به گزارش شانا، در عصری که دسترسی سریع و دقیق به اطلاعات تخصصی، کلید تصمیم‌سازی مؤثر و رقابت‌پذیری در صنایع راهبردی به‌شمار می‌رود، شرکت گسترش انرژی پاسارگاد، گام بلندی در بهره‌گیری از فناوری‌های نوین برداشته است. این شرکت موفق شده است برای نخستین بار در ایران از هوش مصنوعی در پلتفرم بومی‌سازی شده مدیریت همزمان چاه، مخزن و سطح‌الارض که دی ۱۴۰۳ بهره‌برداری کرده است، در بخش‌های تولید و حفاری استفاده کند، همچنین نخستین دستیار هوشمند بالادست صنعت نفت (UIA) را با بهره‌گیری از مدل‌های زبانی Large Language Model (LLM) و داده‌هایی برگرفته از منابع معتبر بین‌المللی، به‌صورت هدفمند در اختیار متخصصان این حوزه قرار دهد.
این پروژه که نمونه‌ای کم‌نظیر در سطح جهانی محسوب می‌شود، با هدف تسهیل جست‌وجو، ارتقای دقت پاسخ‌ها و کوتاه کردن زمان دسترسی به دانش فنی راه‌اندازی شده و گامی مؤثر در مسیر هوشمندسازی زیرساخت‌های دانشی صنعت نفت کشور به‌شمار می‌رود. با توجه به حرکت شتابان صنعت نفت در ایران و جهان به سمت هوش مصنوعی و پیشرفت‌ها در این زمینه، پرستو یونچی، رئیس رسانه و انتشارات وزارت نفت و جمعی از خبرنگاران شبکه اطلاع‌رسانی نفت و انرژی (شانا) از مرکز مدیریت همزمان چاه، مخزن تأسیسات سطح‌الارض (WRFM) گسترش انرژی پاسارگاد بازدید کردند.
سعید دهقانی، مدیرعامل شرکت بهره‌برداری نفت و گاز سپهر پاسارگاد در جریان این بازدید با اشاره به اینکه از بهمن سال ۱۴۰۲ موضوع توسعه و به‌کارگیری پلتفرم و سامانه‌های هوش تجاری و هوش مصنوعی در توسعه و تولید میدان‌های نفت و گاز، به‌عنوان یکی از اولویت‌های گروه گسترش انرژی پاسارگاد قرار گرفت، اظهار کرد: همان‌گونه که مطلع هستید شرکت‌های اکتشاف و تولید، مدیریت چاه، مخزن و تأسیسات سطح‌الارض را به‌صورت یکپارچه و برخط انجام نمی‌دهند. در دی ۱۴۰۳ مرکز و پلتفرم مدیریت یکپارچه و همزمان به نام WRFM پاسارگاد رونمایی و راه‌اندازی شد و از همان روز رونمایی، مدیریت گروه گسترش انرژی پاسارگاد هوشمندسازی کامل این مرکز را در کمتر از یک سال هدف‌گذاری کرد. با تلاش شبانه‌روزی متخصصان گروه و همکاری شرکت‌های دانش‌بنیان دانشگاه‌های برتر در کمتر از پنج ماه، به‌کارگیری هوش مصنوعی نیز به قابلیت‌های این پلتفرم در بخش‌های تولید و حفاری افزوده شده است. این در حالی است که در شرایط موجود نمی‌توانیم این پلتفرم‌ها را از شرکت‌های خارجی دریافت کنیم، یا اگر امکان خریداری آن هم مهیا شود در استقرار و استفاده از آن با مشکلات زیادی روبه‌رو خواهیم شد.
وی با بیان اینکه از قابلیت‌های پلتفرم WRFM پاسارگاد افزون بر دریافت برخط (Real-time) اطلاعات، باید به تسهیل تحلیل داده و آنالیز آن هم اشاره شود، تصریح کرد: درواقع این پلتفرم بستری را فراهم می‌کند که افزون بر جمع‌آوری و ذخیره‌سازی استاندارد در پایگاه داده‌ها، تحلیل لحظه‌ای اطلاعات انجام می‌گیرد و امکان مشاهده الگو و روند داده‌ها و همچنین صدور هشدارهای لازم را فراهم کرده و اطلاعات را در یک سیستم یکپارچه نمایش می‌دهد. در نتیجه اطلاعات اولیه و تفسیرشده، به‌صورت یکپارچه در دسترس متخصصانی که باید تصمیم‌گیری کنند، قرار گرفته و سرعت تصمیم‌گیری افزایش می‌یابد. این پلتفرم دارای سامانه‌های مدیریتی مختلف ازجمله مدیریت برخط تولید چاه‌ها، سامانه تنظیم اخطار و هشدار روی اطلاعات فشار، دمای تأسیسات سرچاه و واحدهای جمع‌آوری و انتقال نفت، سامانه مدیریت برخط عملیات حفاری و مقایسه پارامترهای عملیات حفاری با برنامه، سامانه تعمیرات سطح‌الارض، پیش‌بینی تولید چاه‌های موجود، پیش‌بینی نرخ حفاری (ROP) و... در حدود ۱۲ ماژول هوش تجاری و ۳ ماژول هوش مصنوعی است که در توسعه و تولید از میدان نفتی سپهر و جفیر در حال استفاده است.
مدیرعامل شرکت بهره‌برداری نفت و گاز سپهر پاسارگاد با اشاره به اینکه یکی از نمونه‌های استفاده از این پلتفرم در میدان نفتی سپهر و جفیر است، افزود: در این تجربه، ما توانستیم آپ‌تایم‌های (کل زمان منهای مدت زمان قطعی سرور) بالا حتی تا ۹۸ درصد داشته باشیم و فقط ۲ درصد توقف تولید اتفاق بیفتد. از طرف دیگر استفاده از این پلتفرم، در مدیریت زمان و کاهش هزینه بسیار تأثیرگذار بود. برای نمونه در یک چاه با بهره‌گیری از امکانات این مرکز شاهد دستیابی به جلوگیری از توقف تولید و افزایش تولید به ارزش ۱۵۰ میلیون دلاری بودیم.
دهقانی ادامه داد: به‌طور کلی یکی از مسائلی که عمدتاً سبب افزایش هزینه‌ها در مخازنی که آسفالتین دارند می‌شود، این است که اگر عملکرد فشار و دمای چاه به‌صورت برخط پایش و تحلیل نشود و سرعت و نرخ تولید سیال به‌صورتی باشد که فرصت رسوب آسفالتین در چاه یا تأسیسات سطح‌الارض ایجاد شود، در این شرایط ممکن است تولید چاه متوقف شود، یا نیاز به تعمیر بدون دکل یا با دکل داشته باشد، یا ناچار به تزریق مواد شیمیایی برای جلوگیری از تشکیل آسفالتین به‌صورت همیشگی خواهیم بود که بار مالی زیادی به دنبال دارد.
وی افزود: در شرکت‌هایی که سابقه استفاده از مواد شیمیایی جلوگیری از تشکیل آسفالتین را دارند، هزینه‌هایی حدود ۰.۷ تا ۱.۴ دلار در هر بشکه، برای آنها داشته است. با مدیریت چاه که با این پلتفرم در پاسارگاد صورت گرفت، سعی کردیم یا اصلاً تزریقی انجام نشود، یا به مقدار بسیار اندکی باشد که سرانجام افزون بر در مدار تولید بودن چاه‌ها، هزینه‌های عملیاتی (OPEX) چاه‌های فهلیانی در مقایسه با میدان‌های دیگر کاهش داده است
.
مدیرعامل شرکت بهره‌برداری نفت و گاز سپهر پاسارگاد با بیان اینکه این پلتفرم به ما اجازه می‌دهد به سمت هوشمندسازی کامل میدان نفتی (Digital Oil Field) حرکت کنیم. در برخی از میدان‌ها در ایران، نصب سیستم‌های اسکادا اتفاق افتاده، اما از آنجا که پلتفرم یکپارچه‌سازی و تحلیل داده‌های چاه، مخزن و سطح‌الارض وجود نداشته، این بلوغ کامل نشده است، افزود: در واقع در میدان‌ها، سنسورها و سیستم‌های اندازه‌گیری را نصب کرده‌ایم، اما پلتفرمی نداشتیم که بتوانیم از داده‌های برخط برای تصمیم‌سازی مدیریتی استفاده کند. این اقدام‌ها فقط در حوزه تولید بوده و شامل حفاری و هدایت چاه‌های افقی نمی‌شود.
دهقانی با اشاره به اینکه با آنچه امروز در پاسارگاد و به‌خصوص با حمایت مدیرعامل گروه انجام شده، توانستیم به‌معنای کامل به سمت میدان نفتی دیجتیال پیش برویم و در کنار آن پلتفرم را نیز متناسب با نیازهای خودمان طراحی کنیم، افزود: این پلتفرم اطلاعات برخط دکل‌های حفاری و عملیات درون‌چاهی را هم دریافت می‌کند. یعنی مرکز و پلتفرم فقط مرکز مانیتورینگ نیست و قابلیت تصمیم‌سازی و هشدار و به‌کارگیری هوش مصنوعی در پیش‌بینی روندها دارد. از طرفی از آنجایی که امکان بارگذاری برنامه‌های پیش‌بینی تولید، برنامه عملیات حفاری و زمین‌شناسی روی این پلتفرم توسعه یافته، مزیتی را به کاربر می‌دهد تا بتواند برنامه‌های خود را با آنچه در حال اجراست، مقایسه کند.
وی گفت: افزون بر این می‌توان در محدوده‌ای که مدنظر متخصص و کاربر است، محدوده پارامترهای مختلف فشار، دما، وزن، سرعت و... را تنظیم کرد تا در صورت تغییر، هشدار بدهد. این سیستم، در تمام ساعات روز، فعال است و نیازی نیست اپراتوری بر آن نظارت داشته باشد.
مدیرعامل شرکت بهره‌برداری نفت و گاز سپهر پاسارگاد با اشاره به اینکه در سال ۱۴۰۳، هوش تجاری این پلتفرم با توجه به مأموریتی که مدنظر بود، تکمیل شد، اظهار کرد: تا امروز سه دستاورد در این زمینه کسب کردیم؛ یکی از آنها پیش‌بینی هوشمند تولید است. یعنی به‌جای حرکت به سمت مدل‌سازی‌های زمان‌بر مانند مدل‌های شبیه‌ساز سه‌بعدی، می‌توانیم با استفاده از هوش مصنوعی، در کمتر از ۱۰ ثانیه برای یک چاه پیش‌بینی تولید انجام دهیم تا متوجه شویم که از آن چاه تولید بهینه انجام می‌شود یا خیر. در بحث پیش‌بینی تولید، تلاش داریم به جایی برسیم که حتی هوش مصنوعی، ریشه‌های مشکلات چاه‌ها را هم برای ما شناسایی کند. یعنی کم‌کم به سمتی حرکت می‌کنیم که راهکارهای تثبیت و افزایش تولید از طریق خود هوش مصنوعی به ما پیشنهاد داده شود.
دهقانی با بیان اینکه ماژول دیگری که توانستیم گام‌های خوبی را برای انجام آن برداریم، بحث بهینه‌سازی سرعت حفاری است، افزود: یکی از موضوعاتی که عموماً در بحث‌های حفاری مهم است دستیابی به‌سرعت بهینه و حداکثر سرعت حفاری (ROP) است. در ادامه کار، پیش‌بینی هوشمند مشکلات حین حفاری ارائه خواهد شد، چراکه یکی از موضوعات مهم صنعت نفت است و امیدواریم ۳ تا چهار ماه آینده رونمایی شوند. این پیش‌بینی هوشمند، به دو روش صورت خواهد گرفت؛ هم از اطلاعات چاه‌های اطراف و هم به‌صورت لحظه‌ای بر اساس داده‌های چاه در حال حفاری که در هر دو با استفاده از هوش مصنوعی، در کسری از ثانیه مشکلات را پیش‌بینی و اطلاع‌رسانی خواهند کرد.
وی با بیان اینکه طی فعالیت‌هایمان، متوجه شدیم که ضرورت دارد دانشجویان و متخصصین ما، به منابع مختلف دسترسی داشته باشند و برای اینکه در این دسترسی، زمان را کاهش دهیم، باید به پلتفرمی مانند چت‌جی‌بی‌تی، دست یابیم، افزود: مشکل اصلی این پلتفرم‌هایی مانند چت‌جی‌بی‌تی وسعت زیاد و عمق کم اطلاعات است. در واقع با دریایی از اطلاعات اما با سطح تخصصی پایین روبه‌رو هستیم، بنابراین در دیسیپلین‌های صنعت نفت به‌صورت تخصصی پاسخگوی ما نیستند. بر همین اساس، ابتدا دانش راه‌اندازی پلتفرم‌های اولیه را که می‌خواستیم در صنعت نفت شبیه به همان مدل را راه‌اندازی کنیم، کسب کردیم. سپس در راستای تولید و توسعه پلتفرم مدنظر خودمان حرکت کردیم. این پلتفرم، با توجه به مدل‌های زبانی بزرگ Large Language Model یا LLM که امروز رایج شده و همه را غافلگیر کرده، می‌تواند برای متخصصان کاربردی و کمک‌کننده باشد.
نظر شما