مدل ترکیبی مبتنی بر ترکیب هوش مصنوعی و اینترنت اشیا (AI–IoT) برای پایش هوشمند، نگهداری پیشگویانه و ارزیابی اقتصادی در صنایع نفت، گاز و پتروشیمی

تحول دیجیتال در واحدهای فرآیندی طی سال های اخیر موجب شده است که ترکیب هوش مصنوعی (AI) و اینترنت اشیا (IoT) به عنوان یکی از موثرترین رویکردها برای ارتقای قابلیت اطمینان، مدیریت انرژی، نگهداری پیشگویانه و بهبود تصمیم گیری عملیاتی مطرح شود. با وجود پیشرفت های قابل توجه، بخش عمده ای از پژوهش های موجود تنها بر یک حوزه عملیاتی متمرکز بوده و ارتباط میان تشخیص آنومالی، پیش بینی خرابی، بهینه سازی انرژی و تحلیل اقتصادی چرخه عمر را به صورت یکپارچه بررسی نکرده اند و هنوز چارچوبی جامع برای تبیین اثرات هم زمان فنی و اقتصادی AI–IoT ارائه نشده است. نوآوری این مطالعه در توسعه یک چارچوب چندلایه است که سه حوزه مکانیکال، الکتریکال و الکترونیکال (ابزار دقیق) را به صورت هم زمان تحلیل می کند و نقش AI–IoT را در تشخیص خطا، پیشنهاد نقاط کار بهینه، مدیریت هوشمند بار و کالیبراسیون مبتنی بر وضعیت تبیین می نماید. هدف پژوهش، ارائه یک مدل یکپارچه برای ارزیابی اثرات فنی–اقتصادی این فناوری ها و تعیین شرایطی است که در آن پیاده سازی آن ها منجر به کاهش هزینه چرخه عمر و افزایش بهره وری انرژی می شود. روش شناسی مطالعه شامل تحلیل ساختاریافته کاربردهای AI–IoT، استخراج شواهد از مطالعات مروری و صنعتی، و توصیف مدل های اقتصادی مبتنی بر هزینه سرمایه ای (CAPEX)، هزینه عملیاتی (OPEX)، هزینه های کالیبراسیون، هزینه چرخه عمر (LCC) و هزینه های ریسک است. نتایج مطالعه نشان می دهد که ترکیب AI–IoT در حوزه مکانیکال موجب بهبود چشمگیر تشخیص زودهنگام خرابی، کاهش توقف اضطراری و افزایش راندمان انرژی تجهیزات دوار می شود. در بخش الکتریکال، مدل های پیش بینی بار و مدیریت هوشمند توان باعث کاهش پیک مصرف، بهبود کیفیت توان و افزایش پایداری شبکه داخلی می شوند. در حوزه ابزار دقیق، تشخیص خطای حسگر، کالیبراسیون هوشمند و تضمین کیفیت داده منجر به کاهش هزینه چرخه عمر، افزایش دقت کنترل فرآیند و کاهش توقف ناشی از خطای سنسور می شود. همچنین تحلیل های اقتصادی نشان می دهد که کاهش هزینه انرژی و تعمیرات، بازگشت سرمایه را در بازه ۱–۳ سال ممکن می سازد. درنهایت، این مطالعه با ارائه یک چارچوب جامع و قابل کاربرد، تصویری روشن از منافع فنی و اقتصادی AI–IoT فراهم می کند و مسیر تصمیم گیری مبتنی بر داده را برای مدیران و مهندسان در واحدهای فرآیندی تقویت می سازد.

کلیدواژه ها:

هوش مصنوعی ، اینترنت اشیا ، پایش تجهیزات مکانیکال ، مدیریت دارایی های الکتریکال ، روش ابزار دقیق ، تحلیل هزینه ها