از سیستم های پیش بینی محور تا همیاران تصمیم گیری انسان محور: چارچوبی مبتنی بر AI Copilot و Digital Twin برای مدیریت تاب آور و چابک بحران های HSE در صنایع انرژی

صنایع انرژی و پتروشیمی به دلیل پیچیدگی فرآیندها، وابستگی های میان سیستمی و ریسک های عملیاتی بالا، در معرض بحران های پویا و زمان حساس قرار دارند. با وجود پیشرفت در سامانه های پایش صنعتی و تحلیل داده، بسیاری از سیستم های پشتیبان تصمیم گیری موجود همچنان پیش بینی محور، ایستا و فاقد قابلیت پشتیبانی تعاملی از تصمیم گیری در لحظه بحران هستند. این پژوهش با هدف پاسخ به این شکاف، یک چارچوب مفهومی-کاربردی مبتنی بر هم افزایی «هوش مصنوعی همیار» (AI Copilot) و «دوقلوی دیجیتال» (Digital Twin) برای مدیریت چابک و تاب آور بحران های HSE در صنایع انرژی ارائه می دهد. روش شناسی پژوهش بر پایه پارادایم پژوهش طراحی محور (Design Science Research) استوار بوده و از تلفیق سنتز ادبیات، طراحی معماری سیستم و تحلیل سناریومحور بهره می برد. خروجی پژوهش، یک معماری شش لایه و رویدادمحور است که در آن داده های حسگرهای صنعتی و سامانه های SCADA از طریق دوقلوی دیجیتال هیبریدی پردازش شده و سپس توسط موتور AI Copilot به گزینه های عملیاتی رتبه بندی شده و توضیح پذیر تبدیل می شوند. چارچوب پیشنهادی با بهره گیری از سازوکار Human-in-the-Loop و هوش مصنوعی توضیح پذیر (XAI)، بر تقویت قضاوت انسانی، شفافیت تصمیم گیری و پشتیبانی از مدیریت بار شناختی در شرایط بحران تمرکز دارد. ارزیابی مفهومی چارچوب از طریق یک آزمایشگاه منطقی مبتنی بر سناریوی نشتی گاز H₂S در واحد الفین یک مجتمع پتروشیمی انجام شد و منطق تعامل میان لایه های داده، شبیه سازی و تصمیم گیری بازسازی گردید. همچنین، یک ماتریس چندبعدی شاخص های کلیدی عملکرد برای ارزیابی آتی تاب آوری، چابکی و کیفیت تصمیم گیری طراحی شد. یافته ها نشان می دهد که چارچوب پیشنهادی می تواند مبنایی برای گذار از سیستم های صرفا پیش بینی محور به سامانه های تصمیم یار انسان محور در تحول دیجیتال HSE صنایع انرژی فراهم سازد.

کلیدواژه ها:

هوش مصنوعی همیار ، دوقلوی دیجیتال ، مدیریت بحران چابک ، انسان در حلقه ، هوش مصنوعی توضیح پذیر ، تاب آوری سازمانی ، صنایع نفت ، گاز و پتروشیمی