پیش بینی خرابی تجهیزات در سکوهای نفتی با استفاده از هوش مصنوعی و یادگیری ماشین
سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 158
فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CCOCDSTS03_018
تاریخ نمایه سازی: 8 اسفند 1403
چکیده مقاله:
در صنعت نفت، تجهیزات بحرانی نقش مهمی در تولید پایدار و ایمن ایفا می کنند. پیش بینی خرابی این تجهیزات می تواند از توقف های غیرمنتظرهو هزینه های بالای تعمیرات جلوگیری کند.مقاله حاضر به بررسی کاربردهای هوش مصنوعی و یادگیری ماشین در پیش بینی خرابی تجهیزاتصنعتی می پردازد. با توجه به هزینه های بالای نگهداری و تعمیرات در صنایع، هدف این پژوهش ارائه الگوریتم های پیشرفته برای تحلیل داده هایحسگری و بهبود عملکرد سیستم ها است. در این راستا، با استفاده از تکنیک های مختلف یادگیری ماشین از جمله شبکه های عصبی و رگرسیونچندگانه، داده های بلادرنگ جمع آوری و تحلیل می شوند تا قابلیت پیش بینی خرابی ها و بهینه سازی فرآیندها افزایش یابد. نتایج تحقیق نشانمیدهد که به کارگیری این الگوریتم ها نه تنها موجب کاهش هزینه های عملیاتی و افزایش بهره وری می گردد، بلکه بهبود قابل توجهی درتصمیم گیری های مدیریتی و استراتژیک به همراه دارد .
کلیدواژه ها:
هوش مصنوعی ، یادگیری ماشین ، پیش بینی خرابی ، تحلیل داده ها ، تجهیزات سکو ، خرابی سکو ، هزینه های عملیاتی ، بهینه سازی فرآیندها ، الگوریتم های ماشین لرنینگ ، ، داده های حسگری ، صنعت نفت ، بهره وری.
نویسندگان
احلام قاسمیان
دانشجوی کارشناسی مهندسی کامپیوتر دانشگاه پیام نور شیراز
کمیل خدایار
دانشجوی کارشناسی مهندسی کامپیوتر دانشگاه پیام نور شیراز