پایش تجهیزات منطقه عملیاتی خارگ با بهره‌گیری از فناوری هوش مصنوعی
به گزارش نبض نفت به نقل از روابط عمومی شرکت نفت فلات قاره ایران، مهندس عابدرضا فرهادی‌پور جانشین برنامه‌ریزی، نوسازی و تعمیرات منطقه با اعلام این خبر گفت: دو نفر از همکاران متخصص در واحد پایش وضعیت موفق شدند در یک بستر علمی و توام با فعالیت‌های اجرایی مرتبط با وظایف شغلی، با هدف ارتقاء سطح ایمنی در کار و کاهش هزینه‌های نگهداری و تعمیر تجهیزات صنعتی، همچنین افزایش قابلیت اطمینان و کاهش خرابی‌های ناگهانی تجهیزات و جلوگیری از توقف ناخواسته تولید برای نخستین بار به کمک فناوری هوش مصنوعی در زمینه پایش تجهیزات یک الگوریتم پیشرفته را توسعه دهند که قادر است به‌طور خودکار Hotspot را در تصاویر ترموگرافی شناسایی و مشخص کند.
وی افزود: به‌کارگیری این فرآیند با آگاه‌سازی به‌موقع اپراتورهای تجهیزات از خرابی دستگاه، کارایی و قابلیت اطمینان تجهیزات را افزایش داده و با استفاده از پیش‌بینی‌پذیری مناسب به کاهش خرابی‌ها و توقف‌های ناخواسته کمک می‌کند. الگوریتم طراحی شده از مراحل متعدد پیش‌پردازش تصویر، تبدیل به سطح خاکستری، اعمال فیلتر گوسی، تعیین آستانه، تشخیص کنتور و تحلیل آنها در بستر نرم‌افزاری بهره می‌برد و نتیجه نهایی، تصویری است که در آن نقاط Coldspot و Hotspot در حال گسترش به صورت واضح و برجسته نمایش داده می‌شوند و این امر کارکنان را قادر می‌سازد تا با سرعت و به موقع اقدامات لازم پیشگیرانه را انجام داده، همچنین مقدمه طراحی، ارزیابی و شناسایی زودهنگام سایر فاکتورهای خرابی را با توسعه الگوریتم در زمینه شناسایی هندسه قطعات را نیز فراهم نمایند.
فرهادی‌پور ادامه داد: پروژه مورد نظر نه تنها یک گام بلند در جهت ارتقاء استانداردهای نگهداری و تعمیرات متناسب با به‌کارگیری هوش مصنوعی در صنعت نفت و گاز است، بلکه نشان‌دهنده تعهد کارکنان پایش وضعیت به ارتقاء دانش فنی و بهره‌گیری از فناوری‌های نوین و هوشمندانه در جهت بهبود عملیات، افزایش ایمنی و تعالی سازمان است. با استفاده از رویکرد جدید که با توسعه الگوریتم و بر اساس داده‌های جدید به‌دست آمده از رفتار تجهیزات حاصل شده است، قادر خواهیم بود ضمن تشخیص زودهنگام بسیاری از خرابی‌ها و جلوگیری هوشمندانه از رشد آنها، در کنار کاهش هزینه‌های نگهداری و تعمیر تجهیزات، کارایی و قابلیت اطمینان تجهیزات مورد نیاز عملیات تولید را به حداکثر برسانیم.
جانشین برنامه‌ریزی، نوسازی و تعمیرات منطقه عملیاتی خارگ گفت: در جهت دستیابی به این اهداف، مهندس امیررضا خان‌محمدی به عنوان کارشناس تعمیرات پیشگیرانه موفق به کسب مدرک درجه دو آنالیز ارتعاشات (CAT II) از موسسه Mobius ، مدرک درجه یک آنالیز روغن ماشین‌های صنعتی ) (MLA I از موسسه ICML، مدرک عیب‌یابی گیربکس‌های صنعتی از شرکتHansen بلژیک و مدرک درجه 2 ترموگرافی از موسسات ایرانی و شرکت SKF شده است. همچنین مهندس ایرج آهنگری تحت عنوان مهندس ارشد کنترل و ابزار دقیق، در جهت پیشبرد این پروژه موفق به کسب مدارک Deep Learning ، IBM Data Science وDigital Manufacturing & Design Technology شده است که همگی این مدارک در خارج از سیستم آموزشی شرکت و با پشتکار مثال‌زدنی خود همکاران دریافت شده است.
فرهادی‌پور در تشریح اقدامات واحد پایش وضعیت مدیریت برنامه‌ریزی، نوسازی و تعمیرات منطقه افزود: کارکنان واحد پایش وضعیت جزیره خارگ با توجه به حساسیت و تعداد تجهیزات موجود در منطقه به‌طور میانگین در هر ماه بیش از بیست تجهیز را مورد تحلیل ارتعاشی و آنالیز دمایی قرار می‌دهند که به عنوان نمونه و بیان دستاوردهای واحد پایش وضعیت منطقه می‌توان به استفاده از نتایج این پروژه جهت شناسایی عیوب ترانسفورماتورهای حساس قبل از وقوع اتصال کوتاه و پیش‌بینی توقف تولید ناشی از قطع برق منطقه، همچنین شناسایی بیرینگ‌های معیوب تجهیزات دوار مانند کمپرسورهای هوا، توربین‌ها و پمپ‌های انتقال نفت واقع در کارخانجات به منظور پیش‌بینی آسیب‌های ناگهانی و ایجاد خرابی گسترده در سایر قطعات حساس مانند مکانیکال‌سیل و شفت‌های آنها اشاره کرد.
در نهایت، کارکنان این واحد مفتخرند که این پروژه‌ها را به‌عنوان یک دستاورد بزرگ در حوزه نوآوری و پیشرفت تکنولوژیک در شرکت نفت فلات قاره ایران به‌منظور به‌کارگیری علم روز دنیا در بستر اجرای فعالیت‌های جاری شرکت ارائه دهند و امیدوارند که این رویکرد، گامی مهم در جهت افزایش کارایی و قابلیت اطمینان استفاده از تجهیزات صنعتی و کمک به توانمندسازی شرکت ملی نفت ایران باشد.
گفتنی است، واحد پایش وضعیت (Condition Monitoring) یک بخش حیاتی و تخصصی در صنایع مختلف است که وظیفه اصلی آن نظارت و پایش عملکرد تجهیزات و ماشین‌آلات حساس و کلیدی است.
این واحد تحت مدیریت مجموعه برنامه‌ریزی نگهداری و تعمیرات با استفاده از تکنیک‌ها و فناوری‌های پیشرفته، داده‌ها و اطلاعات مربوط به تجهیزات که شامل دما، ارتعاشات، صوت، وضعیت روانکارها، مشخصات الکتریکی، شرایط بهره‌برداری و ... است را جمع‌آوری، پردازش و تحلیل نموده تا بتواند هرگونه نشانه یا علائم احتمالی آسیب، خرابی و یا انحراف از شرایط عملکرد طبیعی را به‌موقع و قبل از ایجاد هزینه‌های زیاد شناسایی نماید.
