ارائه یک چارچوب مفهومی برای یکپارچه سازی یادگیری ماشین با بازرسی مبتنی بر ریسک پویا در صنعت نفت و گاز

این پژوهش با ارائه چارچوبی پویا یادگیری ماشین را با بازرسی مبتنی بر ریسک (۵۸۱ API RA) تلفیق می کند. نوآوری کلیدی تبدیل ضریب تخریب (Dy) به پارامتری پویا و داده محور توسط الگوریتم های هوشمند است. جهت رفع چالش تفسیرپذیری، مدل ها لایه هوش مصنوعی قابل تفسیر (XAI) مبتنی بر ارزش های SHAP ادغام گردید. اعتبارسنجی در سناریوی خط لوله گاز ترش نشان داد که این رویکرد نرخ تخریب را ۹۰% بالاتر از مدل های ایستا برآورد می کند که نشان دهنده دست کم گیری قابل توجه در رویکرد سنتی است. این چارچوب زمینه ساز توسعه سامانه های هوشمند مدیریت دارایی و تصمیم گیری داده محور در بازرسی مبتنی بر ریسک است.

کلیدواژه ها:

یادگیری ماشین ، بازرسی مبتنی بر ریسک پویا ، ۵۸۱ API RP ، ضریب تخریب ، هوش مصنوعی قابل تفسیر (XAI)