چشم اندار آینده صنایع انرژِی در گرو هوش مصنوعی

فاطمه لطفی دنیای انرژی 

هوش مصنوعی یک اصطلاح کلی برای ماشین‌هایی است که دارای توانایی ادارک، منطق و یادگیری هستند. هوش مصنوعی یک علم و فن‌آوری بر اساس رشته‌هایی مانند علوم کامپیوتری، زیست شناسی، روان‌شناسی، زبان‌شناسی، ریاضیات و مهندسی است. درحالی که با گسترش اثرات مخرب تغییرات اقلیم فشار بر صنایع انرژی برای حرکت به سمت سبزتر و پاکتر شدن ادامه دارد، درخواست‌ها از غول‌های نفت و گاز برای بهبود تاب‌آوری و به حداقل رساندن ردپای کربن تولید، توزیع و مصرف انرژی هر روز بیشتر می‌شود و سهام‌داران این شرکت‌ها سرمایه‌گذاری بیشتر در این موسسات را منوط به کاهش انتشارات کرده‌اند. اینجاست که جایگاه هوش مصنوعی به طور مشخص برجسته‌تر می‌شود. هوش مصنوعی با کاهش زمان لازم برای بررسی فرایندها و عملیات، به طور قابل توجهی از میزان انرژی مصرفی و تعداد افراد درگیر در عملیات را کاهش داده و نیز با بهینه‌سازی عملیات‌ها، انتشارات گازهای گلخانه‌ای را نیز به حداقل می‌رساند. هوش مصنوعی به شرکت‌ها کمک می‌کند تا تصمیمات بهتر و آگاهانه‌تری در مورد منابع و دارایی‌ها اتخاذ کنند و در عین حال منابع جدیدی از داده‌ها فراهم می‌آورد. هوش مصنوعی به تولیدکنندگان نفت و گاز کمک می‌کند تا نحوه تغییر تولید نفت در طول زمان را بررسی کرده و موجب کاهش هزینه محاسبات و تسهیل فرآیندهای سطح الارضی شود. 

 شرکت‌های پیشرو در بکار گیری هوش مصنوعی برای صنایع نفت و گاز

بر اساس داده‌های گلوبال دیتا، آرامکوی عربستان سعودی و رویال داچ شل شرکت‌های پیشرو در سرمایه‌گذاری در هوش مصنوعی در میان غول‌های نفت و گاز هستند. هوش مصنوعی در بخش نفت و گاز نقشی اساسی بازی می‌کند و تمایل شرکت‌ها برای استفاده از این فناوری‌ها هر روز بیشتر می‌شود. اخیرا این فناوری‌ها کلیدی‌ترین زمینه فعالیت شرکت‌های نفت و گاز را از آن خود کرده و غول‌های نفت‌ و گاز ایده‌های جدیدتری را دنبال می‌کنند و به دنبال ثبت اختراعات بیشتری هستند. این روزها ارزش‌گذاری شرکت‌ها بر اساس شاخص ارزشمندترین بازیگران یا MVPs میزان تولید مشاغل جدید، میزان قراردادهای جدید، حق امتیاز انحصاری ثبت‌ شده شرکت‌ها و زمینه کاری آنها در هوش مصنوعی را مد نظر دارد. بر اساس داده‌های گلوبال دیتا، شرکت نفت عربستان سعودی، آرمکو، یکی از پیشتازان عرصه هوش مصنوعی است و علاوه بر اینکه از نظر درآمد نفتی در جایگاه بسیار بالاتری از دیگر شرکت‌های هم‌نوع خود قرار دارد، در سال‌های اخیر بیش از 29 پروژه در زمینه هوش مصنوعی تعریف کرده است. شرکت رویال داچ شل هم یکی دیگر از پیشگامان این عرصه بوده و بین ژانویه 2020 تا ژوئن 2021 در این حوزه 316 شغل جدید تعریف کرده است. شرکت توتال فرانسه هم به دنبال رویال داچ شل با 101 شغل در مقام دوم قرار گرفته است. اکسون موبیل در این زمینه 63 شغل جدید در همان بازه زمانی تعریف کرده است.

 هوش مصنوعی چگونه صنایع نفت و گاز را تغییر می‌دهد

می‌توان گفت تمامی صنایع به نحوی می‌توانند از هوش مصنوعی بهره مند شوند و مشخص است که صنایع نفت و گاز بیشترین بهره را نسبت به دیگر صنایع از هوش مصنوعی خواهد برد. این صنایع درعین اینکه یکی از پردآمدترین صنایع هستند، خطرناک‌ترین آنها نیز محسوب می‌شوند. هوش مصنوعی عملیات‌های تجاری، بازدهی و ایمنی را بهینه‌سازی می‌کند. این فناوری به شش طریق می‌تواند چالش‌های پیش‌روی صنایع نفت و گاز را برطرف کند.

 کشف عیوب و  تسهیل عملیات اطمینان از کیفیت

یکی از چالش‌های صنایع نفت و گاز شناسایی عیوب خطوط لوله یا نقایصی است که در کار این خطوط لوله وجود دارد. نقایصی که در انتهای خط تولید عملیات‌های بالادستی مشاهده می‌شود هم هزینه‌ها و هم منابع را نشانه رفته است. به عنوان مثال اگر یک خط لوله یا دستگاهی معیوب در مراحل تولید نصب شود، نتیجه آن فاجعه خواهد بود. نتیجه اینکه هزینه‌ای که این عیوب به بار خواهند آورد از هزینه راه‌اندازی عملیات‌های هوش مصنوعی بیشتر خواهد بود. توسعه یک سیستم برپایه دید کامپیوتری می‌تواند کیفیت تولید را ممیزی کرده و بینشی عمیق در آنالیز عیوب فراهم سازد. راه‌حل‌های شناسایی عیوبی که بر اساس هوش مصنوعی کار می‌کنند از نظر اقتصادی مقرون به صرفه هستند و در مقایسه با فرایندهای متداول بسیاری اقتصادی‌تر.

 اطمینان از استانداردهای ایمنی و امنیت

واحدهای نفت و گاز در محیطی بی‌نهایت خطرناک کار می‌کنند و ریسک تلفات در این محیط‌ها بسیار بیشتر از محیط‌های متداول ساخت و تولید است. کارگران در واحدهای نفتی در دماهای مختلف کار می‌کنند، گاه با بخارات سمی در تماس هستند و باید مدام مواقب دستگاه‌های متحرک باشند. اگر از دستورالعمل‌های ایمنی مناسب پیروی نشود نتیجه می‌تواند مصدومیت و نیز خسارات مالی باشد. یک بار در پالایشگاه نفت تسورو مارتینز در کالیفرنیا پخش اسید سولفوریک به سوختگی شدید دو کارگر منجر شد. مقامات این پالایشگاه می‌گفتند اگر کارگران از دستورالعمل‌های مناسب ایمنی پیروی می‌کردند چنین اتفاقی رخ نمی‌داد. راه‌کارهای کامپیوتری بر پایه هوش مصنوعی قادر است سایت کارگاه یا تاسیسات را بررسی کند تا اطمینان حاصل شود که تشریفات ایمنی بدون هیچ گونه قصوری رعایت می‌شود. داده‌های دوربین‌ها به الگوریتم‌های هوش مصنوعی تزریق می‌شود و این الگوریتم‌ها برای ارسال هشدار و توصیه‌های فعال، آنالیز می‌شوند. راه‌حل‌های بر پایه هوش مصنوعی قادرند حتی برای کوچکترین انحرافی در فرایندهای ایمنی مدیریت را آگاه و هوشیار نگه دارند.

 کاهش هزینه‌های تولید و تعمیرات

نفت و گاز اکتشافی را از طریق خطوط لوله انتقال می‌دهند. در شرایط دمایی و محیطی متفاوت، ترکیبات نفت و گاز اغلب با فرسایش و خوردگی مواد همراه هستند. خوردگی می‌تواند باعث تغییر شکل ترکیبات شود که یکی از نتایج آن می‌تواند ضعیف‌تر شدن خطوط لوله باشد. اگر کاری برای حل این مشکل انجام نشود امکان دارد به فاجعه‌ای بزرگ ختم شود که خط تولید را با مشکل مواجه کند. این نوع خوردگی‌ها یکی از بزرگترین نگرانی‌های صنایع نفت و گاز است و شرکت‌ها مجبورند مهندسان متخصص در زمینه خوردگی را برای بررسی و رفع و رجوع مشکلات استخدام کنند تا از خوردگی پیشگیری کنند. فاجعه ماکوندو از این دست اتفاقاتی است که به نشت نفت بی‌پی هم مشهور است. در 20 آوریل سال 2010، چیزی حدود 4.9 میلیون بشکه نفت غول نفت و گاز بریتیش پترولیوم نشت کرد و دولت ایالات متحده مجبور شد 850 میلیون دلار  برای پاکسازی محیط زیست خرج کند. این یکی از بزرگترین اتفاقات مربوط به نشت نفت در صنایع نفت و گاز بود. گزارش‌های مربوط به پساآنالیزهای این رخداد می‌گویند که فاکتور تعمیرات نادرست یکی از مهمترین عوامل رخ داد این فاجعه بود. بخشی از این الزاماتِ تعمیرات این است که شرایط تجهیزات مدام بررسی شود. همچنین، در این گزارش‌ها آمده است که سیستم هشدار این تاسیسات کار نمی‌کرد.  هوش مصنوعی می‌تواند از رخداد چنین فجایعی جلوگیری کند. هوش مصنوعی به همراه تکنولوژی‌های اینترنت اشیاء قادرند نشانه‌های خوردگی را با آنالیز پارامترهای مختلف با استفاده از دانش گراف‌ها و اطلاعات پیش‌گویانه شناسایی کنند تا احتمال تقریبی رخ‌داد خوردگی را تعیین و سیستم هشدار را برای اوپراتور خط لوله روشن کنند. با این راه‌کار شرکت‌ها در مواجهه با خطرات خوردگی فعال‌تر می‌شوند و رویکری پیشگیرانه خواهند داشت و می‌توانند زمان تعمیرات لازم برای خط لوله را تعیین کنند.

 تصمیم‌گیری بهتر با تجزیه و تحلیل داده‌ها

شرکت‌های تجارت نفت و گاز با داده‌های فراوانی از سوی فرایند‌های ساخت‌ و تولید مواجه هستند اما از آن جایی ابزاری مناسب برای تجزیه و تحلیل این داده‌ها در اختیارشان نیست قادر هم نیستند داد‌های بسیار زیاد خود را در انبار داده‌ها تبدیل به سرمایه کنند. شرکت‌ها می‌توانند مهندسین داده‌ها را به کار گیرند تا به صورت دستی این داده‌ها را تحلیل کنند و از آنها چشم‌اندازهای لازم را بیرون کشند. اما این فرایند دستی هم زمان‌بر است و هم هزینه‌بر و از سویی هیچ مهندسی نمی‌تواند تمامی داده‌هایی را که تنها در یک روز از عملیات‌های تولید به دست می‌آید را تحلیل کند.  بیگ دیتا (Big Data) که مجهز به برنامه‌های هوش مصنوعی است اطلاعات را بیرون می‌کشد و مفهوم داده‌های عملیات‌های بسیاری را باهم نشان می‌دهد. هوش مصنوعی را می‌توان برای جمع‌آوری اطلاعات در بخش‌های مختلف و نیز کشف الگوها یا ناهماهنگی‌ها به کار گرفت تا بتوان به یک مجموعه بزرگ دیتا دسترسی داشت. الگوریتم‌های هوش مصنوعی جریان‌های مختلف داده‌ها را از سنسورها و تاسیسات مختلف از واحدهای مختلف جمع‌آوری و مطالعه کرده آنالیزهای به روز واقعی تولید می‌کنند تا پیشنهادات هوشمندانه براساس نیاز تجاری ارائه دهند. این نگاه عمیق به مهندسان امکان می‌دهد که چشم‌اندازی بهتر از کل فرایندها و عملیات‌ها داشته باشند و درنتیجه تصمیمات استراتژیک بهتری اتخاذ کنند. از این رو بهره‌وری عملیات‌ها بهبود یافته، هزینه‌ها کاهش می‌یابد و خطرات کم می‌شوند.

 کمک گرفتن از برنامه‌های چت‌بات

اپراتورهای میادین نفتی می‌توانند از چت‌بات‌ها و دیگر برنامه‌های مجازی استفاده کنند. اپراتورهای میادین نفتی معمولا دوست دارند در حین کار دستانشان آزاد باشد. چت‌بات‌های صوتی به این افراد کمک می‌کند بدون استفاده از دست و صرفا با صحبت کردن گزارش‌ها را دریافت و تنظیم کنند. چت بات‌ها منبع بسیار خوب اطلاعات و داده‌های به روز هستند و می‌توان به راحتی از آنها مثلا برای کمک خواستن استفاده کرد. از طرفی استفاده از چت‌بات‌ها می‌تواند جایگاهی برای نگهداری داده‌های قدیمی باشد. از سویی اوپراتورها می‌توانند حتی نحوه تعمیر تاسیسات معیوب را نیز به صورت صوتی از چت‌بات‌ها دریافت کنند.

 کشف چشم‌اندازهای جدید در اکتشاف نفت و گاز همانطور که بخش انرژی در ایالات متحده رو به رشد است، اداره اطلاعات انرژی ایالات متحده (EIA) پیش‌بینی کرده است که تولید نفت خام این کشور در سال 2050 به 11 میلیون بشکه در روز خواهد رسید. این ارقام به این معنی است که فعالیت‌های اکتشافی افزایش خواهند یافت. بنابراین این سیاست‌ها و اهداف صنعت نفت را ملزم به توسعه بیشتر می‌کند، و از سویی فاکتورهای حیاتی مهم از جمله گرانی و فراگیر بودن فعالیت‌های اکتشافی هم نگرانی‌ها در این صنعت را افزایش می‌دهد. لازمه اکتشاف هیدروکربن‌ها این است که نمایی کامل از آنچه که در سطح زمین است داشته باشیم. فرایندهای قدیمی زمین‌شناسی اکتشاف، دقیق که نیستند بلکه گران هم هستند. برای اینکه این فرایندها آسان‌تر شوند و داده‌های جامعی گردآوری شود، استفاده از ربات‌های هوش مصنوعی برای عملیات‌های اکتشاف بسیار مفید است. شرکت‌های بزرگ نفت و گاز از پهبادها برای جمع‌آوری تصاویر لرزه‌نگاری استفاده می‌کنند و الگوریتم‌های پردازش تصاویر اطلاعات را استخراج می‌کنند. بر پایه همین تحلیل‌ها، عملیات اکتشاف هم آغاز می‌شود. این فرایند هم خطرات انسانی را به حداقل می‌رساند و هم اطمینان خاطر از صحت اطلاعات را به وجود می‌آورد.

 هوش مصنوعی در تولید انرژی‌های نو

کنترل خودکار تجهیزات قادر است انتشارات کربن مرتبط با فرایندهای زمان‌برِ بررسی و کنترل و نیز تعمیرات تجهیزات و تاسیسات انرژی‌های تجدیدپذیر را کاهش دهد. یکی از این تاسیسات تجدیدپذیر که هوش مصنوعی در کنترل آنها بسیار کارآمد عمل می‌کند، تاسیسات مزارع بادی فراساحلی است. این نوع تولید انرژی بازاری رو به گسترش دارد به طوری که بر اساس گزارش «آژانس بین المللی انرژی» بین سال‌های 2010 تا 2018 بازار انرژی بادی فراساحلی نزدیک به 30 درصد رشد داشته است. کشورهایی چون دانمارک، چین و بریتانیا جزو پیشگامان استفاده از تاسیسات فراساحلی بادی هستند. به طوری که حتی بوریس جانسون، نخست وزیر بریتانیا می‌گوید می‌خواهد «بریتانیا را تبدیل به عربستان سعودی برق بادی» کند. مانند هر نوع تاسیسات انرژی دیگری، بخش‌های مختلف مزارع بادی فراساحلی نیز نیازمند بررسی و کنترل و تعمیرات است. اما انجام چنین کارهایی در مزارع بزرگ فراساحلی نیازمند آن است که شرکت‌های بهره بردار به طور مداوم شناورهای بزرگ مجهز به تجهیزات و افراد متخصص را برای بررسی نحوه کار توربین‌ها به هر کدام از این دکل‌ها ارسال کنند. تنها با در نظر گرفتن مقدار سوخت لازم برای این شناورها مقادیر زیادی انتشارات دی‌اکسید کربن تولید می‌شود. و هزینه‌های بهره برداری بالا می‌رود. تخمین زده می‌شود هر کدام از این شناورهایی که مختص بررسی و کنترل دکل‌های توربین‌های بادی فراساحلی هستند، در طول عمر مفید خود بیش از 275 هزار تن کربن تولید می‌کنند. از سویی بهره‌برداری و تعمیرات یکی از پرهزینه‌ترین بخش‌های تولید انرژی به حساب می‌آید و تخمین زده می‌شود که هزینه این بخش برابر با 25 تا 30 درصد کل هزینه‌های تولید انرژی است. و نیز همین تخمین‌ها نشان می‌دهد که هزینه‌ای که در طی بیست سال عملیات به دلیل توقف عملیات‌ها برای تعمیرات به شرکت‌ها تحمیل می‌شود چیزی حدود 12 میلیون یورو برای هر مزرعه بادی فراساحلی 500 مگاواتی است که در دریای شمال در 50 کیلومتری ساحل نصب شده باشد.

در حال حاضر تکنیک‌های جدید و متنوعی برای کاهش اثرات منفی این عملیات‌ها بر محیط زیست وجود دارد.  در بسیاری از شرکت‌های مرتبط با این تاسیسات از مکان‌یابی و نقشه‌برداری شبیه‌سازی شده (SLAM)، یادگیری ماشینی (machine learning) و اتوماسیون ROVs (تجهیزات زیرآبی کنترل از راه دور) استفاده می‌شود. مخصوصا ROVs برای جمع‌آوری داده‌های ویدئویی برای بررسی تاسیسات بسیار مفید هستند. هر کدام از این تجهیزات در نهایت نیازمند 2 اپراتور است و داده‌های جمع‌آوری شده هم به صورت دستی توسط تیمی دیگر بررسی می‌شود. از طرفی تکنولوژی‌های خودکار قادر هستند اطلاعات SLAM را دریافت و آنالیز لحظه‌ای آن را انجام دهند. هر چه سطح اتوماسیون و خودسازی بالاتر می‌رود تعداد افراد درگیر در آنالیز هم کمتر می‌شود و از سویی قرار هم نیست متخصص مجبور باشند در محل مزارع بادی حضور داشته باشند، بلکه از دور و از ساحل کارکرد این مزارع را تحت نظر می‌گیرند.

 جایگاه ایران در فناوری هوش مصنوعی

جدیدترین بررسی از وضعیت تولیدات علمی در حوزه هوش مصنوعی ایران و جهان توسط مرکز نوآوری و توسعه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات نشان می‌دهد که بین سال‌های 1995 تا 2020 میلادی 354 هزار و 443 مدرک علمی در جهان در حوزه هوش مصنوعی منتشر شده که سهم ایران از این تعداد 4 هزار و 542 مدرک علمی است. آمریکا، چین، بریتانیا، هند، آلمان، فرانسه، ژاپن، ایتالیا، اسپانیا و کانادا از نظر تولید مدارک علمی 10 کشور برتر دنیا در حوزه هوش مصنوعی هستند و در این رده بندی ایران در رتبه 14 قرار دارد. جایگاه ایران در میان رقبای مطرح در سند چشم انداز 1404 در منطقه از حیث تولید علم در حوزه هوش مصنوعی ممتاز است و کشورمان با 4 هزار و 542 مقاله علمی، قبل از ترکیه، رژیم‌صهیونیستی، عربستان و مصر در رده اول منطقه قرار دارد با این حال اما وضعیت ایران در زمینه کاربردهای هوش مصنوعی قابل توجه نیست و رتبه 75 در میان کشورهای دنیا به کشورمان اختصاص دارد. دانشگاه تهران با رتبه جهانی 153 و 552 مدرک، اولین دانشگاه برتر در حوزه تولید علم هوش مصنوعی است. دانشگاه صنعتی امیرکبیر، دانشگاه آزاد اسلامی، دانشگاه صنعتی شریف و علم و صنعت در رده‌های بعدی قرار دارند.بر همین اساس در اردیبهشت سال جاری علی اصغر انصاری رئیس مرکز نوآوری و توسعه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات، به خبرگزاری مهر گفته بود که با همکاری سازمان برنامه و بودجه، نقشه راه توسعه و به کارگیری فناوری هوش مصنوعی در کشور در حال تدوین است.

وی با تاکید بر اینکه هم اکنون در دنیا کشورهای توسعه یافته و در حال توسعه به موضوع هوش مصنوعی به صورت جدی ورود کرده‌اند و برنامه‌های راهبردی بین سال‌های 2018 تا 2025 و 2030 در کشورهای مختلف تدوین شده است، گفته بود: به بیان دیگر موضوعات مربوط به هوش مصنوعی در برنامه‌های ملی اغلب کشورها قرار دارد. چرا که این فناوری و مجموعه فناوری‌های متأثر از آن در زندگی مردم، صنعت و خدمات جریان پیدا کرده است. انصاری با اشاره به اینکه کشورهای مختلف برای حل مساله، راهبردهای متفاوتی را در حوزه هوش مصنوعی در پیش گرفته‌اند، ادامه داد: برای مثال در حوزه سلامت می‌توان از هوش مصنوعی برای ارائه خدمات پزشکی با کیفیت استفاده کرد. کاربردهای هوش مصنوعی در حوزه حمل و نقل، شهر هوشمند، اقتصاد، کسب و کار و تجارت نیز مورد توجه قرار گرفته و کشورهای مختلف بنا بر موقعیت سیاسی، اقتصادی، فرهنگی و اجتماعی خود، هر یک از این کاربردها را به عنوان راهبرد تعیین کرده‌اند. طی دو سال موضوع هوش مصنوعی در کشور ما نیز مطرح شده و ما مانند سایر کشورها سعی کرده‌ایم پیشتاز باشیم و در مسائل اصلی کشور، راهبردهای هوش مصنوعی را در نظر بگیریم. از این رو ایجاد مرکز نوآوری و توسعه هوش مصنوعی می‌تواند آغازگر بسیاری از برنامه‌های مدنظر و پژوهش‌های اولیه در این زمینه باشد. انصاری با اشاره به وضعیت علمی کشور در حوزه هوش مصنوعی گفت: ایران بر اساس تولید مقاله و علم سنجی در منطقه اول و در دنیا رتبه 14 را دارد اما از نظر کاربرد خیلی حرفی برای گفتن نداریم و رتبه‌ای در حدود 75 در میان کشورهای دنیا به ما تعلق دارد. چرا که در این حوزه ما فعلاً در حال مطالعه هستیم و راهبردهای ما هنوز کاملاً مشخص نیست. از طرفی محققان دانشگاه صنعتی امیرکبیر با استفاده از کاربرد هوش مصنوعی در صنعت نفت، موفق به پیشگیری از مشکلات فنی میادین استخراج نفت شدند. این محققان طرح «مدلسازی یکپارچه میدان نفتی تحت فرازآوری با گاز با در نظر گرفتن ناپایداری جریان» را ارائه کردند که به گفته آنها علاوه بر جلوگیری از پدیده ناپایداری، به‌صورت پیوسته پارامترهای تزریق و تولید را به گونه‌ای کنترل می‌کند که همواره بیشترین سودآوری اقتصادی از میدان نفتی حاصل شود. با این حال به نظر می‌رسد صنایع نفت و گاز ایران به عنوان بزرگترین صنعت ارزآور کشور فعلا تا رسیدن به استانداردهای جهانی توسعه هوش مصنوعی و استفاده از آن در تولید، توزیع و مصرف راهی طولانی در پیش دارد.