ارزیابی کارایی سیستم های تشخیص نشت و آتش سوزی مبتنی بر هوش مصنوعی در پالایشگاه ها

این پژوهش به ارزیابی جامع کارایی سیستم های نوین تشخیص نشت گاز و آتش سوزی مبتنی بر الگوریتم های هوش مصنوعی (AI) در محیط های پیچیده و پرخطر مجتمع های پالایشگاهی می پردازد. با توجه به اهمیت حیاتی پیشگیری از حوادث و کاهش زمان پاسخ اضطراری، یک مطالعه موردی بر روی یک واحد پالایشگاهی خاص انجام شده است. در این راستا، عملکرد مدل های یادگیری عمیق (مانند CNN و LSTM) در تشخیص زودهنگام و طبقه بندی انواع نشت (گازهای قابل اشتعال، سمی) و مراحل اولیه حریق، با روش های سنتی مقایسه شد. یافته های پژوهش نشان داد که سیستم های مبتنی بر AI دقت (Accuracy) و نرخ تشخیص کاذب (False Positive Rate) به مراتب بهتری ارائه می دهند. همچنین، یک مدل بهینه سازی پاسخ اضطراری (Emergency Response Optimization Model) بر اساس زمان تشخیص بهینه (Time-to-Detect) و زمان واکنش (Response Time) ارائه گردید که با استفاده از منطق فازی و شبیه سازی مبتنی بر داده های عملیاتی، مسیرهای تخلیه و تخصیص منابع اطفاء حریق را در کوتاه ترین زمان ممکن تعیین می کند. مدل پیشنهادی، پتانسیل کاهش قابل توجه خسارات مالی و جانی در صورت وقوع حادثه را تایید کرد.

کلیدواژه ها:

تشخیص نشت گاز ، تشخیص حریق ، هوش مصنوعی ، یادگیری عمیق ، مجتمع پالایشگاهی ، بهینه سازی پاسخ اضطراری ، ایمنی صنعتی.