کاربرد هوش مصنوعی و یادگیری ماشین در پیش بینی و پیشگیری از حریق در صنایع نفت، گاز و پتروشیمی

حریق در صنایع نفت، گاز و پتروشیمی یکی از بحرانی ترین مخاطرات صنعتی به شمار می رود که به دلیل ماهیت فرآیندهای عملیاتی، حضور مستمر مواد هیدروکربنی قابل اشتعال، فشار و دمای بالا، تجهیزات پیچیده و شرایط بهره برداری متغیر، می تواند در زمانی کوتاه به حوادثی فاجعه بار با پیامدهای گسترده انسانی، اقتصادی و زیست محیطی منجر شود. بررسی سوابق حوادث صنعتی در دهه های اخیر نشان می دهد که بخش قابل توجهی از آتش سوزی ها ناشی از عدم شناسایی به موقع شرایط بحرانی، ضعف در تحلیل داده های عملیاتی و ناتوانی سیستم های سنتی در پیش بینی رفتار غیرخطی و پیچیده فرآیندها بوده است. در این راستا، بهره گیری از فناوری های نوین مبتنی بر هوش مصنوعی (Artificial Intelligence) و یادگیری ماشین (Machine Learning) به عنوان رویکردی تحول آفرین در حوزه مدیریت ایمنی فرایند مطرح شده است.پژوهش حاضر با هدف طراحی و تبیین چارچوبی هوشمند برای پیش بینی و پیشگیری از حریق در صنایع نفت، گاز و پتروشیمی انجام شده است. در این مطالعه، با استفاده از داده های تاریخی حوادث، داده های عملیاتی ثبت شده توسط سامانه های پایش صنعتی (مانند SCADA) و اطلاعات حسگرهای دما، فشار، سطح و غلظت گازهای قابل اشتعال، مجموعه ای از مدل های یادگیری ماشین شامل رگرسیون لجستیک، ماشین بردار پشتیبان، جنگل تصادفی و شبکه های عصبی مصنوعی توسعه داده شد. فرآیند پژوهش شامل مراحل پیش پردازش داده، انتخاب ویژگی های موثر، آموزش و اعتبارسنجی متقاطع مدل ها و ارزیابی عملکرد آن ها بر اساس شاخص هایی نظیر دقت، حساسیت، ویژگی و سطح زیر منحنی ROC بوده است.نتایج تحلیل ها نشان داد که الگوریتم های مبتنی بر مدل های غیرخطی، به ویژه جنگل تصادفی و شبکه های عصبی چندلایه، توانایی بالایی در شناسایی الگوهای پیچیده منتهی به شرایط مستعد حریق دارند و می توانند با دقت قابل توجهی وقوع وضعیت های بحرانی را پیش از تبدیل شدن به حادثه واقعی پیش بینی نمایند. همچنین، ادغام این مدل ها با سامانه های پایش بلادرنگ، امکان ایجاد سیستم هشدار زودهنگام و تصمیم یار هوشمند را فراهم می سازد که می تواند نقش موثری در کاهش زمان واکنش، جلوگیری از گسترش حریق و به حداقل رساندن خسارات ایفا کند.در نهایت، این پژوهش نشان می دهد که به کارگیری رویکردهای داده محور و الگوریتم های یادگیری ماشین، می تواند تحول اساسی در استراتژی های پیشگیری از حریق در صنایع پرریسک ایجاد کرده و زمینه ساز گذار از مدیریت ایمنی واکنشی به مدیریت ایمنی پیش بینانه و هوشمند گردد. توسعه زیرساخت های داده ای، بهبود کیفیت داده های صنعتی و ارتقای قابلیت تفسیرپذیری مدل ها از جمله الزامات کلیدی برای پیاده سازی موفق این رویکرد در محیط های عملیاتی واقعی محسوب می شود.

کلیدواژه ها:

هوش مصنوعی ، یادگیری ماشین ، پیش بینی حریق ، صنایع نفت و گاز ، مدیریت ایمنی فرایند ، تحلیل ریسک