کاربرد هوش مصنوعی در نفت و انرژی
کاربرد هوش مصنوعی در نفت و انرژی
از آنجا که صنایع انرژی و مواد خام معدنی با فرآیندهای دستی تولید نامناسب در حوزه نفت سر و کار دارند و در حوزه بهره برداری از معدن نیز نا ایمن بوده اند، در مجهزسازی به دستگاههای خودکار عملیاتشان اشتیاق نشان داده اند. راهکارهای فناوری پیشرفته همچون فناوری هوش مصنوعی می تواند از رشد تولید پشتیبانی کرده و معضلات سلامت و ایمنی را به میزان زیادی حذف کند. و از آنجا که حمل و نقل تجاری در هیچ کجا به دنبال کنار گذاشتن استفاده از نفت برای این هدف منی باشد، در نتیجه به نظر می رسد که فناوری هوش مصنوعی آینده مهم و درخشانی داشته باشد.

به گزارش آژانس رویدادهای مهم نفت و انرژی " نفت ما " ، موسسه "ویکی استرات" بین 16 تا 21 نوامبر 2016، یک شبیه سازی آنلاین را برای بررسی چگونگی کاربرد هوش مصنوعی در حمل و نقل تجاری که بر سه صنعت انرژی و مواد خام، مالی، برق و زیرساختار حمل نقل تاثیر می گذارند، برگزار کرد. در این تمرین شش روزه بیش از 20 متخصص هوش مصنوعی و حمل و نقل، 21 سناریو را ترسیم کرده و اعلام کردند پیشرفتهای مهم فناوری هوش مصنوعی از هم اکنون تا سال 2026 اتفاق خواهد افتاد. آنها همچنین تشریح کردند که این پیشرفتهای مهم، بر صنایع مورد بحث تاثیر خواهند گذاشت. سپس در مورد احتمال و تاثیر هرکدام از سناریوها رای دادند.

"اندرس دال سانتو" یافته های کلیدی این شبیه سازی را اینچنین خلاصه کرده است: 1- اتوماسیون (تجهیز به دستگاههای خودکار) در حمل و نقل فقط مختص به وسایل بدون سرنشین نیست. 2- حمل و نقل تجاری و لجستیک داده های زیادی را عرضه خواهد کرد. 3- زنجیره و عملیات تامین، بهینه سازی و افزایش بالایی را شاهد خواهد بود. 4- این تغییرات بنیادین باعث بازاندیشی در مورد الگوهای کاری و تجاری خواهد شد.

در چکیده اجرایی این گزارش آمده است: صنعت جهانی حمل و نقل با بیش از 1 تریلیون دلار در آستانه یک انقلاب قرار دارد که پیامدهای چندگانه ای بر دیگر صنایع همچون انرژی، مالی و زیرساختار خواهد گذاشت. هوش مصنوعی به کار رفته در حمل و نقل تجاری روشهایی را که کالاها حمل و نقل شده و تحویل داده می شود حتی قبل از اینکه وسایل به صورت خودکار دربیایبند، تغییر خواد داد. صنعت حمل و نقل نه تنها کالاها را جابجا می کند بلکه همچنین میزان بسیار زیادی داده و اطلاعات تولید می کند. همچنین شرکتها باید با زیرکی توانمندیهای تحلیلی داخلی شان را با سازمانهایشان توسعه داده و منسجم کنند. برندگان این صنعت به صورت فزاینده ای تحلیل داده ها را به منظور افزایش لجستیک شان استفاده می کنند، شبکه های توزیعشان را آسان کرده، الگوهای تقاصا را پیش بینی کرده و خواسته مشتری برای تحلیلهای عمیق را انجام می دهند.

زیرساختار حمل و نقل به میزان زیادی توسط این تغییرات تحت تاثیر قرار خواهد گرفت، که در صنایع برق ، انرژی و مواد خام می باشد. صنعت مالی نیز مدیریت ریسک بالا و توانایی قیمت گذاری را به اندازه پیش بینی دقیق عوامل کلیدی به دست خواهد آورد. این تغییر و تحول، مخاطرات و فرصتهایی ایجاد خواهد کرد. شرکت کنندگان جدید ایجاد شده و پیشرفت خواهند کرد و شرکتهای موجود نیز ممکن است به سرعت با الگوهای خودشان سازگار شوند و برخی نیز ممکن است از گردونه رقابت حذف شوند. حملات سایبری ممکن است موقتا زنجیره های تامین را مختل کنند. فناوریهای هوش مصنوعی که به صورت ناکافی و کم مورد آزمایش قرار گرفته باشند ممکن است به حوادث یا تصمیات تجهیز به دستگاهای خودکار باعیب و نقص منجر شوند که شامل کشته شدن رانندگان یا آسیب به کالاها می باشد. همچنین اتوماسیون اضافی می تواند باعث افزایش بیکاری و تنشهای اجتماعی شود.

انرژی و مواد خام

از آنجا که صنایع انرژی و مواد خام معدنی با فرآیندهای دستی تولید نامناسب در حوزه نفت سر و کار دارند و در حوزه بهره برداری از معدن نیز نا ایمن بوده اند، در مجهزسازی به دستگاههای خودکار عملیاتشان اشتیاق نشان داده اند. راهکارهای فناوری پیشرفته همچون فناوری هوش مصنوعی می تواند از رشد تولید پشتیبانی کرده و معضلات سلامت و ایمنی را به میزان زیادی حذف کند. و از آنجا که حمل و نقل تجاری در هیچ کجا به دنبال کنار گذاشتن استفاده از نفت برای این هدف منی باشد، در نتیجه به نظر می رسد که فناوری هوش مصنوعی آینده مهم و درخشانی داشته باشد.

صنعت بالادستی نفت: تحلیگران پیش بینی می کنند که این صنعت سازگاری اش را در نتیجه ایجاد فناوریهای هوش مصنوعی همچون پهپادها (پرنده های بدون سرنشین) برای اکتشاف و تولید و همچنین برای عملیات ایمنی، نظارت و پایش بیشتر کند. در نتیجه، کارکنان کمتری برای استقرار در عملیاتهای خطرناک از دور یا در مناطق مستعد اختلاف مورد نیاز خواهد بود. از انجا که این فناوریها، ریسک اعتبار و ریسک قانونی را کاهش می دهند، صنعت نفت به شدت به دنبال این نوع فناوریها خواهد بود. محدویتهای قانونگذاری برای عملیات و اجرای فناوریهای جدید همچون پهپادها همچنان وجود دارد. شرکتهایی که در کشورهایی همچون چین که قوانین مناسب و مطلوبی وضع کرده اند، به احتمال زیاد در کوتاه مدت از فعالیشتان منتفع خواهند شد.

صنعت پایین دستی نفت: ترکیب الگوهای حمل و نقل هوش مصنوعی محور با تحلیلهای شرایط آب و هوایی و اقتصادی، به شرکتها اجازه خواهد داد تا رقابتهای بازاریابی شان را سازگار کنند که منجر به افزایش کارآمدی در شرکتهای هدف گذار و مشتریان خواهد شد. شرکتها ممکن است حتی به عنوان یک برند به صورت کشور خاص یا حتی یک شرکت و مکان خاص تبدیل بشوند. در نتیجه، توزیع بر مبنای الگوهای حاکم پیش بینی بهینه سازی شده و افزایش یابد.

صنعت معدن نیز در تلاش است تا فرآیندهای استخراج را که از مسائل ایمنی رنج می برد، مکانیزه کند. به عنوان نمونه شرکت "ریو تینتو" از هم اکنون کامیونهای بدون راننده را در معادن به کار گرفته است. با توجه به اینکه وثیقه های قابل دسترسی به تدریج تمام شده اند، شرکتها در مناطق پرهزینه و دور افتاده پرمخاطره، دست به ریسک زده اند. حاشیه های سود پایین تر به خاطر قیمتهای کالا، شرکتها را تشویق کرده است تا هزینه ها را کنترل کنند. کارشناسان پیش بینی می کنند که فناوری هوش مصنوعی هم هزینه کامیونهای ترابری (کِشنده) معدن روباز را همچون حمل و نقل لجستیک سر معدن کاهش دهد و بهره برداری از عملیات معادن مناطق سخت آسان بکند. علاوه بر این، هزینه جستجو  و بهره برداری از معادن جدید پایین خواهد آمد.

بر اساس گزارش "مک کینزی" توزیع برق بر اساس روز و بر اساس ساعت، عادی (مشترک) خواهد بود. این امر در رایدهای توزیع همیشگی، وسایل حمل بارهای سبکتر، پشتیبانی بیشتر درون شهری، و ناوگان ون برقی کوچک توسعه یافته، نتیجه خواهد داد. همچنین، خدمات شهری برقی یک تعداد فزاینده ای از ایستگاههای شارژ کننده را تقویت خواهد کرد.

تحلیلگران پیش بینی می کنند که خدمات شهری برقی میزان زیادی از داده ها و اطلاعات را تولید کرده و فناوریها را برای بهبود برآورد و افزایش مصرف برق به پیش خواهد راند. این امر در الگوهای حمل  نقل روان روزانه، عوامل ظرفیت بهبود یافته، و تغییر و تحول زیاد و کارآمدی توزیع به ارزش 20 میلیارد دلار در سال فقط در ایالات متحده منجر خواهد شد.

فاتیما رضایی/نفت ما 

نظرات: