آیا هوش مصنوعی میتواند جلوی حوادث پالایشگاهی را بگیرد؟
- یک پژوهش دانشگاهی مدلی دادهمحور برای ارتقای ایمنی در صنایع فرایندی ایران طراحی کرده است.
- مهمترین عوامل شناساییشده شامل نشت، دما، کیفیت سطح تاورها، رطوبت و شرایط هوا هستند.
- پیشنهاد محققان تبدیل این مدل به یک نرمافزار عملیاتی برای هشدار هوشمند و لحظهای در پالایشگاههاست.
- پژوهشگر بر لزوم ارتباط واقعی دانشگاه با صنعت و انتشار سادهشده نتایج تحقیقات برای عموم تأکید کرد.
دکتر ایمان فرحی آشتیانی، استادیار دانشگاه علوم پزشکی شهید بهشتی، از طراحی یک مدل هوشمند مبتنی بر هوش مصنوعی برای پیشبینی و کاهش حوادث در صنایع پالایشگاهی خبر داد. این مدل که حاصل تحلیل حجم عظیمی از دادههاست، میتواند با بررسی همزمان چندین عامل خطر، هشدارهای لحظهای ایجاد کند.
شکاف دانشگاه و صنعت؛ مانعی برای توسعه
در نشستی خبری، دکتر فرحی آشتیانی به نتایج تحقیقی درباره فرهنگ علم و فناوری اشاره کرد. وی تفاوت اصلی کشورهای پیشرفته با ایران را در «برقراری ارتباط واقعی بین دانشگاه، صنعت و جامعه» دانست. به گفته او، در آن کشورها دیوار بین دانشگاه و مردم برداشته شده، در حالی که در ایران حتی پژوهشگران برای دسترسی به دادهها با موانع زیادی مواجه هستند. او انتشار سادهشده نتایج پژوهشها برای عموم مردم و نقش رسانهها در جاریسازی این روند را ضروری خواند.
طراحی مدل هوش مصنوعی برای ایمنی پالایشگاهها
این استادیار دانشگاه از انجام طرحی با عنوان «طراحی و اعتباربخشی مدل ارتقای ایمنی در مواجهه با حوادث انسانساخت در صنایع فرایندی ایران مبتنی بر رویکرد دادهمحور» خبر داد. در این پژوهش، تمام عوامل تهدیدکننده ایمنی در صنایع پالایشگاهی شناسایی و رتبهبندی شدند. عواملی مانند کهنگی تجهیزات، فرسودگی و تحریمها از دلایل نشتها عنوان شدهاند.
تحلیل یک میلیون داده و شناسایی دوازده فاکتور بحرانی
دادههای این پژوهش از پالایشگاههای مناطق جنوب، مرکز و غرب ایران (بدون ذکر نام به دلایل امنیتی) جمعآوری شد. پس از ماهها جمعآوری حدود یک میلیون داده و تحلیل آنها با ابزار هوش مصنوعی و نرمافزار Weka، دوازده فاکتور مؤثر شناسایی شد. مهمترین این عوامل شامل نشت، دما، کیفیت سطح تاورها، رطوبت و شرایط هوا بودند. نقطه قوت مدل، بررسی ترکیبی این عوامل به جای تمرکز بر یک عامل واحد است.
ضعف سیستمهای سنتی و نیاز به نرمافزار عملیاتی
فرحی آشتیانی با اشاره به نرخ بالای حوادث در صنعت نفت و گاز، سیستمهای ایمنی سنتی پالایشگاهها را اغلب آفلاین و ناکافی دانست. به گفته وی، سیستمهای هشداردهنده موجود معمولاً تنها یک یا چند پارامتر مثل فشار یا دبی را کنترل میکنند. در مقابل، مدل پیشنهادی با استفاده از روشهایی مانند جنگل تصادفی و لجستیک، میتواند همه عوامل را همزمان بررسی و ریسک را به صورت هوشمند مدل کند. گام بعدی، تبدیل این مدل به یک نرمافزار عملیاتی برای نصب روی سیستمهای پالایشگاهی و هشدار پویا و زنده است.
منبع: Isna
اخبار علم و فناوری