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

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

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 .

نویسندگان

احلام قاسمیان

دانشجوی کارشناسی مهندسی کامپیوتر دانشگاه پیام نور شیراز

کمیل خدایار

دانشجوی کارشناسی مهندسی کامپیوتر دانشگاه پیام نور شیراز