توسعه پالایشگاه ها با هوش مصنوعی

به گزارش میز نفت، در سايه گذار انرژي به سوخت هاي پاك، كسب و كار پالایشگاه های سوخت هاي فسیلی در حال حاضر در شرايط نزولی قرار دارد. پالایشگاه ها برای حفظ رقابت در صنعت پالايش با چالش روبرو هستند، زیرا آنها وادار شده اند از خوراك فسیلي به سوي منابع انرژی تجدیدپذیر مانند دیزل تجدید پذیر و دیزل زيستي گام بردارند. به علاوه، مسائل مربوط به تجهیزات و کیفیت، انطباق با مقررات و ایمنی کارگران چالش های آنها را تشدید می کند.

شرکت های نفت و گاز با توسعه راه حل های فناوری نسل آينده، حفظ ایمنی کارگران، انطباق با مقررات، عملکرد تجهیزات، کیفیت محصول و دستیابی به اهداف پایدار را آسان تر خواهند کرد. کوچک‌سازی حسگرها و کاهش هزینه‌های اجتناب‌ناپذیر آن در چند سال گذشته به سرعت به این تحول دامن زده است. 

اينترنت اشيا و حسگرها مجموعه‌داده‌های عظیمي ایجاد می‌کنند که شرکت‌ها در آنها غرق شده‌اند. برای مثال، در یک کمپرسور گریز از مرکز، اطلاعات جریان دما، فشار، جریان، ارتعاش و قدرت می تواند حدود 2.5 مگابایت بر ثانیه یا 216 گیگابایت در روز داده تولید کند. در یک پالایشگاه نفت یا پتروشیمی، معمولاً صدها دارایی و فرآیندهای به هم پیوسته وجود دارد که مقادیر مشابهی از داده‌ها را تولید می‌کنند و ارزیابی دستی انبوه داده‌ها و روش هاي سنتي ارزيابي را غیرممکن می‌سازد.

هوش مصنوعی (AI) می‌تواند به سرعت داده‌های خام را به اطلاعات قابل استفاده و كاربردي تبدیل کند که فرآیندهای پالایشی و پتروشیمی را بهینه كرده و در عین حال هزینه‌های عملیاتی را کاهش می‌دهد.

براساس نظرسنجی گارتنر، هوش مصنوعی و یادگیری ماشینی به برترین فناوری‌های تغییر دهنده بازی در صنعت نفت و گاز تبدیل شده‌اند. شرکت‌های تحقیقاتی به بهره برداران توصیه می‌کنند که یک پلتفرم هوش مصنوعی را مستقر کنند که پیشرفت‌های عملیاتی پایین‌دستی را در سراسر سیستم ارائه می‌کند.

بدين ترتيب این فناوري می تواند درآمد بيشتري ایجاد کرده و در هزینه ها صرفه جویی کند و در عین حال ميزان انتشار گازهای گلخانه ای را بهبود بخشد. هوش مصنوعی می تواند دید عملیاتی را افزایش داده و عملکرد تجهیزات را بر اساس ارزیابی برخط صدها یا هزاران نقطه داده از دارایی ها، فرآیندها و سیستم های به هم پیوسته بهبود بخشد. به صورت همزمان، این فناوری می تواند به طور مداوم درک خود را با تغییر شیوه ها و شرایط عملیاتی به روز کند.

*راهكارهای پیش بینی و تجویزی
در طول دوره تعمیر و نگهداری برنامه ریزی شده، تجهیزات پالایشي در دوره هاي منظم بازرسی می شوند. با این حال، به دلیل تغییرات در کیفیت اجزای سیستم سیال و شرایط محیطی، اجزای تجهیزات دوار می توانند زودتر از حد انتظار خراب شوند. هنگامی که تجهیزات از کار می افتند، می تواند منجر به تعطیلی واحدهاي گران قیمت و به صورت غیرمنتظره شود، اما راه حل های پیش بینی شده و تجویزی می تواند از این خرابی برنامه ریزی نشده جلوگیری کرده و زمان اجراي کار را بهینه کند.

در فرآيند تعمیر و نگهداری از داده‌های برخط جمع‌آوری‌شده از دارایی‌های مستقر و محیطی که در آن کار می‌کنند، برای یادگیری و توصیه بهترین زمان ممکن برای انجام تعمیرات استفاده می‌شود. در عین حال، برای جلوگیری از وقفه‌هایی که می‌تواند باعث ایجاد اثرات موجي در کل عملیات شود، با اطلاع قبلی در مورد خرابی‌های اضطراری به ذینفعان هشدار داده مي شود.

رویکرد سنتي برای تشخیص مشكلات معمولاً شامل ترکیبی از بازرسی های دستی، تکنیک های نظارت بر وضعیت و تجزیه و تحلیل داده ها است. اما این رویکرد فاقد توانایی نظارت بر وضعیت فرآیند است که مي تواند تخریب عملکرد و ناهنجاری‌های تجهیزات را در مراحل اولیه تشخیص دهد.

در مقابل، هوش مصنوعی برای نگهداری پیش‌بینی‌کننده از الگوریتم‌های یادگیری ماشین برای دریافت داده‌های حسگر از عملیات یک مرکز استفاده می‌کند. سپس می توان از این داده ها برای ساخت مدلی استفاده کرد که برای تشخیص عملکردهای عادی، آموزش دیده است.

مدل رفتار عادی می‌تواند داده‌های حسگر را در زمان واقعی تجزیه و تحلیل کرده و شرایط عملیاتی را که از هنجار تعیین‌شده منحرف می‌شوند، شناسایی و علامت گذاری کند. این بسیار متفاوت از نظارت مبتنی بر شرایط است، زیرا هوش مصنوعی تطبیق می دهد و تشخیص می دهد که چه تغییراتی طبیعی بوده و به اقدام فوری نیاز دارند. با افزودن داده‌های حسگر تاریخی و دانش کارشناسان موضوع، این مدل یاد می‌گیرد که هشدارهای معنی‌داری ارسال کند که وقتی به آنها پرداخته شود، ارزش قابل اثباتی دارند.

تشخیص علائم خرابی تجهیزات یک موضوع است، اما برای عملیات روانتر در آینده باید علل تخریب بررسی و از بین برود. با داده‌های کافی در مورد شرایط غیرعادی، یادگیری ماشینی می‌تواند یک طبقه‌بندی برای تعیین طبیعی یا غیرعادی بودن وضعیت فعلی ایجاد کند.

تجزیه و تحلیل مدل طبقه بندی کننده این امکان را فراهم می کند که مشخص شود کدام متغیر فرآیند، سهم بیشتری در وضعیت فعلی دارد. اگر داده‌های کافی در مورد شرایط غیرعادی وجود نداشته باشد، یک روش خوشه‌بندی می‌تواند حالت‌های عملیاتی را به گروه‌هایی تقسیم کند و هر کدام را نظير وضعیت عملکرد غیرعادی با جزئیات بررسی کند. بر اساس ویژگی های این گروه می توان شرایطی با احتمال بالای ناهنجاری شناسايي كرد.

هوش مصنوعی با ارائه بینش تجویزی در مورد دلایل اساسی یک مشکل و تعیین اینکه کدام اقدامات اصلاحی باید برای حل آن به بهترین شکل انجام شود، یک قدم جلوتر می‌رود.

*حفظ ایمنی کارگران
با در كنار هم بودن تجهیزات سنگین و مواد خطرناک و مواد شیمیایی در يك پالايشگاه، بهینه سازی محیط زیست، بهداشت و ایمنی برای پالایشگاه ها ضروری است. عملکرد ایمنی و بهداشت پالایشگاه به طور مستقیم بر بهره وری و کارایی کارگران و همچنین هزینه های مرتبط با ادعاهای حادثه، عدم رعایت مقررات و روحیه و حفظ کارکنان تأثیر می گذارد. حوزه بهداشت و ایمنی شامل محیط کار، فرهنگ، آموزش روزانه و شیوه های کاری است.

با بهره‌گیری از یادگیری ماشیني، هوش مصنوعی می‌تواند شرایط و شیوه‌های بالقوه خطرناک محیط کار را از منابع اطلاعاتی بدون ساختار، مانند گزارش‌های حوادث و کارت‌های مشاهده شناسایی کند. با شناسایی خطرات و اقدامات ناایمن یا مکان‌ها، مدیران می‌توانند به طور فعال به آنها رسیدگی کرده و احتمال وقوع حوادث را کاهش دهند.

راه حل های هوش مصنوعی تصويري نیز در پالایشگاه ها جایگاه دارند. پردازش تصاوير دوربين ها و يا پهپادها با هوش مصنوعی، برای نظارت بر عملکرد، افراد و دارایی‌ها انجام می‌شود. یک پلتفرم هوش مصنوعی تصويری امروز در دسترس است که از بیش از 125 منبع تصويري برای ایمنی، امنیت، بازرسی ديداري، بهره وری و آگاهی از موقعیت پشتیبانی می کند.

این فناوري به سرعت در هر چارچوب عملیاتی مستقر شده و می تواند به طور کامل برای برنامه های کاربردی با بهره وري برای نیازهای پالایشگاه سفارشی شود.

هوش مصنوعی بصری با ظرفیت شناسایی، تجزیه و تحلیل و هشدار در زمان واقعی، در 24 ساعت شبانه روز، می تواند پالایشگاه ها را از اقدامات اصلاحی واکنشی به اقدامات اصلاحی پیشگیرانه تبدیل کند، به گونه ای که انسان به تنهایی نمی تواند. تجزیه و تحلیل بصری را می توان به طور همزمان در چندین جریان ویدیویی بلادرنگ برای هدف قرار دادن و جمع آوری داده های ضروری در مورد عملکرد، افراد و دارایی ها از داشبورد قابل تنظیم مبتنی بر وب و برنامه تلفن همراه فعال کرد.

هنگامی که عدم رعایت ایمنی، نقض امنیت یا سایر سیگنال‌ها مطرح می‌شود، فوراً اعلان‌های هشدار مبتنی بر نقش آفريني را ارائه می‌کند و آنها را به داشبورد وب، برنامه تلفن همراه، ایمیل، پیامک، واتس‌اپ و یا هشدارهای داخل سایت تحویل می‌دهد. می‌تواند به هزاران دوربین متصل شود، همه فیدهای ویدیویی را در یک رابط واحد ادغام کند، و ماژول آموزش مداوم آن عملکرد محصول را در طول زمان بهبود می‌بخشد تا نکات منفی را کاهش دهد.

با ادغام راه حل های مجهز به هوش مصنوعی در عملیات پالایشگاهي، شرکت ها می توانند از توقف برنامه ریزی نشده جلوگیری کنند، ایمنی کارگران را تقویت نمايند و عملکرد دارایی و عمر مفید را بهبود بخشند.


نويسنده: جيسون چادي
منبع: OILMAN Magazine
مترجم: محسن داوري

سه شنبه ۱۰ مرداد ۱۴۰۲ ساعت ۰۶:۵۷