هوش مصنوعی در مسیر انقلابی تاثیر بر صنایع مختلف، در حوزه نفت و گاز نیز تغییرات بسیار گسترده‌ای را ایجاد کرده است. با استفاده از این فناوری در بخش‌های مختلف اکتشاف و تولید، فرآوری و توزیع در جهان باعث شده است که شرکة های فعال در این زمینه با بهینه‌سازی عملیات خود، هزینه‌ها را کاهش داده و سودآوری را افزایش دهند. طبق آمار اخیر جهانی در حال حاضر ۴۴ درصد از شرکت‌های اکتشاف و تولید و در بخش پایین دستی این صنعت نیز ۴۱ درصد شرکت‌ها از هوش مصنوعی استفاده می‌کنند. مابقی نیز در حال پیاده‌سازی آن در بخش‌های مختلف عملیات خود هستند. در این مطلب با تمرکز بر مثال‌های واقعی نقش این فناوری در بخش پایین‌دستی صنعت نفت و بویژه حمل و توزیع فرآورده‌ها می‌پردازیم.
کاربردهای مهم هوش مصنوعی در صنعت نفت و گاز
هوش مصنوعی به‌سرعت در حال تبدیل شدن به مهم‌ترین دارایی‌هایی شرکت‌های فعال در بخش نفت و گاز اشت. پشتیبانی از تصمیم‌گیری‌های هوشمندانه، تعمیر و نگهداری پیش‌بینانه، ارتقای استانداردهای ایمنی، کاهش اثرات زیست‌محیطی و بهینه‌سازی عملیات استخراج از مهم‌ترین این موارد است.
نگهداری پیش‌بینانه و پایش تجهیزات
در صنعت نفت و گاز تجهیزات پیچیده‌ای مانند پمپ، توربین و کمپرسور وجود دارد که خرابی هر یک حین عملیات منجر به هزینه‌های سنگین بابت توقف‌های برنامه‌ریزی نشده و تعمیر آن‌ها می‌شود که در نهایت بر بهره‌وری تولید نفت و گاز نیز تاثیر دارد. با استفاده از سیستم‌های هوش مصنوعی و یادگیری ماشینی، داده‌های دریافتی از حسگرهای نصب شده روی تجهیزات در لحظه تحلیل می‌شوند. این حسگرها با ارزیابی متغیرهایی مانند دما، لرزش و فشار وارده بر ماشین‌آلات حفاری داده‌ها را پردازش می‌کنند و در صورت عبور آن‌ها از محدوده مجاز هشدار لازم پیش از وقوع خرابی را به مدیر عملیات اطلاع می‌دهد. شناسایی این هشدارها عامل اصلی تعمیرات پیشگیرانه و جلوگیری از خرابی تجهیزات حین عملیات است.
بهینه‌سازی مصرف سوخت و انرژی
هوش مصنوعی به حد چشمگیری شیوه‌های مدیریت مصرف انرژی و سوخت خودروهای توزیع را تحت تاثیر قرار می‌دهد. پایش لحظه‌ای مصرف سوخت در بخش‌های مختلف و مقایسه آن با روند مصرف در گذشته به مدیران در شناسایی فرصت‌های کاهش مصرف کمک می‌کند. سیستم‌های هوشمند طراحی شده بر این اساس با توجه به شرایط عرضه و تقاضای فعلی، میزان مصرف انرژی و سوخت را تنظیم می‌کنند تا استفاده از انرژی در شرکت بهینه شود. موضوعی که به‌صورت مستقیم بر کاهش هزینه‌ها تاثیر می‌گذارد.
بهینه‌سازی حفاری
حفاری برای استخراج نفت به دلیل پیچیدگی‌های زمین‌شناسی فرایندی پر خطر و هزینه‌بر است. با استفاده از هوش مصنوعی می‌توان حجم زیادی از داده‌های زمین‌شناسی را به شکل سریع و دقیق تحلیل کرد تا مناسب‌ترین مکان حفاری و موثرترین روش استخراج منابع مشخص شود. مدل‌های یادگیری ماشینی در این سیستم‌ها، داده‌های دریافتی از لرزه‌نگاری، فعالیت‌های حفاری گذشته و عملیات لحظه‌ای را پردازش می‌کنند تا دید اجرایی دقیقی را در اختیار مدیر عملیات قرار دهد. به این شکل بهره‌وری عملیات افزایش یافته و ریسک‌هایی مانند فوران نفت یا زمین‌گیر شدن تجهیزات در محل به حداقل برسد.
مدیریت مخزن و اکتشاف
در روش‌های قدیمی، شناسایی ذخایر نفت و گاز با تحلیل‌های ژئوفیزیکی و ژئوشیمیایی پیچیده انجام می‌گرفت که بسیار وابسته به تحلیل شخصی کارشناسان بود. اما امروزه هوش مصنوعی با ارزیابی سریع‌تر و دقیق‌تر عملیات را مستقل از نیروی انسانی بهینه می‌کند. همچنین این فناوری با بررسی داده‌های گذشته و حسگرهای لحظه‌ای در مخازن نفت رفتار آن‌ها را تحت شرایط مختلف محیطی ارزیابی می‌کند. به این شکل شرکت‌ها قادر خواهند بود اندازه دقیق و میزان بهره‌وری ذخایر را تخمین بزنند و تصمیم‌های هوشمندانه‌تری در حوزه اکتشاف و استخراج بردارند.
ارتقای کارآیی زنجیره تامین
مدیریت زنجیره تامین در بخش نفت و گاز از تامین مقرون به صرفه مواد و تجهیزات تا تحویل به موقع فرآورده‌ها را شامل می‌شود. هوش مصنوعی به شرکت‌های فعال در این بخش کمک می‌کند تا زنجیره تامین خود را از طریق پیش‌بینی به موقع تقاضا، نظارت بر موجودی و هماهنگی لجستیک ساده‌سازی کنند. ارزیابی داده‌های گذشته عرضه و تقاضا، شرایط آب و هوایی و سایر متغیرهای تاثیرگذار بر این عملیات نیاز به تدارکات در سایت‌های مختلف عملیاتی را پیش‌بینی می‌کنند. این وضعیت به شرکت‌ها کمک می‌کند تا سطح موجودی خود را در حد بهینه حفظ کرده و از اختلال احتمالی در فرایندها جلوگیری کنند. هوش مصنوعی همچنین از طریق تعیین بهینه مسیرهای حمل و نقل نفت و گاز با توجه به شرایط جاده و ترافیک احتمالی ضمن کمک به تحویل به موقع محموله، مصرف سوخت را نیز کاهش دهد.
تحلیل دقیق بر پایه داده‌های واقعی
به شکل سنتی تصمیم‌گیری در خصوص تخصیص منابع، مدیریت ریسک، تحلیل بازار و رقبا یا حتی فعالیت‌های مدیریت منابع انسانی بر پایه تحلیل‌ها دستی کارشناسان و قضاوت‌های فردی آن‌ها است. هر چند این رویکرد با توجه به تجربه پرسنل فرایندی با اهمیت است، اما در بسیاری موارد حجم بالای داده‌های در اختیار کارشناسان امکان تحلیل دقیق و بررسی روندها با استفاده از داده‌های گذشته را با خطا مواجه می‌کند و دقت تحلیل را پایین می‌آورد. اما با استفاده از سیستم‌های مبتنی بر هوش مصنوعی تحلیل داده‌ها با حجم زیاد و روند نوسانات آن در گذشته به‌راحتی تحلیل می‌شوند. بنابراین مدیران قادر خواهند بود تصمیم‌گیری‌های هوشمندانه‌تر و آگاهانه‌تری را انجام دهند. به‌عنوان مثال با استفاده از این فناوری می‌توان قیمت نفت را با توجه به شرایط بازار تحلیل و پیش‌بینی کرد و بر اساس آن عوامل اثرگذار موثر بر تولید و اکتشاف در فرایندهای داخلی را مشخص کرد.
پیشبرد عملیات با وسایل نقلیه خودران
هوش مصنوعی هسته اصلی کاربرد فزاینده وسایل نقلیه و تجهیزات خودران در صنعت نفت و گاز است. پهپادها و خودروهای خودران مورد استفاده برای نظارت بر سایت‌های دورافتاده استخراج، بازرسی زیرساخت‌ها و حمل تدارکات همگی در جهت بهینه‌سازی عملیات هستند. پهبادهای مجهز به هوش مصنوعی می‌توانند خطوط لوله، پالایشگاه‌ها و دکل‌های نفتی را از لحاظ خطرات ایمنی که ممکن است از دید انسان پنهان بماند بررسی کنند. خودروهای بدون راننده (خودران) نیز برای جابجایی تجهیزات، ابزار و افراد به مکان‌های صعب‌العبور کاربرد دارند. به این شکل با کاهش وابستگی به رانندگان، هزینه‌های عملیاتی کاهش یافته و ایمنی محیط فعالیت افزایش می‌یابد. ضمن اینکه کاهش اثرات زیست‌محیطی این موضوع نیز قابل توجه است.
برنامه‌ریزی جذب نیروی کار ماهر
سیستم‌های مبتنی بر هوش مصنوعی، با تحلیل داده‌های پرسنل، برنامه پروژه‌ها و روندهای صنعت، تقاضای نیروی کار را پیش‌بینی می‌کنند. سپس با توجه به این تقاضا و شناسایی شکاف‌های مهارت یدر شرکت، فرایند جذب نیروی ماهر برای استخدام در بخش مربوط را ساده‌سازی می‌کننند. این تحلیل باعث می‌شود که نیروی ماهر و متخصص همتراز با نیازهای عملیاتی شرکت جذب و مشغول به کار شوند.
کاهش اثرات زیست محیطی فرایندهای استخراج و تولید
در حال حاضر سیستم‌های هوش مصنوعی ابزاری حیاتی در جهان برای به حداقل رساندن پسماندها در صنایع مختلف هستند. این فناوری با تحلیل لحظه‌ای داده‌های زیست محیطی فرایندهای نفت و گاز می‌تواند نقاطی که دارای انتشار یا نشت بیش از اندازه به محیط زیست دارند را شناسایی کند. به عنوان مثال نشت متان از خطوط لوله یا سکوها ینفتی را ردیابی کرده و به اپراتورها بالاتر رفتن از سطح مجاز ایمنی را هشدار می‌دهند. بنابراین مدیران عملیات با واکنش سریع نسبت به این موضوع قادر هستند تا چالش پیش آمده را رفع کنند.
مثال‌های پیاده‌سازی سیستم‌های هوش مصنوعی در شرکت‌های بین المللی نفت و گاز
روند رو به رشد هوش مصنوعی در صنعت نفت و گاز به شکلی است که بسیاری از شرکت‌های بزرگ بین‌المللی این حوزه از مزایای آن در فعالیت‌های خود استفاده کرده‌اند. در ادامه مطلب، پنج مورد از این شرکت‌ها را بررسی می‌کنیم:
شرکت Shell
مهم‌ترین کاربرد این شرکت از هوش مصنوعی در فعالیت‌های تعمیر و نگهداری تجهیزات است. طبق گزارشی که شرکت شل منتظر کرده است، با ویژگی پیش‌بینانه هوش مصنوعی، هزینه‌های نگهداری تجهیزات ۲۰ درصد کاهش یافته و صرفه‌جویی ۲ میلیارد دلاری از آن به‌دست آمده است. این رقم برای شرکت شل که معمولا حدود ۱۰ میلیارد دلار صرف نگهداری تجهیزات خود می‌کند، بسیار چشمگیر است.
شرکت ExxonMobil
شرکت اکسون موبیل الگوریتم‌های هو شمصنوعی را برای بهینه‌سازی استراتژی‌های معاملات انرژی خود استفاده می‌کند. الگوریتم‌های مبتنی بر هوش مصنوعی داده‌های بازار، روندهای قیمتی و شاخص‌های جهانی عرضه و تقاضا را بلافاصله تحلیل می‌کنند. به این شکل شرکت قادر خواهد بود تصمیمات معاملاتی را سریع‌تر انجام دهد. این روند باعث شده که اکسون مبیل با بهینه‌سازی زنجیره تامین خود صرفه‌جویی ساختاری ۹.۷ میلیارد دلاری داشته باشد. طبق هدفگذاری شرکت، انتظار می‌رود این مقدار در آینده به ۱۵ میلیارد دلار برسد.
شرکت BP
شرکت بریتیش پترولیوم از الگوریتم‌های هوش مصنوعی برای تفسیر داده‌های لرزه‌ای در فرایند اکتشاف خود استفاده می‌کند. با این کار زمان تفسیر داده‌ها تا ۹۰ درصد کاهش یافته و طول مدت آن از چند ماه به چند روز رسیده است. همچنین دقت کار در شناسایی ناهنجاری‌های فشار زیر سطحی با هوش مصنوعی به ۹۸ درصد افزایش یافته که این موضوع امکان سریع‌تر حفر چاه را فراهم می‌کند. شرکت BP با به‌کار بردن فناوری هوش مصنوعی میزان تولید سالانه خود را ۴ درصد افزایش داده است. همچنین توقف‌های پیش‌بینی نشده عملیات نیز تا ۱۰ درصد کاه شیافته است که خود تاثیر بالایی بر هزینه‌های اکتشاف دارد.
شرکت توتال
شرکت توتال از قابلیت‌های هوش مصنوعی برای کاهش انتظار گاز متان در عملیات خود استفاده می‌کند. ادغام این فناوری در پهبادها و تصاویر ماهواره‌ای، دقت تشخیص نشت گاز را در موقعیت‌های اکتشافی شرکت افزایش داده است. بر همین اساس شرکت توتال اثرات زیست محیطی فعالیت‌های خود در سال ۲۰۲۳ را تا ۴۷ درصد کاهش داد. طبق هدفگذاری‌های انجام شده تمرکز بر انتشار صفر آلایندگی زیست محیطی در درازمدت با توجه به هوش مصنوعی در برنامه‌های شرکت قرار دارد.
جمع‌بندی
هوش مصنوعی دیگر یک ابزار کمی در فرایندهای استخراج و توزیع نفت و گاز نیست. این فناوری هم اینک نیز تحولی بنیادی در شرکت‌های فعال در این حوزه ایجاد کرده است و سودآوری قابل توجه آن به همراه کاهش هزینه‌ها کاربرد بیشتر سیستم‌های مبتنی بر هوش مصنوعی را ضروری می‌سازد. در حقیقت این فناوری برای شرکت‌های نفت و گاز یکی از ابزارهای مهم در صحنه رقابت و رفع چالش‌ها است. در صورت تمایل شرکت پیشگامان آسیا آمادگی دارد با توجه به پتانسیل خود در نرم افزارهای مدیریت حمل و نقل و نگهداری پیش‌بینانه تجهیزات، کلیه شرکت‌های فعال در حوزه نفت و گاز را در مسیر استفاده از سیستم‌های هوش مصنوعی همراهی کند.
مرجع
