان پالا یشگاه های نفتی در دماهای مختلفی کار می کنند و بیشتر مواقع در معرض گازهای سمی قرار می گیرند. رعایت نکردن نکات ایمنی در چنین محیط هایی می تواند باعث صدمات جدی جانی و خسارت های مالی بالا شود، برای مثال چند سال پیش، در پالایشگاه تزورو مارتینز رفینری در استان کالیفرنیای آمریکا، نشت اسید سولفوریک جان دو کارگر را گرفت که بعدها تعیین شد پروتکل های ایمنی در این بخش رعایت نشده بود.

شرکت های نفت و گاز موظف هستند پروتکل های ایمنی سختی را اجرا کنند و اجرا نکردن آن ها منجر به جریمه های سنگین می شود. اگرچه فرایندها بسیارند و حجم داده های حاصل فراوان است، اما همچنان برای اطمینان از مؤثر بودن اقدامات، به فرایندهای دستی و نظارت های حضوری نیاز داریم. واقعیت امروز این است که ما فقط می توانیم از این مطمئن شویم که کارکنان هنگام ورود به محل کار تجهیزات ایمنی کافی در اختیار دارند. نظارت دائمی ای در طی زمان کاری کارگران وجود ندارد، در حقیقت این امر شدنی نیست.

یکی از بهترین راه های در دسترس، بهره گیری از دوربین های مداربسته است که بر پایه سیستم بینایی کامپیوتری کار می کند. به این صورت در هرلحظه کارگران زیر نظر هستند. در ادامه تصاویر ضبط شده به کمک الگوریتم بینایی و هوش مصنوعی به کاررفته بررسی و تحلیل می شود. توصیه ها و هشدارها در چارچوب دستورالعمل هایی ایمنی از سوی هوش مصنوعی به مسؤولان و کارگران انتقال می یابد. به کمک این سیستم ها، خطرات و مسائل طی فرایند کار، آنی شناسایی می شود و امکان رفع آن ها فراهم خواهد شد.

کاهش هزینه های تولید و نگهداری

به گزارش مجله بین المللی شیمی صنعتی از گروه مجلات اشپرینگر، هزینه سالانه ای که براثر خوردگی و پوسیدگی تجهیزات به صنعت نفت و گاز تحمیل می شود، چیزی در حدود 1.372 میلیارد دلار است.

نفت یا گاز به دست آمده در هر سکو، در مخزن مرکزی اش ذخیره می شود. سپس از طریق خطوط لوله انتقال می یابند. با توجه به دماهای متفاوت محصولات نفتی و شرایط محیطی، بسکمک از مواقع اجزای سیستم توزیع و انتقال با تخریب و خوردگی روبرو می شوند، این خوردگی ها می توانند باعث آسیب دیدن خطوط لوله شوند و در دراز مدت کل فرایند تولید را متوقف کنند. این یکی از بزرگ ترین چالش های صنعت نفت است و شرکت های بزرگ دائما در حال استخدام مهندسان خوردگی برای نظارت بر قطعات و رسیدگی به آن ها هستند.

حادثه موکاندو را در نظر بگیرید که در سال 2010 در آمریکا رخ داد. در این حادثه براثر نشتی گسترده، 4.9 میلیون بشکه نفت در محیط پخش شد و هزینه پاک سازی در حدود 850 میلیون دلار را روی دست دولت گذاشت. پس از بررسی های کارشناسی تعیین شد که نگهداری نادرست از تجهیزات دلیل این حادثه بوده است. همچنین آشکار شد سیستم اضطراری این مجموعه قطع بود و کار نمی کرد.

هوش مصنوعی می تواند از چنین حوادثی پیشگیری کند. هوش مصنوعی با بهره گیری از اینترنت اشیا می تواند پارامترهای مختلف را تجزیه و تحلیل کند و علائم خوردگی را تشخیص دهد و همچنین وقوع چنین اتفاقاتی را پیش بینی کند. به کمک این سیستم ها هشدارهای لازم برای اپراتورهای خطوط لوله فرستاده می شود و درنتیجه شرکت ها می توانند خسارات ناشی از چنین اتفاقاتی را پیش بینی و کنترل کنند. همچنین بررسی اطلاعات موجود می تواند برنامه زمانی تعیینی را برای سرویس و تعمیر ماشین آلات به دست دهد و هزینه های احتمالی کاهش خواهد یافت.

تجزیه وتحلیل اطلاعات امکان تصمیم گیری بهتر را فراهم می کند

تجارت نفت و گاز در دنیا حجم زیادی داده تولید می کند اما به دلیل نبود ابزارهای بررسی و تحلیل مناسب این داده های بزرگ اکثرا بلااستفاده می مانند. هرچند مهندسین داده می توانند تجزیه و تحلیل اطلاعات را انجام دهند اما این گزینه از نظر زمان و هزینه محدودیت های زیادی دارد. حجم داده ها معمولا بیشتر از ظرفیت نیروی انسانی است. اما هوش مصنوعی به کمک بهره گیری از کلان داده می تواند از این اطلاعات استفاده کند و پیش بینی های مهمی را انجام دهند. همچنین الگوریتم های هوش مصنوعی به کمک تحلیل بسیار سریع داده های حسگرهای مختلف می توانند به فعالان این صنعت کمک کنند تا تصمیمات استراتژیک بهتری بر اساس نیازهای این بازار بگیرند، بهره وری کل عملیات را افزایش دهند، هزینه ها را کم کنند و ریسک را به حداقل برسانند.

ایجاد دیدگاه های تازه درزمینه اکتشاف نفت و گاز

دنیا به سمتی پیش می رود که ما به طورجدی با لزوم افزایش فعالیت های اکتشافی روبرویم، هر چند این اتفاق سود زیادی برای این صنعت در پی خواهد داشت اما چالش های زیادی را برای آن ایجاد می کند، زیرا فرایند اکتشاف میادین نفتی و گازی تازه پرخطر و پرهزینه است. روش های اکتشافی قدیمی دیگر چندان کارا نیستند و لازم است به یک تصویر دقیق از سطح و عمق زمین دست پیدا کنیم.

استفاده از ربات های خودران مجهز به هوش مصنوعی در فرایند اکتشاف یکی از بهترین انتخاب های پیش روی ماست. این ربات ها می توانند اطلاعات بسیار زیادی را با دقت بالا جمع آوری کنند و سپس الگوریتم های پردازش تصویر می توانند اطلاعات لازم را به دست آورند. این روزها، شرکت های پیشروی صنعت نفت و گاز از هواپیماهای بدون سرنشین برای گردآوری این اطلاعات استفاده می کند که خطرات انسانی را به حداقل می رساند و دقت داده ها هم بالا خواهد بود.