لغو بزرگترین قراردادهای Scale AI پس از ورود متا به ساختار مالکیتی شرکت
در یکی از مهمترین تحولات اخیر در صنعت هوش مصنوعی، شرکت گوگل قصد دارد همکاری…
۲۵ خرداد ۱۴۰۴
۵ خرداد ۱۴۰۴
زمان مطالعه : ۶ دقیقه
نخستین مرکز مدیریت یکپارچه چاه، مخزن و تأسیسات (WRFM) مبتنی بر هوش مصنوعی در صنعت نفت کشور با سرمایهگذاری اولیه ۱۰ میلیون دلار راهاندازی شد.
به گزارش پیوست، در فاز نخست اجرای این پروژه، با بهینهسازی تولید بیش از ۱۲ هزار بشکه نفت در روز و بهرهگیری از الگوریتمهای تحلیل لحظهای، مدلسازی دینامیک و یادگیری ماشین، تاکنون ۱.۴ میلیون بشکه به تولید ملی افزوده شده که تخمین زده میشود راهاندازی نخستین مرکز هوشمند مدیریت چاه، مخزن و تأسیسات نفتی، ۲۰۰ میلیون دلار ارزش اقتصادی برای کشور خلق کرده است. اجرای فاز دوم آن نیز با تمرکز بر توسعه قابلیتهای LLM و تصمیمسازی خودکار، در انتظار تامین ۵ میلیون دلار سرمایهگذاری تکمیلی از سوی معاونت علمی ریاستجمهوری است.
مهدی سیدسار، مدیر فنی پروژه هوش مصنوعی شرکت پاسارگاد انرژی در مرکز WRFM، در جریان رویدادی تخصصی درباره بهکارگیری فناوریهای نوین در مدیریت میادین نفتی گفت: این شرکت سیستم یکپارچهای طراحی کرده است که چاه، مخزن و تأسیسات را بهصورت همزمان و برخط پایش میکند. او گفت: هدف از این سیستم حداکثرسازی ارزش واقعی تولید، نه صرفاً گزارش ذخایر نفتی است.
سیدسار گفت: مدلسازی مخزن باید حالت پویا داشته باشد، چرا که مخزن با شروع تولید تغییر میکند و فشار و شرایط آن دایماً بهروزرسانی میشود. او به انتقاد از رویکردهای سنتی اشاره کرد و گفت گفت: پیش از این مطالعات میدانی بر دادههای یکساله استوار بودهاند، اما اکنون مرکزی راهاندازی شده که تیمهای زمینشناسی، مهندسی مخزن و تولید را در یک جریان همزمان برای تصمیمگیری لحظهای گرد هم آورده است.
او با اشاره به نتایج پروژه ادامه داد: در اسفند ۱۴۰۰ تولید میدان نفتی به ۶۵ هزار بشکه در روز رسید، عددی که بدون حفاری جدید و تنها با تصمیمگیری دادهمحور و مهندسی یکپارچه حاصل شده است. سیدسار تأکید کرد: سیستم هوشمند این امکان را میدهد تا در صورت مشاهده انحراف از رفتار مهندسی مورد انتظار، هشدار فوری دریافت شود، در حالی که پیشتر این تحلیلها با تأخیر و از طریق نامهنگاری بین بخشها انجام میشد.
مدیر فنی مرکز WRFM گفت: همچنین به نقش هوش مصنوعی در اتوماسیون وظایف روزانه مهندسین اشاره کرد و گفت که این موضوع باعث افزایش دقت در تصمیمگیری و صرفهجویی در زمان شده است. سیدسار بیان کرد: علیرغم نبود مرکز رسمی مانیتورینگ، زیرساختهایی ایجاد شده که میتواند پیش از وقوع مشکلات، هشدار و راهکارهای پیشگیرانه ارائه دهد و این موضوع نشاندهنده گذر از سطح ابتدایی بلوغ سیستمهای صنعتی است.
مهدی سیدسار، مدیر فنی پروژه هوش مصنوعی شرکت پاسارگاد انرژی، گفت: در این پروژه یک سیستم هوشمند و یکپارچه برای مدیریت همزمان چاه، مخزن و تأسیسات طراحی شده است که هدف اصلی آن بیشینهسازی سود و ارزش میدانهای نفتی است. او تأکید کرد که بهینهسازی در این صنعت یک فرایند مستمر است و باید در هر لحظه از تولید، وضعیت بهروزرسانی و بهینه شود.
او اضافه کرد: گذار از مدل استاتیک به مدل دینامیک ضروری است، زیرا با شروع تولید فشار و شرایط مخزن تغییر میکند و تصمیمگیریها باید بهصورت لحظهای انجام شود. سیدسار به ضرورت ایجاد یک مرکز هماهنگکننده برای تصمیمگیریهای فنی اشاره کرد: پیشتر فرایندها جزیرهای بود، اما اکنون تیمی چندرشتهای از متخصصین در یک مرکز گرد هم آمدهاند تا بر اساس دادههای آنلاین، تصمیمات یکپارچه اتخاذ کنند.
او نقش پیشبینی تولید را در ارزیابی عملکرد بسیار مهم دانست و گفت: تیم هر روز مقایسه میکند که آیا تولید واقعی با پیشبینی سهماهه و سالیانه همخوانی دارد یا خیر و در صورت وجود مغایرت، علت را تحلیل میکند.
سیدسار تأکید کرد: با استفاده از متخصصان داخلی و ایرانیان بازگشته از خارج کشور، و همکاری با دانشگاههای شریف و امیرکبیر، توانمندیهای شرکت به سرعت ارتقا یافته است. او اعلام کرد: تاکنون بیش از ۱۰ میلیون دلار در این پروژه سرمایهگذاری شده است که شامل توسعه سختافزار، تولید مواد شیمیایی خاص و آموزش نیروهای متخصص میشود.
مدیر فنی پروژه افزود که تحول دیجیتال فراتر از اتوماسیون است و هدف، رسیدن به مرحلهای است که دادهها بهجای انسان، تصمیمسازی کنند و با بهکارگیری یادگیری ماشین و هوش مصنوعی، بهینهسازی مداوم و کاهش عدم قطعیت فراهم شود. او در نهایت به بومیسازی فناوری و استقلال عملیاتی تأکید کرد و گفت: این مرکز نماد استقلال شرکت است و تمامی زیرساختها با تکیه بر دانش داخلی توسعه یافتهاند تا نیازی به خدمات خارجی نباشد.
مهدی سیدسار، مدیر فنی پروژه هوش مصنوعی شرکت پاسارگاد انرژی، درباره بهینهسازی و دیجیتالسازی فرآیندهای تولید در میادین نفتی گفت که با توجه به هزینههای بالای نصب تجهیزات و اجرای پروژههای دو ساله، لازم است مسئولیتهای طراحی مهندسی، استفاده از فناوریهای پیشرفته و مانیتورینگ بهطور دقیق و هدفمند تعریف شود و صرفاً به نصب سیستم مانیتورینگ اکتفا نشود. او افزود که هدف فراتر از جمعآوری دادهها است و از دیماه ۱۴۰۰ فاز دیجیتالیزیشن بهصورت جدی آغاز شده است.
او در ادامه گفت: مرکز مدیریت یکپارچه چاه، مخزن و تأسیسات نفتی، بهعنوان نخستین پروژه تجاریسازی فناوری هوش مصنوعی در صنعت نفت کشور، در فاز نخست خود توانسته با اجرای راهکارهای بهینهسازی، تولید روزانه نفت را بیش از ۱۲ هزار بشکه افزایش دهد. این دستاورد حدود ۲۰۰ میلیون دلار ارزش افزوده برای کشور به همراه داشته است.
در فاز اول این پروژه، زیرساختهای سختافزاری و نرمافزاری موردنیاز با سرمایهگذاری ۱۰ میلیون دلاری توسط شرکت راهاندازی شده است. فاز دوم نیز با تمرکز بر توسعه قابلیتهای هوش مصنوعی، یادگیری ماشین و مدلهای زبانی بزرگ (LLMs) برنامهریزی شده و برای اجرای آن، ۵ میلیون دلار سرمایهگذاری دیگر مورد نیاز است که قرار است با پشتیبانی معاونت علمی، فناوری و اقتصاد دانشبنیان ریاستجمهوری محقق شود.
سیدسار درباره چالشهای اندازهگیری تولید توضیح داد که نصب سنسور در هر چاه به دلیل هزینه بالا و عدم قطعیت دادهها مرسوم نیست و اندازهگیری تولید بیشتر در مرحله جداسازی نفت، گاز و آب در واحدهایی مانند کارخانه «قلب کارون» انجام میشود. وی تأکید کرد که با تحلیل دادههای فشار و دما، سیستمهای هوشمند قادر به تخمین لحظهای تولید هر چاه هستند.
او نمونهای از چاهی با عمق ۴۶۰۰ متر و دمای ۱۳۷ درجه سانتیگراد را ذکر کرد که حدود ۶۰۰۰ بشکه در روز تولید دارد و کنترل شرایط دمایی و فشاری آن با سیستمهای پیشرفتهای صورت میگیرد. سیدسار اهمیت سیستمهای کنترل خودکار را در افزایش ایمنی و کاهش خطاهای انسانی تأکید کرد و گفت: این سیستمها وضعیت فعلی را تشخیص داده، وضعیت مطلوب را پیشنهاد و عملیات را برنامهریزی میکنند.
مدیر فنی پروژه به افزایش شدید هزینههای حفاری اشاره کرد و بیان داشت: چاهی که چهار سال پیش با ۱۰ میلیون دلار حفاری میشد، اکنون بیش از ۲۰ میلیون دلار هزینه دارد. با وجود انجام تنها حدود ۱۵۰ رشته حفاری تکمیلی سالانه در کشور، او تأکید کرد که برنامهریزی دقیق برای افزایش تولید و کاهش زمانهای غیرمولد ضروری است. وی همچنین اعلام کرد که در یکی از پروژهها با استفاده از سیستمهای هوشمند، توانستهاند زمان حفاری را از ۱۲۰ روز هدفگذاریشده کاهش دهند، اگرچه به دلیل ناشناخته بودن مخزن، با تأخیرهایی مواجه شدهاند.
سیدسار در پایان به اهمیت بهرهبرداری از دادهها و استفاده از «کتابچههای الکترونیک چاهها» اشاره کرد که شامل دادههای جامع حفاری و عملیاتی است و امکان تحلیل سریع و دقیق در مواجهه با مسائل را فراهم میکند.