آغاز هوشمندسازی نفتکش های کشور

به گزارش کار و درآمد، مشاور مدیرعامل شرکت ملی پالایش و پخش فرآورده های نفتی ایران بیان نمود: بر مبنای برنامه ریزی ها، تمامی نفتکش های کشور تا ۲ سال آینده به سامانه های نظارت لحظه ای مجهز می شوند.

به گزارش کار و درآمد به نقل از وزارت نفت، شرکت ملی پالایش و پخش فرآورده های نفتی ایران در راه تحول دیجیتال، پروژه بزرگ «هوشمندسازی زنجیره تأمین» را با اولویت نظارت دقیق بر خطوط لوله، نفتکش ها و پالایشگاه ها پیش می برد. بر مبنای برنامه ریزی های انجام شده، تا ۲ سال آینده تمام نفتکش های کشور به سامانه های نظارت لحظه ای مجهز می شوند.
عملیات انتقال نفت به پالایشگاه ها، پالایش، توزیع فرآورده های نفتی در سراسر کشور، ساخت پالایشگاه ها، خطوط لوله و شبکه های مخابراتی درگذشته به شکل پراکنده انجام می شد، اما در سال ۱۳۷۰، با تأسیس شرکت ملی پالایش و پخش فرآورده های نفتی ایران این کارها یکپارچه شد. امروز بعد از گذشت ۳۵ سال، این شرکت به نقطه ای رسیده که باتوجه به گستردگی عظیمش در تأمین و توزیع سوخت، هوشمندسازی زنجیره تأمین فرآورده های نفتی ایران را در دستورکار قرار داده است.
فرزاد برزگر، مشاور مدیرعامل شرکت ملی پالایش و پخش فرآورده های نفتی ایران «هوشمندسازی زنجیره تأمین فرآورده های نفتی ایران» درباره ی این پروژه مهم توضیح می دهد.

صنعت پالایش و پخش فرآورده های نفتی، در امتداد بهره مندی از هوش مصنوعی و فناوری های دیجیتال چه اقدام هایی انجام داده است؟

درمورد هوش مصنوعی باید دقت نماییم که درگیر تعبیر اشتباه نشویم. در چند سال اخیر، معمولا هوش مصنوعی با چت بات ها شناخته شده که اغلب ال ال ام هستند و یک کانسپت متفاوت از نیاز صنعت به شمار می روند. گاهی این باور اشتباه ایجاد می شود که چیزی به نام هوش مصنوعی وجود دارد که فقط کافی است ما آنرا در فضای مورد نظر، اجرا نماییم تا کار کند. درصورتی که هوش مصنوعی نقطه پایان یک ساختار داده محور است؛ ابتدای مرحله اینست که باید ساختاری مبتنی بر داده ایجاد نماییم. البته در این ساختار ایجادشده، این که دیتا و اطلاعات چطور جمع آوری شده هم اهمیت دارد که حالا برای ایجاد این ساختار داده محور، تمرکز بر سرعت و دقت جمع آوری اطلاعات را بالا خواهیم برد. ازاین رو زمانی که ما پروسه و ساختار داده، و نحوه مکانیزه جمع آوری داده ها را داشته باشیم، گام بعدی اینست که برای نمونه در کنار دفتر برنامه ریزی، هوش مصنوعی درباره ی توزیع فرآورده تصمیم بگیرد و برنامه ریزی داشته باشد. در اینجا باید دقت نماییم داده ای که هوش مصنوعی برای مقاصد صنعتی و عملیاتی نیاز دارد، با اطلاعات چت بات ها متفاوت است؛ داده ها در اینجا باید بسیار قوی و بدون اشتباه باشد.
یکی از موضوعات مهم شناسایی مکان هایی است که احتیاج به حسگر دارد یا این که سنسورهایی را که حالا وجود دارد اما بی استفاده مانده به مدار برگردانیم. پس از آن که تمام ساختار داده که در این زنجیره به وجود آمد، ما engine های هوش مصنوعی را Learn می نماییم که درحقیقت ساده ترین و آخرین اقدامی است که باید صورت گیرد، چونکه هوش مصنوعی دو چالش مهم دارد: ۱- سخت افزار که احتیاج به تأمین مالی دارد، ۲- بحث دیتا و داده که مهم ترین بخش به کارگیری هوش مصنوعی است که اگر این دو چالش برطرف شود، باقی موارد حل شده خواهد بود.
هم حالا بر جمع آوری داده تمرکز داریم و طراحی تمامی زنجیره را با نگاه داده محور انجام دادیم؛ همان‎طور که در خیلی از نرم ‎افزارهای شناخته شده جهان رواج دارد. در توضیح کلی استفاده از هوش مصنوعی، باید بگویم ما در زنجیره پالایش و پخش، از پروسه آغاز کردیم؛ یعنی ساختار داده محور تمام زنجیره را طراحی کردیم. بدین سان امروز بطور دقیق می دانیم در هر کجای این پازل، چه اطلاعاتی نیاز داریم و این که اگر اطلاعات از راه حسگر، یا به شکل انسانی جمع آوری شده باشد، چه باید بکنیم.

اگر بخواهیم اقدام های انجام شده ابتدای این زنجیره را به تفکیک بگوییم، گام اول در حوزه هوشمندسازی صنعت پالایش و پخش کدام است؟

زنجیره ای که در حوزه هوش مصنوعی و تکنولوژی های جدید در پالایش و پخش پوشش داده می شود، از جایی است که نفت خام از بالادست تحویل گرفته می شود، بعد از آن شرکت خطوط لوله این نفت را به پالایشگاه منتقل می کند و سپس پالایشگاه نفت خام را پالایش می کند و فرآورده را تحویل انبار می دهد و انبار آنرا در کشور توزیع می نماید. ما هر جای این زنجیره قرار داشته باشیم، یک مبحث فراگیرشده در سطح جهانی در حوزه هوش مصنوعی وجود دارد.
در خط لوله مبحث مهم اینست که بتوانیم داده های موجود در خط - مانند موقعیت جغرافیای خطوط، فشار، دبی حجمی سیال، دما و… - را شناسایی نماییم تا بتوانیم با تحلیل آن داده، هم بحث برنامه ریزی را انجام دهیم، هم این که انشعاب، نشت یا خرابی های احتمالی را از تحلیل داده های ثبت شده، به دست آوریم.
تا امروز در مبحث میترینگ خط لوله (فرآیند اندازه گیری و کنترل دقیق کمیت و کیفیت سیالات شامل نفت، گاز، فرآورده های نفتی و… در طول خطوط لوله)، گامهای بسیاری برداشته شده، اما به جهت اینکه بتوانیم اعلام نماییم تمام زنجیره را در بخش خط لوله مانیتور می نماییم، به فرصت بیشتری حدود دو تا سه سال نیاز داریم که این در چارچوب پروژه جاری، به نام «هوشمندسازی زنجیره تأمین فرآورده های نفتی ایران» در حال انجام می باشد. در این پروژه، چند شرکت بزرگ کنسرسیوم تشکیل داده و آنرا به شکل (GC) هدایت می کنند. ما در خط لوله برنامه ریزی کردیم که میترینگ را انجام دهیم با پایش دقیق نرخ حجمی و نوع سیال، در مبادی مهم تحویلی، مانند پالایشگاه، نیروگاه و البته صادرات، در حوزه هوشمندسازی خط لوله، گام مهمی برداریم که تا امروز بخش زیادی از آنرا پیش بردیم.
در راستای توسعه همکاریهای فناورانه صنعت پالایش، درمورد طرح هوشمندسازی پالایشگاه ها تفاهم نامه هایی برای همکاریهای علمی، پژوهشی و فناوری و استفاده از ظرفیتهای علمی و تخصصی کشور منعقد شده؛ باتوجه به گستردگی عملکرد پالایشگاه ها، چه اقدام هایی در این زمینه انجام شده؟
ما در بحث پالایشگاه ها ورود و ساختار داده را به آنها عرضه کردیم تا در امتداد برنامه ریزی کلان ما در حوزه هوش مصنوعی که مقرر است در کل این زنجیره استفاده گردد فعالیت کنند. از پالایشگاه ها می خواهیم در دسته بندی فرآیندی خاص، به ما دیتا بدهند. برای تحقق این اقدام، باید ERP (Enterprise Resource Planning/ سیستم نرم افزاری یکپارچه) در تمام پالایشگاه ها مستقر شود. حالا پالایشگاه اصفهان یکی از بهترین ERP موجود در دنیا را با موفقیت مستقر کرده و پالایشگاه بندرعباس هم درحال انجام این اقدام است و با دیگر پالایشگاه ها هم جلسات مختلفی برگزار شده است. در واقع تمام پالایشگاه ‎ها بطور موازی درحال پیگیری استفاده از ERP بین المللی یا داخلی هستند. اطلاعاتی که در اتوماسیون صنعتی و فرآیندی پالایشگاه ها ثبت می شود، در جایی به نام DCS (Distributed control system/ سیستم کنترل توزیع شده) جمع آوری و کنترل می شود. این دیتا می تواند برای هوش مصنوعی، خوراک مناسبی باشد تا بتواند اختلال و ایرادها را شناسایی کند.
در معماری طراحی شده دیتای کلان، مقرر است بخشی از دیتای DCS پالایشگاه ها را هم به این مجموعه نهائی منتقل نماییم، ازاین رو ما هم دیتای سنسورها را از DCS پالایشگاه ها می گیریم و هم دیتاهای فرآیندی شان را که در سطح برنامه ریزی کلان است، از ERP و سامانه های پالایشگاه ها دریافت می نماییم.

با توجه به این که پروژه هوشمندسازی در انبارها هم شروع شده لطفاً بفرمائید شرکت ملی پالایش و پخش فرآورده های نفتی ایران در این زمینه چه اقدام هایی انجام داده؟

پروژه هوشمندسازی انبارها با بهره گیری از سنسورها، چند سال پیش انجام شد و به علت احتیاج به برخی تغییرات، مورد بازآرایی قرار گرفت که امروز در مراحل پایانی پروژه هستیم تا بتوانیم باردیگر به مدار برگردانیم. به طورکلی برای هر مخزن در انبارها، حسگرهای اندازه گیری حجم، دما و فشار نصب شده و ورودی کل انبار هم از راه میترینگ قابل اندازه گیری است. در بحث انبارها از بهترین حسگرهای روز جهان استفاده شده و بزودی دیتای آنها بطور خودکار جمع آوری خواهد شد. اما تا زمان هوشمندسازی انبارها، حالا برنامه به این صورت است که برای هر انبار یک گزارش ۲۴ ساعته می گیریم.

بخش توزیع فرآورده ها، اصلی ترین بخشی است که باید از سیستم های دستی بیرون رود و به سوی هوشمندسازی حرکت نماید. در این پروژه هوشمندسازی مبتنی بر داده که آغاز کردید، چه اقدام هایی در حوزه توزیع فرآورده ها صورت گرفته است؟

دقیقاً مبحث مهم دیگر، بحث توزیع فرآورده هاست؛ یعنی جایی که فرآورده ها باید از انبارها بیرون رود و از راه نفتکش یا ناوگان ریلی، یا خط لوله، یا در موارد خاص با بهره گیری از کشتی، به مصرف کننده برسد. در این قسمت هم ما احتیاج به مانیتورینگ داریم که بخش اعظم نظارت در این مرحله، به نفتکش ها و تانکرهایی مربوط می شود که در جاده ها فرآورده را منتقل می کنند که یکی از نقاط مورد بحث و قاچاق خیز است. در این راستا طی یک پروژه مقرر است تمامی نفتکش های کشور را تا دو سال آینده هوشمندسازی نماییم. حالا کمتر از ۵۰ درصد نفتکش ها در سراسر کشور مجهز به GPS هستند، اما شاید لزوم داشته باشد که نوع GPSها تغییر کند و همین این که علاوه بر این، نصب چند حسگر دیگر را هم در دستورکار نفتکش ها قرار دادیم؛ می خواهیم امکان نظارت لحظه به لحظه (Realtime) وزن داخل تانکر را داشته باشیم و این که می خواهیم احتمال بازشدگی قفل های نفتکش را هم پایش نماییم. به طورکلی تمام این برنامه ها به هوشمندسازی نفتکش ها منتهی خواهد شد تا هم بتوانیم مسیر آنها و هم شرایط فرآورده و احتمال جایگزینی فرآورده را پایش نماییم.

به طورکلی در امتداد هوشمندسازی زنجیره پالایش، در چه مرحله ای هستیم؟

هم حالا ساختار داده کل زنجیره را مشخص و در تمام بخش ها، تقریبا بطور موازی حرکت کردیم. از طرفی در فرایند هوشمندسازی، به طراحی و بهره برداری از هوش تجاری هم توجه داشتیم. طی یک سالی که تیم جدید مستقر شده، یک ساختار مبتنی بر BI طراحی کردیم که بمحض اضافه شدن هر حسگر، داده های آن به طراحی یکپارچه ما منتقل خواهد شد. مدلهای هوش مصنوعی هم برای Learn شدن آماده هستند، فقط به دیتاسنسورها، با مدت زمان بالا نیازمندیم. البته حالا درحال جمع آوری داده های موجود historical ۱۰ ساله یا بیشتر هستیم تا بتوانیم مدلهای هوش مصنوعی را فراگیر نماییم. همانطور که پیشتر گفتم، در بحث هوش مصنوعی، چالش نرم افزاری و کودینگ وجود ندارد و فقط باید جمع آوری دیتا را به خوبی مدیریت نماییم که با اقدام هایی که تا حالا انجام شده، پیشبینی می نماییم تا یکی، دو سال آینده، تمام سنسورها نصب و جمع آوری اطلاعات مهم فرآیندی تکمیل شود. در نهایت چشم انداز ما اینست که با تکمیل جمع آوری تمام داده ها - شامل دیتای جغرافیایی تمامی انبارها، جایگاه ها، نیروگاه ها و مصرف کننده های اصلی، اطلاعات خطوط لوله، تولید پالایشگاه ها، ظرفیت انبارها و… - طی مدت ۶ ماه، آنها را بررسی نماییم و در اختیار سیستم توزیع فرآورده قرار دهیم، حتی این که فرآورده از چه انباری، با چه روشی، به کجا منتقل شود. تمام این کارها با انجین های هوش مصنوعی به آسانی قابل انجام است و در این راستا، تفاهم نامه های بسیاری با دانشگاه ها، مانند دانشگاه امیرکبیر منعقد کردیم و فقط لازم است ساختار داده را تکمیل نماییم.
احتمالاً پایان شهریور ۱۴۰۴، افتتاحیه اولیه مرکز مانیتورینگ ما صورت خواهد گرفت که در مرحله نخست، هوش تجاری رونمایی می شود. در واقع تمرکز ما بر هوش تجاری است، چونکه بر این باوریم BI به بیزینس های داده محور ساختار می دهد و زمانی که بلوغ دیتای جمع آوری شده به حد مناسب برسد، انجین های هوش مصنوعی هم افتتاح می گردد که احیانا بخشی از آن، در همین شهریور و هم زمان با رونمایی از BI خواهد بود.

در حوزه پالایش و پخش فرآورده های نفتی استفاده از هوش تجاری چه ضرورتی دارد؟

BI می تواند با تجزیه وتحلیل های تجاری، تجسم داده ها و ابزارها، دیتا ماینینگ و… به اتخاذ تصمیم های مهم کمک نماید. هوش تجاری برای ایجاد تغییر یا حذف و ایجاد انطباق با تغییرات بازار به بررسی داده ها تکیه می کند. در یک تعریف خلاصه دیگر «مجموعه ای از استراتژی ها و فناوری ها را شامل می شود که اغلب سازمان ها و شرکت ها می توانند از راه آنها به تحلیل داده و مدیریت اطلاعات تجاری بپردازند.»
هوش تجاری، ساختار داده یک بیزینس را مدیریت می کند، ازاین رو فاز اصلی، جمع آوری سیستماتیک این داده ها و انتقال شان به انبار داده است. این انبار داده جایی است که تمام دیتاها ذخیره شده و دیتای تاریخچه ای را هم نگهداری می کند. یعنی بعد از ۱۰، ۲۰ سال می توانیم به تمام دیتاها با یک ساختار رابطه ای و یکپارچه، دسترسی داشته باشیم. در واقع BI یا هوش تجاری، شبیه مغز یک کسب و کار است که تمام اطلاعات را به هم مرتبط و حفظ نموده و در صورت نیاز، اطلاعات را به روز می کند، ازاین رو حتی می توانیم انجین های هوش مصنوعی را علاوه بر داده های خام با ریزدانگی بالا به انبار داده BI هم متصل نماییم.
پس از تکمیل تمام اطلاعات و دیتاها، و هوشمندسازی در زنجیره، می توانم بگویم که در تمام صنعت نفت کشور، تا به امروز هیچ پروژه ای با این ساختار انجام نشده و اگر بتوانیم تا یکی، دو سال آینده منابع مالی آنرا تأمین نماییم، پابه پای نمونه های استاندارد و ایده آل در سطح جهان خواهیم بود.

تمام مجموعه کارها در پروسه هوشمندسازی صنعت پالایش و پخش فرآورده های نفتی ایران، داخلی است؟

به طورکلی در صنعت نفت، در حوزه سخت افزار معمولا از نسخه های بین المللی استفاده می شود، البته این یک روال عادی برای تمام شرکت ها و صنایع بزرگ در جهان است، چونکه لزوم ندارد هر شرکتی، خودش به تمام تجهیزات و زیرساخت ها دسترسی داشته باشد. در طراحی ساختار داده و هوش تجاری اما تمام کارها با تأکید بر توان آی تی و دانش فرآیندی داخل سازمان به انجام می رسد.

تأمین مالی این پروژه به چه صورت بوده؟ آیا تا حالا ضرورتی برای جذب سرمایه خارجی بوده؟

درمورد تأمین مالی تمامی پروژه های هوشمندسازی در زنجیره پالایش و پخش، باید گفت تمام آن از طرف سرمایه گذاران داخلی به انجام می رسد، چونکه بر مبنای بند قانونی برنامه هفتم توسعه، باید تمام شرکت های زیرمجموعه وزارت نفت، تا پایان برنامه هفتم مجهز به میترینگ و مانیتورینگ شوند، ازاین رو نیازهای مالی هم در این برنامه لحاظ شده است، شاید در این بین عدد محاسبه شده با نیاز واقعی پروژه، تفاوت داشته باشد، اما در تلاش هستیم با شرح کار و هدف مشخص، تأمین مالی را انجام دهیم و به هدف نهائی مان برسیم. البته تأییدات تأمین مالی را گرفتیم و پیشبینی مان اینست که تا یکی، دو ماه آتی نهائی شود. از طرفی با سه شرکت بزرگ به شکل کنسرسیوم قرارداد بستیم که به نمایندگی از ما، در مناقصه ها شرکت نمایند، چونکه ما این برنامه را به عنوان یک ابرپروژه می شناسیم. حتی می توانیم این ادعا را بکنیم که میترینگ خط لوله ای که مقرر است انجام دهیم، می تواند در سطح بین المللی بازار میترینگ جهان را تحت تاثیر قرار دهد.
به طور خلاصه زنجیره ای که در حوزه هوش مصنوعی و فناوری های نوین در پالایش و پخش پوشش داده می شود، از جایی است که نفت خام از بالادست تحویل گرفته می شود، پس از آن شرکت خطوط لوله این نفت را به پالایشگاه منتقل می کند و سپس پالایشگاه نفت خام را پالایش می کند و فرآورده را تحویل انبار می دهد و انبار آن را در کشور توزیع می نماید. به طورکلی برای هر مخزن در انبارها، سنسورهای اندازه گیری حجم، دما و فشار نصب شده و ورودی کل انبار هم از طریق میترینگ قابل اندازه گیری است. حالا کمتر از ۵۰ درصد نفتکش ها در سرتاسر کشور مجهز به GPS هستند، اما شاید ضرورت داشته باشد که نوع GPSها تغییر کند و همین اینکه علاوه بر این، نصب چند سنسور دیگر را هم در دستورکار نفتکش ها قرار دادیم؛ می خواهیم امکان نظارت لحظه به لحظه (Realtime) وزن داخل تانکر را داشته باشیم و اینکه می خواهیم احتمال بازشدگی قفل های نفتکش را هم پایش نماییم.

1404/06/14

13:04:49

5.0 / 5

تگهای خبر: تكنولوژی , توسعه , تولید , سازمان

این پست کار و درآمد مورد قبول شماست؟

(1)

(0)

تازه ترین مطالب مرتبط

نظرات کاربران کار و درآمد در مورد این مطلب

نظر شما در مورد این مطلب

نام:

ایمیل:

نظر:

سوال:

= ۴ بعلاوه ۵