استقرار مرکز عملیات لحظه‌ای مبتنی بر هوش مصنوعی توسط ادنوک برای مدیریت ناوگان حفاری

به گزارش پتروشیمی ها؛ این مرکز با استفاده از راهکارهای دیجیتال شرکت SLB شامل سامانه DrillOps™ برای مدیریت و تحلیل عملیات حفاری توسعه یافته و هدف آن تبدیل حجم عظیم داده‌های عملیاتی حفاری به اطلاعات قابل استفاده برای تصمیم‌گیری سریع‌تر است.

بر اساس اعلام ادنوک، این سامانه:

* تلاش مهندسی موردنیاز را حدود ۳۰ تا ۴۰ درصد کاهش می‌دهد.
* امکان پشتیبانی هر مهندس از ۲ تا ۳ برابر تعداد بیشتری دکل حفاری را فراهم می‌کند.
* گزارش‌هایی که پیش‌تر چند روز زمان نیاز داشتند، اکنون ظرف چند ساعت تولید می‌شوند.
* با تحلیل داده‌های لحظه‌ای، مشکلات احتمالی را پیش از تبدیل شدن به حادثه شناسایی می‌کند.
* زمان واکنش به رخدادهای عملیاتی را حدود ۴ تا ۱۲ ساعت کاهش داده و از یک تا دو روز توقف احتمالی دکل جلوگیری می‌کند.

مدیرعامل بخش بالادستی ادنوک اعلام کرده است که این پروژه نشان‌دهنده عبور این شرکت از مرحله «هدف‌گذاری هوش مصنوعی» به مرحله «کاربرد واقعی هوش مصنوعی در عملیات انرژی» است.

این مرکز در محیط ابری تحت حاکمیت امارات متحده عربی (Sovereign Cloud) فعالیت می‌کند؛ موضوعی که ادنوک آن را بخشی از راهبرد امنیت داده، تاب‌آوری عملیاتی و استقلال دیجیتال بلندمدت خود معرفی کرده است.

بیشتر در همین زمینه: هند در آستانه کنترل عملیاتی دو میدان نفتی ونزوئلا

تحلیل فنی

مرکز RTOC ادنوک نمونه‌ای از حرکت صنعت نفت و گاز از مدیریت سنتی عملیات حفاری به سمت عملیات خودکار و مبتنی بر داده (Data-Driven Operations) است.

در حفاری مدرن، میلیون‌ها داده از پارامترهای مختلف مانند:

* فشار و دمای چاه،
* نرخ نفوذ مته،
* ارتعاشات تجهیزات،
* شرایط گل حفاری،
* عملکرد موتورهای حفاری،
* وضعیت تجهیزات سطحی و زیرسطحی،

به صورت لحظه‌ای تولید می‌شود.

در روش‌های سنتی، بخش مهمی از این داده‌ها پس از جمع‌آوری توسط مهندسان تحلیل می‌شد؛ اما در معماری جدید، الگوریتم‌های هوش مصنوعی و یادگیری ماشین (Machine Learning) می‌توانند الگوهای غیرعادی را شناسایی کرده و احتمال بروز مشکلاتی مانند:

* گیر کردن رشته حفاری (Stuck Pipe)،
* فوران چاه (Well Kick)،
* کاهش بهره‌وری حفاری،
* خرابی تجهیزات،

را پیش از وقوع پیش‌بینی کنند.

استفاده از DrillOps شرکت SLB نشان می‌دهد که ادنوک به دنبال ایجاد یک لایه هوشمند تصمیم‌یار در کل چرخه حفاری است، نه صرفاً یک سیستم مانیتورینگ.

تحلیل استراتژیک

اقدام ادنوک بخشی از برنامه گسترده این شرکت برای تبدیل شدن به یکی از پیشرفته‌ترین شرکت‌های انرژی دیجیتال جهان است.

سه محور اصلی این تحول عبارتند از:

۱- افزایش بهره‌وری عملیاتی

با افزایش ظرفیت نظارت مهندسان بر چندین برابر تعداد دکل‌ها، ادنوک می‌تواند رشد فعالیت‌های حفاری خود را بدون افزایش متناسب نیروی انسانی مدیریت کند.

۲- کاهش هزینه و ریسک پروژه‌ها

در پروژه‌های حفاری، حتی یک روز توقف دکل می‌تواند میلیون‌ها دلار هزینه ایجاد کند. پیش‌بینی خرابی و تصمیم‌گیری سریع، تأثیر مستقیم بر هزینه نهایی تولید دارد.

۳- ایجاد زیرساخت برای عملیات خودران انرژی

RTOC یک گام مهم در مسیر حرکت به سمت «میدان نفتی خودران» (Autonomous Oilfield) است؛ جایی که سیستم‌های هوشمند بتوانند بخشی از تصمیم‌های عملیاتی را بدون دخالت مستقیم انسان انجام دهند.

ادنوک پیش از این نیز با اجرای سامانه AiPSO (بهینه‌سازی سیستم تولید مبتنی بر هوش مصنوعی) در چندین میدان نفت و گاز، استفاده از هوش مصنوعی برای افزایش تولید و بهینه‌سازی چاه‌ها را آغاز کرده بود.

برنامه این شرکت، گسترش AiPSO به تمام میدان‌های خشکی و دریایی تا سال ۲۰۲۷ است.

تحلیل مدیریتی و اجرایی

پیام اصلی این پروژه برای مدیران صنعت انرژی این است که هوش مصنوعی دیگر یک پروژه آزمایشی یا تحقیقاتی نیست؛ بلکه به یک ابزار عملیاتی برای افزایش تولید، کاهش هزینه و مدیریت پیچیدگی تبدیل شده است.

مدل ادنوک دارای چهار عنصر کلیدی مدیریتی است:

* داده یکپارچه: اتصال اطلاعات دکل‌ها، چاه‌ها و تجهیزات در یک محیط مشترک.
* تصمیم‌گیری سریع: تبدیل داده خام به توصیه عملیاتی.
* استانداردسازی عملیات: ایجاد روش‌های مشابه برای صدها سایت عملیاتی.
* حفظ امنیت داده: نگهداری اطلاعات حساس در زیرساخت ابری تحت کنترل ملی.

همچنین همکاری هم‌زمان ادنوک با شرکت‌هایی مانند SLB و مایکروسافت نشان می‌دهد که این شرکت به دنبال ایجاد یک اکوسیستم هوش مصنوعی صنعتی است، نه صرفاً خرید یک نرم‌افزار.

تحلیل سیاسی و ژئوپلیتیکی

سرمایه‌گذاری گسترده کشورهای تولیدکننده نفت خلیج فارس در هوش مصنوعی، بخشی از رقابت جدید برای کسب مزیت راهبردی در صنعت انرژی جهانی است.

در شرایطی که بسیاری از شرکت‌های نفتی جهان با فشار برای کاهش هزینه، افزایش بهره‌وری و مدیریت پیچیدگی‌های ژئوپلیتیکی مواجه هستند، کشورهایی مانند امارات تلاش می‌کنند با دیجیتالی‌کردن زنجیره تولید، جایگاه خود را به عنوان تولیدکننده کم‌هزینه و فناوری‌محور تثبیت کنند.

کنترل داده‌های عملیاتی در داخل کشور نیز اهمیت ژئوپلیتیکی دارد؛ زیرا داده‌های مربوط به تولید نفت، عملکرد مخازن و زیرساخت‌های انرژی، بخشی از دارایی‌های راهبردی ملی محسوب می‌شوند.

جمع‌بندی اجرایی

راه‌اندازی مرکز عملیات لحظه‌ای هوشمند ادنوک را می‌توان یکی از نمونه‌های پیشرفته کاربرد هوش مصنوعی در صنعت نفت دانست.

این پروژه نشان می‌دهد که رقابت آینده شرکت‌های انرژی فقط بر سر ذخایر نفت و گاز نخواهد بود، بلکه بر سر توانایی آن‌ها در:

* مدیریت داده‌های عظیم،
* استفاده از هوش مصنوعی،
* کاهش ریسک عملیاتی،
* افزایش بهره‌وری سرمایه،

نیز شکل خواهد گرفت.

ادنوک با ترکیب هوش مصنوعی، رایانش ابری امن و تحلیل لحظه‌ای داده‌ها، در حال حرکت از یک شرکت تولیدکننده نفت و گاز به سمت یک شرکت انرژی دیجیتال نسل جدید است.

مچنین بخوانید؛ افزایش ذخایر نفت خام آمریکا در سایه امیدواری بازار به توافق صلح