هوش مصنوعی ثابت کرده است که یک توانمندساز واقعی برای پروژههای نفت و گازی با ارائه کاربردهای متعدد است. چند مورد استفاده قابل توجه و زمینههای کاربردی در این مطلب ارائه میشود.
هوش مصنوعی به معنای واقعی کلمه یک معدن طلا برای رهبران اکتشاف نفت و گاز است. به عنوان مثال، اکسونموبیل[۱] قصد دارد از ربات هوش مصنوعی در اعماق دریا برای افزایش قابلیتهای تشخیص نشت طبیعی خود استفاده کند. رباتهای مجهز به هوش مصنوعی اکسونموبیل به اندازه کافی قادر به تشخیص این نشت نفت هستند که در نهایت خطر اکتشاف و متعاقب آن آسیب به جانداران دریایی را کاهش میدهد.
پلتفرمهای هوش مصنوعی برای بررسی دادههای ژئوفیزیک زیرسطحی، نقشهبرداری دقیق ذخایر نفتی زیرزمینی استفاده میشوند. این فرآیند در نهایت ارزش دقیق مخزن را ارائه میدهد و روشهای حفاری را کارآمدتر میکند.
توقفهای برنامهریزینشده میلیون ها دلار در یک روز برای سکوهای نفت و گاز در صورت خرابی فاجعه بار هزینه دارد.
یکی از بزرگترین شرکتهای نفت و گاز، با استفاده از هوش مصنوعی، توانایی خود را در پیشبینی فروپاشی چاهها قبل از وقوع، کاهش میزان تعمیرات و نگهداری، بهرهبرداری مؤثر از چاهها و افزایش عمر باقیمانده آنها افزایش داد. آنها چطور این کار را کردند؟ مهندسان کارخانه یک سیستم چراغ راهنما ساختند که آنها را از ریسکهای آتی سقوط یک چاه آگاه میکرد. این آنها را قادر میسازد تا مکانیسمی را برای کاهش زمان خرابی در محل داشته باشند. استفاده از دستیارهای مجهز به هوش مصنوعی به این کارخانه کمک کرد تا زمان احیای چاه را تا ۸۳ درصد کاهش دهد و هزینه سوخت جایگزین ۲۰۰۰۰ دلار برای هر چاه در روز کاهش یابد.
پروژههای نفتی دارای مشکلاتی مثل افزایش هزینهها و برنامهریزی هستند. این را میتوان تا حدی به تاخیرهای آب و هوایی، محدودیت منابع و ریسکهای برنامهریزی نسبت داد. پیچیدگی مشکل به دلیل تعداد زیادی از فعالیتهای وابسته به هم، مانند حفاری و نصب سکو، که معمولاً در دوره ایجاد توسعه میدان نفتی دخیل است، بیشتر میشود. بنابراین یافتن مدلهای برنامهریزی که این مؤلفههای متقابل و ریسکهای مرتبط در پروژهها را در نظر میگیرد، ضروری میشود.
به عنوان مثال، یک برنامه مبتنی بر هوش مصنوعی اپراتورها را قادر میسازد تا ضمن بهینهسازی تولید، از خرابی پمپهای شناور الکتریکی (ESP) جلوگیری کنند. پلتفرمهای مبتنی بر ابر به اپراتورها دسترسی به نرمافزارهای تحلیلی پیشرفته با الگوریتمهای هوش مصنوعی را فراهم میکنند که دادههای دریافتی را برای ناهنجاریها تجزیه و تحلیل مینمایند و در نهایت نشاندهنده مشکل پیشرو در تجهیزات مورد بررسی است.
مدیریت دارایی، از جمله نظارت و نگهداری آن، برنامهریزی پروژه و مدیریت چرخه حیات، یکی از حیاتیترین حوزههایی است که فناوری دوقلوهای دیجیتال میتواند نقشی حیاتی ایفا کند.
در چنین سناریویی، دوقلوهای دیجیتال، شرکتهای نفت و گاز را قادر میسازد تا به چالشهایی از جمله عدم تعادل تولید، تغییرات سریع در شرایط اقتصادی جهانی مانند همهگیری کرونا و مسائل مربوط به قابلیت اطمینان تجهیزات رسیدگی کنند. برای پاسخگویی در این زمانهای شلوغ و تا حدودی آشفته، شرکتهای نفت و گاز به سیستمهایی با قابلیت مشاهده و انعطافپذیری آنی که دوقلوهای دیجیتالی فراهم میکنند، نیاز دارند.
یکی از چالشهایی که شرکتهای نفت و گاز با آن مواجه هستند، تشخیص بندکشی نامناسب در خطوط لوله یا نقص در فرآیندهای حساس به خطا است. عیوب مشاهده شده در انتهای خط تولید ناشی از مسائل بالادستی، زیان قابل توجهی را به منابع کارخانه و بودجه وارد میکند.
برای این منظور، هوش مصنوعی میتواند به اعتبار بخشیدن به کیفیت تولید کمک کند و بینش عمیقی در مورد نقص در تجزیه و تحلیل ارائه دهد. راهحلهای تشخیص نقص مبتنی بر هوش مصنوعی مقرون به صرفه هستند.
تشخیص الگو با استفاده از یادگیری عمیق به پخشهای ویدئویی ضبطشده با دوربین اجازه میدهد در صورتی که کارمند لباس کافی برای عملیاتها را نپوشیده باشد، هشدار دهند. علاوه بر این، تجزیه و تحلیلهای پیشبینانه به اپراتورها در مورد وضعیت سلامت تجهیزات هشدار میدهد و اقدامات پیشگیرانه را برای جلوگیری از یک فاجعه با پیامدهای سلامت، ایمنی و محیطزیست امکانپذیر میکند.
شرکت زیمنس اعلام کرد که نزدیک به ۷۰ درصد از سازمانهای نفت و گاز دچار مشکلات امنیتی شدهاند. نظرسنجی جهانی وضعیت امنیت اطلاعات پیدبلیوسی[۲] نشان داد که ۴۲ درصد از شرکتهای انرژی پذیرفتهاند که قربانی حملات فیشینگ شدهاند.
افزایش تعداد حملات فیزیکی و سایبری و هزینههای امنیتی آن، نیاز به ابزارهای هوش مصنوعی را برای رمزگذاری سیستم کاری جهت امنیت شرکت ضروری کرده است. دوربینهای ویدئویی به عنوان حسگر به نظارت بر تهدیدات امنیتی در شرکتها در تمام طول روز کمک میکنند.
عملیات در میادین نفتی خطراتی را برای پرسنل به همراه دارد چون شامل تجهیزات سنگین، تجهیزات چرخشی بدون پوشش، عملیات فشار بالا، دمای بالا و مواد شیمیایی است. بسیاری از سیستمهای فناوری اطلاعات مبتنی بر یادگیری عمیق به ماموران ایمنی کمک میکنند تا مشکلات پروتکلهای ایمنی را شناسایی کنند.
«داده نفت جدید است» اصطلاحیست که این روزها بسیار مورد استفاده قرار میگیرد، و در مورد نفت و گاز، یک استعاره عالی است. کسبوکارهای نفت و گاز با دادههای زیادی که از فرآیندهای تولید میآیند سروکار دارند. با این حال، به دلیل فقدان ابزارهای تحلیلی مناسب، آنها نمیتوانند از دادههای عظیم موجود در سیلوهای داده استفاده کنند. الگوریتمهای هوش مصنوعی جریانهای دادههای مختلف را از حسگرها و ماشینآلات متعدد، گیاهان مختلف یا کل دادههای علوم زمین بررسی میکنند و تجزیه و تحلیلهای آنی را برای تولید ایدههای منطقی بر اساس نیازهای کسبوکاری ارائه میدهند.
طبق گزارش مکنزی، چندین شرکت نفت و گاز قبلاً اهدافی در جهت انتشار صفر را تعیین کردهاند. با وجود چالشهای اقتصادی، بسیاری از شرکتها در تلاش هستند تا عملیات و زنجیره ارزش خود را کربنزدایی کنند.
تولیدکنندگان نفت همچنین در حال استقرار نرمافزار هوش مصنوعی برای پیگیری حجم انتشار گازهای گلخانهای فراری هستند که از خطوط لوله و تجهیزات میدان نفتی خارج میشوند. شرکتهای نفتی بالادستی نیز از هوش مصنوعی برای بهینهسازی ذخیرهسازی دیاکسیدکربن برای بهبود بازیابی نفت استفاده میکنند.
زنجیره تامین در بخش نفت و گاز یک عملیات پیچیده است که شامل گرههای تصمیمگیری مانند خرید نفت خام، قیمت خرید، حمل و نقل به پالایشگاه، عملیات پالایش، عملیات زیربشکهای و خردهفروشی محصولات نهایی است. هوش مصنوعی همچنین به هماهنگ کردن تیم عملیات با انبار کمک میکند تا از در دسترس بودن قطعات حیاتی اطمینان حاصل شود.
هوش مصنوعی همچنین میتواند از برنامهریزی و اجرای مناسب، انتخاب مسیر بهینه و غیره پشتیبانی کند. در مقابل، به پالایشگاهها کمک میکند ترکیب بهینه، پیشبینی تقاضا، تخمین قیمتها و بداههسازی روابط با مشتری را برنامهریزی کنند. به طور خلاصه، هوش مصنوعی به شرکتهای نفت و گاز در پیشبینی قیمت بازار نفت خام و محصولات نهایی، برنامهریزی و زمانبندی مناسب، امکان بهینهسازی سبد نفت خام، ایجاد انبار هوشمند، نگهداری موجودیها، مدیریت عملیات حمل و نقل، پوشش ریسک و بهبود زمان تحویل و کاهش هزینههای کلی کمک میکند.
زمانی که موجودی از تقاضا عقب بماند، شرکتها متحمل ضرر میشوند. هوش مصنوعی به افزایش کارایی در برنامهریزی شبکه و پیشبینی تقاضا کمک میکند و به تاجران اجازه میدهد فعالتر شوند. از آنجایی که شرکتهای نفت و گاز بیشتر و بیشتر به الگوهای تقاضا دسترسی پیدا میکنند، میتوانند با تنظیم تعداد وسایل نقلیه و هدایت آنها به مکانهایی که حداکثر تقاضا در آنها مورد انتظار است، برای عرضه یکپارچه برنامهریزی کنند. این منجر به کاهش هزینههای عملیاتی میشود.
فناوری هوش مصنوعی به حسگرهایی با کابل فیبر نوری اجازه میدهد تا اطلاعات دیجیتالی در مورد دما، فشار و سایر شرایط میدانی را به مراکز کنترلی که مهندسان به طور مداوم تولید را نظارت میکنند و تصمیمگیری سریع در مورد بهترین روش/فرآیند استخراج نفت و گاز میگیرند، منتقل کنند. علاوه بر این، این فناوریها به فعال کردن شیرهای زیرزمینی به صورت الکترونیکی برای مدیریت بهتر جریان روغن کمک میکنند.
[۱] ExxonMobil
[۲] PwC
صنعت ۴٫۰ (انقلاب صنعتی چهارم) چیست؟
نگاهی اجمالی به انقلاب صنعتی پنجم
توصیه هایی برای تدوین استراتژی صنعت ۴٫۰ (انقلاب صنعتی چهارم)