پیادهسازی هوش مصنوعی برای بهینهسازی تولید نفت و گاز
هوش مصنوعی در صنایع بالادستی نفت و گاز با استفاده از تخصص علم داده و درک عمیق از فناوری در تولید بهینه انرژی برای شرکت های نفت و گاز به کار گرفته می شود .
هوش مصنوعی در مقیاس سازمانی پتانسیل تغییر عملیات بالادستی نفت و گاز را دارد و اجرای موفقیت آمیز، نیاز به توجه به یکپارچهسازی دادهها، توسعه، استقرار و نگهداری تعداد زیادی از مدل های یادگیری و تخصص ترکیبی در علم داده در حوزه نفت و گاز دارد.
دانلود فایل PDF و مشاهده عناوین ماهنامه ” اقتصاد دیجیتال” شماره ۱۴، آبان ماه۱۴۰۰
یوسف موسایی، کارشناس حوزه انرژی، در گفتوگو با خبرنگار جهان اقتصاد اظهار کرد: اولین پیش نیاز برای بهینهسازی تولید دسترسی به دادهها از منابع مختلف مانند دادههای چاه، دادههای تولید، دادههای مدل سازی مخزن، دادههای زیرساخت میدانی و دادههای برنامهریزی مالی و اقتصادی برای کسب و کار تولید است.
وی تصریح کرد: در مورد اندازهگیری مجازی مبتنی بر هوش مصنوعی، دادهها باید شامل تمام اندازهگیریهای باشد که میتوانند بهعنوان ویژگیهای ورودی و نتایج آزمایش چاهی استفاده شوند که بهعنوان مقادیر هدف برای آموزش مدلها استفاده میشوند و برای یک میدان نفت و گاز معمولی، این دادهها باید برای بسیاری از چاهها در دسترس باشد که شامل چندین چاه تولید می شود .
وی با اشاره به اینکه تعداد چاهها برای یک برنامه بهینه سازی تولید به راحتی می تواند از صدها تا هزاران باشد گفت: سازماندهی و یکپارچه سازی تمام منابع داده لازم برای ساخت یک مدل بهینه سازی تولید نیازمند یک دریاچه ای از داده است و این دادهها از تجربیات قبلی شرکتهای نفت و گاز استخراج میشود و سرعت عمل تولید را به وسیله دسترسی سریع و قابل اعتماد به همه منابع داده افزایش می دهد .
موسایی با بیان اینکه ایجاد و نگهداری مدلهای یادگیری برای ماشین آلات صنعتی فعال در حوزه بالادستی با استفاده از هوش مصنوعی گفت: توسعه یک مدل یادگیری ماشین یک فرآیند بسیار تکراری است و معمولاً به تخصص حوزه، کاوش دقیق منابع داده و آزمایش با مجموعههای مختلف ویژگی، تکنیکهای یادگیری و مدلهای یادگیری نیاز دارد و مدیریت صدها یا هزاران ماشین آلات صنعتی فعال در حوزه صنایع بالا دستی یک کار چالش برانگیز است.
جهت مشاهده و دانلود ماهنامه ” اقتصاد دیجیتال” اینجا کلیک نمایید.
وی با اشاره به اینکه ابتدا هر مدلی نیاز به آموزش و تنظیم پارامترها تخصصی خاص خود را دارد خاطرنشان کرد: هنگامی که این مدل ها آموزش داده می شوند باید برای تولید مداوم پیش بینیها و ریسکهای تولید دیده شود و این خروجیها باید تداوم داشته باشند تا از ایجاد خطا در سیستم جلوگیری شود و در نهایت کیفیت پیشبینیها باید به طور مستمر پایش شود و مدلها بروز شده با مدلهای قدیمی جایگزین شوند و انجام این وظایف در مقیاس مورد نیاز در سطح میدان، چالشهای فنی زیادی را به همراه دارد.
به اعتقاد وی بهینهسازی تولید یکی از الزامات اصلی در صنعت نفت و گاز است که نیازمند استقرار هوش مصنوعی در صنایع بالادستی است این هوش مصنوعی یک مدل داده قابل توسعه را به شرکت های نفت و گاز ارائه می دهد که می تواند روابط بین تمام داراییها و اندازهگیریهای کلیدی در یک میدان نفت و گاز مدل سازی کرد در این مدل داده از پیش تعریف شده و پس از پیکربندی مدل بر اساس شرایط میدان میتوان به آسانی از این طریق به تمام دادههای استاتیک و زمانی مربوط به یک میدان دسترسی موثر داشت.
وی خاطرنشان کرد: پیچیدگی استقرار و مدیریت مدل هوش مصنوعی نیز ساده شده است و با استفاده از نرم افزارهای پیشرفته میتوان هزاران مدل را به طور همزمان پردازش یا تنظیم کرد و کاربر می تواند دادههای مورد استفاده را پیکربندی کند و یک اپراتور میتواند مشخص کند که آیا برای یک نوع کنتور مجازی ( نرخ تولید گاز) داده های آموزشی باید بین همه چاهها به اشتراک گذاشته شود یا به صورت جداگانه برای هر چاه جمع آوری شود .
بیشتر از کاربرد فناوری های هوشمند بخوانیم:
- آشنایی با مفاهیم انقلاب صنعتی چهارم (۴.۰ Industry)
- آشنایی با مفاهیم انقلاب صنعت چهارم (بخش دوم)؛ فناوریها، نتایج و آینده تولید
- توسعه پایدار با پیشرفتهای انقلاب صنعتی چهارم (۴.۰ Industry)
- ۵ فناوری مدرن و تاثیرگذار برای تولیدکنندگان صنعتی
- ۵ دلیل برای پیادهسازی فناوری IIoT در کارخانهها
اگرچه برنامههای کاربردی هوش مصنوعی می توانند پیچیدگی بهینه سازی تولید را ساده کنند اما تخصص نقش مهمی در استقرار موفقیت آمیز سیستم دارد و شناسایی مجموعههای دادهای که بیشترین اطمینان و اعتماد را توسط مهندسان و تکنسینهای میدانی دارند انتخاب مدل برنامه ریزی را تا حد زیادی تسریع میکند و این فرآیند مستلزم کمک کارشناسان حوزه نفت و گاز است .
موسایی می گوید: همچنین عملیات و رویههای خاصی وجود دارد که برای هر زمینه خاص است و تشخیص آن بدون آشنایی و درک عمیق دامنه ممکن است دشوار باشد در نهایت کارشناسان می توانند پیش بینی ها و قابلیت توضیح مدلهای مورد استفاده در بهینه سازی تولید را تأیید کنند و این مرحله نهایی برای اطمینان از اینکه برنامه به درستی پیکربندی شده و به عنوان بخشی از سیستم تولید یکپارچه شده است، حیاتی است.
وی در پایان اظهار داشت: هوش مصنوعی در صنایع بالادستی نفت و گاز با استفاده از تخصص علم داده و درک عمیق از فناوری در تولید بهینه انرژی برای شرکت های نفت و گاز به کار گرفته می شود .
منبع: جهان اقتصاد