جمع‌آوری داده از OT و انتقال به IT چالش هوشمندسازی صنایع بزرگ است

به گزارش پیوست؛ در صنعت بزرگی مثل نفت بخش عمده‌ای از داده‌های حیاتی در محیط‌های عملیاتی و اغلب دورافتاده تولید می‌شوند. اما به دلیل نبود زیرساخت ارتباطی مناسب، بخش زیادی از این اطلاعات هرگز به لایه‌های بالادستی و تحلیلی منتقل نمی‌شوند. برای رفع این چالش، استفاده از فناوری‌هایی مانند LoRa و پروتکل‌های سبک در مناطق دور از دسترس، بهره‌گیری از شبکه‌های پایدار در بخش‌های کارخانه‌ای و پایین‌دستی، می‌تواند زمینه‌ساز جریان مستمر داده و تصمیم‌گیری‌های دقیق‌تر مدیریتی و فنی شود.

افزایش بهره‌وری با هوش مصنوعی و اتوماسیون در صنعت نفت

جواد امرایی، معاون مدیر پژوهش و فناوری شرکت ملی نفت ایران گفت: هدف اصلی صنعت نفت، حرکت به‌سوی افزایش بهره‌وری و کاهش هزینه‌هاست. فناوری‌هایی چون اینترنت اشیا صنعتی و تحلیل داده‌های کلان، ابزارهای کلیدی در این مسیر هستند که امکان تحلیل رفتار سیستم‌ها و تصمیم‌گیری دقیق‌تر را فراهم می‌کنند.

امرایی تأکید کرد: در محیط‌های پرخطر، مانند میادین نفتی، پردازش سریع داده‌ها و استفاده از سیستم‌های کنترل از راه دور نه‌تنها باعث افزایش ایمنی می‌شود بلکه نیاز به حضور فیزیکی را نیز کاهش می‌دهد. همچنین یکی از پرهزینه‌ترین بخش‌ها، حفاری است که با حرکت به سمت اتوماسیون و مدل‌سازی مخازن، می‌توان خطاها را به حداقل رساند و پیش‌بینی‌های دقیق‌تری ارائه کرد.

او توضیح داد: با بهره‌گیری از هوش مصنوعی در پایش تجهیزات و مدیریت انرژی، می‌توان زمان توقف عملیات را تا ۳۰ درصد کاهش و بهره‌وری را به‌طور متوسط ۱۵ درصد افزایش داد. امرایی اضافه کرد: چالش‌هایی مانند هزینه‌بر بودن پیاده‌سازی فناوری در تمامی تأسیسات و کمبود نیروی انسانی متخصص، نیازمند مدیریت یکپارچه و تصمیم‌گیری هماهنگ در سطح کلان هستند.

معاون مدیر پژوهش و فناوری شرکت ملی نفت ایران گفت: در حوزه امنیت سایبری و استقلال فناوری باید برنامه‌ریزی جدی صورت گیرد، چراکه وابستگی به خارج در بخش‌های حیاتی امنیتی، می‌تواند خطرآفرین باشد.

چالش همگرایی OT و IT در صنعت نفت

امید زاده‌باقری، رئیس مرکز مانیتورینگ و تحلیل داده شرکت ملی نفت ایران گفت: تحول دیجیتال زمانی معنا پیدا می‌کند که داده‌های عملیات در دسترس باشند؛ بدون این داده‌ها، هوش مصنوعی عملاً بی‌اثر خواهد بود.

او گفت: در صنعت نفت، برخلاف حوزه‌هایی مثل بانک یا بیمه، اصل ماجرا در میدان و عملیات است. داده‌های واقعی، در تجهیزات، در اتاق‌های کنترل، در سیستم‌های OT تولید می‌شود.

به گفته زاده‌باقری: واقعیت این است که اگر داده‌های OT را وارد جریان تحلیل نکنیم، عملاً از ۹۰ درصد پتانسیل بی‌خبریم. زیمنس هم گفته: ۹۰ درصد داده‌های صنعتی در لایه OT تولید می‌شوند، اما ۷۰ درصدشان حتی یک‌بار هم وارد IT نمی‌شوند. در بسیاری از سازمان‌ها، سیستم‌های IT و OT به موازات هم جلو رفته‌اند، اما همگرایی نداشته‌اند. حالا وقت آن است که این دو دنیا به هم برسند؛ چون ارزش واقعی داده، زمانی آزاد می‌شود که به‌صورت یکپارچه تحلیل شود.

او گفت: در صنعت نفت، سیستم‌هایی داریم که ۳۰ یا ۴۰ سال است کار می‌کنند. اما حالا در عصر Industry 4.0، باید فناوری‌های مدرنی مثل IoT، Edge Computing، و AI را به این ساختارها وصل کنیم. یعنی هم‌افزایی سنت و نو. این یک تغییر ساختاری است، نه صرفاً تکنولوژیک. امروز می‌توان از دفتر مرکزی به داده‌های سنسور در یک میدان دورافتاده دسترسی داشت. اما این نیازمند نقشه راه، استاندارد، و معماری درست است.

رئیس مرکز مانیتورینگ و تحلیل داده شرکت ملی نفت ایران گفت: صنعت نفت از زنجیره‌ای پیچیده تشکیل شده است: از چاه‌ها در مناطق دورافتاده تا پلنت‌ها و نهایتاً مصرف‌کننده نهایی. در میدان‌های نفتی، زیرساخت ارتباطی وجود ندارد و باید از فناوری‌هایی چون LoRa، Narrowband و OBCU استفاده کرد. در پلنت‌ها زیرساخت کابلی موجود است و امکان استفاده از پهنای باند مناسب فراهم است. در پایین‌دست، کنترل هوشمند و پاسخ سریع اهمیت دارد.

او اشاره کرد: راهکار نهایی، استانداردسازی و انتخاب فناوری مناسب برای هر لایه است. پراکندگی ابزارها، مانع بهره‌برداری اثربخش می‌شود. از پژوهشگران و دانشجویان دعوت می‌کنیم تا به‌جای طرح‌های انتزاعی، پروپوزال‌هایی مبتنی بر نیازهای واقعی صنعت ارائه دهند.

تحول دیجیتال در نفت؛ از حکمرانی داده‌محور تا مقابله با چالش‌های زیرساختی و منابع انسانی

محمد شجاعی‌نیا، معاون امنیت فضای مجازی و قائم‌مقام اداره‌کل توسعه فناوری و امنیت اطلاعات وزارت نفت گفت: صنعت نفت و گاز با چالش‌های زیست‌محیطی، ناترازی انرژی، ناکارآمدی در مصرف سوخت و کمبود سیستم‌های هوشمند اندازه‌گیری مواجه است. این مشکلات، در کنار نبود زیرساخت‌های دیجیتال و نیروی انسانی متخصص، ضرورت حرکت به‌سوی فناوری‌های نوین را آشکار می‌کند.

او تأکید کرد: یکی از ضعف‌های کلیدی، در مدیریت داده‌هاست؛ از جمع‌آوری و پردازش گرفته تا تحلیل‌های پیش‌بینی و تصمیم‌سازی. بدون زیرساخت‌های یکپارچه و امنیت سایبری، امکان بهره‌گیری مؤثر از داده‌ها وجود ندارد.

او توضیح داد: تحول دیجیتال نه یک انتخاب، بلکه مسیری اجتناب‌ناپذیر برای پایداری صنعت است. فناوری‌هایی مانند هوش مصنوعی می‌توانند با تحلیل‌های پیشرفته، تحول بنیادینی در ساختارهای عملیاتی ایجاد کنند.

شجاعی‌نیا اضافه کرد: تحقق این تحول مستلزم حکمرانی فناورانه، تدوین نقشه راه، تأمین مالی هدفمند و اتکا به توان علمی داخلی است. توسعه زیرساخت‌های داده‌محور و آموزش نیروی متخصص نیز باید در اولویت قرار گیرد. او بیان کرد: در بخش بالادستی، هوش مصنوعی می‌تواند به تشخیص نشتی، پیش‌بینی تعمیرات و بهینه‌سازی حفاری کمک کند؛ در بخش پایین‌دستی نیز مدیریت ناوگان انرژی، پایش خطوط لوله و پیش‌بینی تقاضا، نمونه‌هایی از کاربردهای عملی این فناوری‌اند.

او ادامه داد: در حوزه منابع انسانی و مالی، دیجیتالی‌سازی فرآیندها، تحلیل داده‌های پرسنلی و تصمیم‌گیری مبتنی بر داده از جمله اقدامات مؤثر در بهبود عملکرد سازمانی هستند. شجاعی‌نیا گفت: یکی از موانع مهم، ناسازگاری سیستم‌های قدیمی با فناوری‌های نوین است. دستیابی به داده‌های باکیفیت و قابل‌اعتماد نیازمند برنامه‌ریزی دقیق و اصلاحات زیرساختی گسترده است.

داده‌های میدانی بلااستفاده؛ بدون اتصال OT به IT، هوش مصنوعی محقق نمی‌شود

عباس رضایی، مدیر فناوری اطلاعات و ارتباطات شرکت ملی مناطق نفت‌خیز جنوب گفت: برای استفاده موثر از هوش مصنوعی در صنعت نفت، ابتدا باید داده‌های عملیات را یکپارچه کرد. امروز بیشتر داده‌های در دسترس ما از سیستم‌های IT مانند مالی و منابع انسانی می‌آیند، اما تمایز صنعت نفت در ماموریت عملیاتی آن، نه داده‌های اداری است.

او گفت: داده‌های حیاتی ما در میدان، تجهیزات و سنسورها تولید می‌شوند،جایی که سیستم‌های OT فعال‌هستند این داده‌ها به لایه تحلیلی IT منتقل نمی‌شوند. بدون این اتصال، پروژه‌های AI صرفاً روی کاغذ باقی می‌مانند. بیش از ۹۰ درصد داده‌های واقعی ما از جنس OT هستند، اما تا وقتی همگرایی OT و IT اتفاق نیفتد، این داده‌ها به ارزش تبدیل نمی‌شوند.

در این مورد رضایی گفت: چالش صرفاً فنی نیست؛ موانع فرهنگی و بین‌سازمانی نیز جدی‌اند. برخی متخصصان OT معتقدند تحلیل‌ها باید در همان حوزه انجام شود، اما بدون همکاری با IT، تحلیل پیشرفته و تصمیم‌گیری هوشمند ممکن نیست. در مدل مفهومی ما، سنسورها در پایین‌ترین لایه داده تولید می‌کنند، ولی چون به سیستم‌های تحلیلی در بالادست وصل نیستند، این منابع ارزشمند بلااستفاده مانده‌اند.

حلقه مفقوده در هوشمندسازی شبکه‌ها: انتقال محاسبات به لبه و استقرار AI در هر سایت موبایل

هومن صادقی‌کاجی، معاون اجرایی شرکت لوتوس‌کام گفت: ما در مسیر تکامل تکنولوژی موبایل از 1G به 5G رسیده‌ایم و امروز حتی تست‌هایی از 6G را در نمایشگاه‌هایی مثل اکسپووزا می‌بینیم. تجربه ما در پروژه‌هایی مثل ایجاد شبکه پرایوت فورجی در ۱۱ هزار کیلومتر مربع از ابوظبی، یا پروژه‌هایی در ژاپن و آمریکا، نشان می‌دهد که راه‌اندازی پرایوت‌نتورک در صنعت، واقعاً ممکن و مؤثر است.

صادقی کاجی گفت: نکته مهمی در اینجا باید روشن شود این است که اجرای AI صرفاً وابسته به 5G نیست. حتی در شبکه‌های 4G هم می‌توان از هوش مصنوعی و محاسبات لبه (Edge Computing) استفاده کرد. در واقع ما داریم از یک معماری صحبت می‌کنیم که در آن محاسبات از هسته شبکه به لبه منتقل می‌شود. اگر واقعاً بخواهیم به تأخیر یک میلی‌ثانیه‌ای برسیم؛ چیزی که برای خودران‌ها یا V2X لازم است. باید به‌ازای هر سایت موبایل، یک پردازنده AI مستقر کنیم. این همان حلقه مفقوده‌ای است که اغلب  در طراحی شبکه‌های هوشمند به آن اشاره نمی‌شود. این ابزار همان چیزی است که سرعت پیاده‌سازی صنعتی را به شکل چشمگیری افزایش می‌دهد، چون بخشی از محاسبات به‌صورت لحظه‌ای در همان نقطه انجام می‌شود.

او در این رویداد بیان کرد: در معماری‌های جدید، المانی به نام MEC یا Multi-access Edge Computing نقش کلیدی دارد؛ چیزی که در شبکه‌های پرایوت یا حتی عمومی به‌عنوان ابزار میانی بین هسته شبکه و نقاط دسترسی قرار می‌گیرد تا سرویس‌های هوشمند و IoT را ممکن کند.