شرکتهای صنعت نفت و گاز این سالها با فشارهای فزایندهی تجاری ناشی از تغییر مقررات، قیمتهای ناپایدار، تغییرات ژئوپلیتیکی، پرتفویهای تجاری پیچیدهتر و تعهدات زیستمحیطی روبرو هستند، از این رو بکارگیری هوش مصنوعی برای موفقیت آیندهی آنها بیش از پیش ضروری است؛ چون هوش مصنوعی به آنها کمک میکند تا کارآمدتر، سودآورتر و رقابتیتر شوند.
برخلاف خدمات مالی و توسعهی نرمافزار، بخش نفت و گاز در دنیای واقعی و نه مجازی ریشه دارد. واقعیت کنونی و ملموس آن است که رهبران بازار در حوزهی نفت و گاز در آیندهی نزدیک، شرکتهایی خواهند بود که بکارگیری هوش مصنوعی را در اولویت خود قرار دادهاند. آنها هوش مصنوعی را در هستهی عملیات خود قرار میدهند تا فرآیند استخراج، پالایش و فروش هیدروکربنها را بهبود چشمگیری دهند.
هماکنون شرکتهایی که هوش مصنوعی را بکار میگیرند، مزایای قابل توجهی را تجربه میکنند. برای مثال، هوش مصنوعی به آنها اجازه میدهد تا عملیات را سادهسازی کنند، فرآیندها را از چند ماه به چند هفته کاهش دهند و هزینهی عملیات در محیطهای سخت را تا یک ششم کاهش دهند. در واقع، هوش مصنوعی تأثیر چشمگیری بر امور مالی کلی نفت و گاز خواهد داشت. شرکتهایی که از هوش مصنوعی در عملیات خود بهدرستی استفاده کنند، میتوانند سود مازادی ایجاد کنند که معادل ۳۰ تا ۷۰ درصد از کل سود عملیاتی (EBIT) کنونی آنها در پنج سال آینده باشد. به زبان ساده، هوش مصنوعی میتواند باعث جهش بزرگی در سودآوری خالصِ کسبوکار آنها شود. افزون بر این، هوش مصنوعی به شرکتهای نفت و گاز اجازه میدهد تا کاهش ردپای کربن خود را تسریع کنند.
۱. هوش مصنوعی در سراسر زنجیرهی ارزش نفت و گاز
هوش مصنوعی برای کل زنجیرهی ارزش نفت و گاز، با فرصتهای متمایز در هر بخش، سودآوری خواهد داشت.
۱-۱. هوشمندسازی اکتشاف و تولید؛ از دادههای زمین تا تصمیمهای دقیقتر
اکتشاف و تولید در صنعت نفت و گاز، فرآیندهایی پیچیده و پرهزینه هستند و هوش مصنوعی میتواند آنها را بگونه چشمگیری بهبود بخشد. برای مثال، هوش مصنوعی زمان مورد نیاز برای تجزیه و تحلیل دادههای زمینشناسی و لرزهنگاری را به میزان قابل توجهی کاهش میدهد و شناسایی مکانهای حفاری که با احتمال بالاتری به استخراج نفت منجر شوند را سریعتر و ارزانتر میکند. همچنین قابلیت تجزیه و تحلیل بیدرنگ هوش مصنوعی میتواند پارامترهای حفاری را بهینه کند و هزینهها و زمان توقف تجهیزات بهخاطر خرابی را کاهش دهد به عنوان مثال شرکت نفتی شِل در همکاری با شرکت اسپارککاگنیشن (آواتون)، از مدلهای یادگیری عمیق برای پیشبینی بهینهترین نقاط شلیک در مطالعات لرزهنگاری استفاده کرد. این کار باعث شد تعداد شلیکهای مورد نیاز حدود ۹۹ درصد کاهش یابد و یک برنامهی ۹ ماهه لرزهنگاری دریایی به تنها ۹ روز فشرده شود.
شرکت نفتی شِل در همکاری با شرکت اسپارککاگنیشن (آواتون)، از مدلهای یادگیری عمیق برای پیشبینی بهینهترین نقاط شلیک در مطالعات لرزهنگاری استفاده کرد. این کار باعث شد تعداد شلیکهای مورد نیاز حدود ۹۹ درصد کاهش یابد و یک برنامهی ۹ ماهه لرزهنگاری دریایی به تنها ۹ روز فشرده شود.
در یک نمونهی دیگر شرکت کونوکو فیلیپس از یادگیری ماشین برای بهینهسازی پارامترهای حفاری مانند وزن بر روی مته، دور در دقیقه و خواص گل حفاری در میدان ایگل فورد استفاده کرد. نتایج مستند این کار شامل نرخ بالاتر نفوذ مته، خرابی کمتر موتورها و صرفهجویی قابل اندازهگیری در هزینهی هر چاه بود. شرکت اکوینور هم با استفاده از هوش مصنوعی عملکرد بیش از ۷۰۰ دستگاه دوار را از طریق ۲۴۰۰۰ حسگر پایش میکند. این سامانه با ارائهی هشدارهای بهموقع، از توقفهای ناگهانی که منجر به شعلهور شدن گاز (فلرینگ) میشود، جلوگیری کرده و پایداری عملیات را افزایش داده است.
چالش دیگر در این حوزه، انتشار متان است. هوش مصنوعی، پلتفرمی است که منابع انتشار گازهای گلخانهای را در طول عملیات شناسایی و اندازهگیری میکند و در نتیجه شرکتهای بالادستی به کمک آن میتوانند ابتکارات مقرون بهصرفهای برای کاهش هدفمند انتشار کربن ایجاد کنند. استفاده از تجهیزاتی مانند پهپادها و حسگرها در کنار هوش مصنوعی به شرکتها کمک میکند تا انتشار گازهای گلخانهای خود را کاهش قابل توجهی دهند، کارایی را بهبود بخشند و از اهداف زیستمحیطی پشتیبانی کنند.
استفاده از تجهیزاتی مانند پهپادها و حسگرها در کنار هوش مصنوعی به شرکتها کمک میکند تا انتشار گازهای گلخانهای خود را کاهش قابل توجهی دهند، کارایی را بهبود بخشند و از اهداف زیستمحیطی پشتیبانی کنند.
شرکت اینسایت.ام که اکنون زیر مجموعهی زایتویو است در زمینهی شناسایی متان در مقیاس وسیع با استفاده از هواپیما تخصص دارد تا انتشار را بهسرعت شناسایی و اولویتبندی کند. دادههای صنعت نشان میدهد که بیشتر انتشار متان از درصد کمی از داراییها ناشی میشود که در آنها چند نشت بزرگ باعث از دست رفتن محصول، ریسک عملیاتی و مواجهه با مقررات میشود. نتیجه آنکه در طول یک دهه فعالیت، اینسایت.ام به اپراتورها کمک کرده است تا در مجموع حدود ۹۰۰ میلیون دلار در ارزش محصول صرفهجویی کرده و از ورود بیش از ۲۵۵ میلیارد فوت مکعب متان به جو جلوگیری کنند. این یکی از بزرگترین تلاشهای واقعی برای کاهش متان تا به امروز محسوب میشود.
۱-۲. هوشمندسازی پالایش؛ افزایش بهرهوری و پایداری عملیات
عوامل هوش مصنوعی میتوانند برنامههای تولید پالایشگاهها را بهینه کنند، تعمیر و نگهداری را خودکار مدیریت کنند و قابلیت اطمینان عملیاتی را افزایش دهند. شرکتهایی که از بازرسیهای دیجیتال مبتنی بر هوش مصنوعی و برنامهریزی خودکار استفاده میکنند، زمان از کارافتادگی و هزینههای عملیاتی را کاهش میدهند. شرکت هندی اچ.پی.سی.ال با راهاندازی اولین واحد تبدیل بقایای نفتی در هند، یک ستون فقرات هوشمند مبتنی بر هوش مصنوعی (پلتفرم mcube) را از ابتدا در این واحد پیادهسازی کرده است. این سامانه امکان پایش بیدرنگ ظرفیت واحد برای شناسایی تنگناها را دارد. همچنین شاخص عملیاتی خوراک برای حفظ پایداری در هنگام تغییرات نفت خام، بهینهسازی اختلاط نفت خام برای پیشبینی کیفیت محصولات و مدیریت یکپارچهی هیدروژن و پایش سلامت راکتورها دیگر قابلیتهای آن است.
شرکت وای.پی.اف، بزرگترین شرکت نفت و گاز آرژانتین، با استفاده از راهحل نگهداری تجویزی[i] مبتنی بر یادگیری ماشین، بیش از ۳۰۰۰ منبع داده را از پمپها، کمپرسورها، مبدلهای حرارتی و راکتورهای سه پالایشگاه خود یکپارچه کرده است. در ۱۸ ماه اول پیادهسازی، این سیستم معادل ۱۰ روز تولید را نجات داد. در یک نمونه عینی، سامانه با تشخیص بهموقع ناهنجاری در ارتعاشات کمپرسور هوای واحد شکست کاتالیستی(FCC)، از ذوبشدن یاتاقانها و ۵ روز توقف تولید جلوگیری کرد.
تجربه شرکت توتالانرژیز و هانیول در کنترل خودکار و تصمیمگیری در اتاق کنترل هم درخور توجه است. توتالانرژیز در پالایشگاه پورت آرتور خود، یک دستیار عملیاتی مبتنی بر هوش مصنوعی را در واحد کُکسازی تأخیری بکار گرفته است که در فاز آزمایشی، این سیستم ۵ حادثه احتمالی را بطور میانگین ۱۲ دقیقه پیش از فعالشدن زنگهای هشدار پیشبینی کرد و به اپراتورها زمان حیاتی برای واکنش و جلوگیری از توقف تولید و انتشار گازهای مشعل را داد. نمونه دیگر شرکت اُ.پی.سی اکوادور است که با استفاده از هوش مصنوعی، ۲۲ پمپ اصلی، ۵ پمپ تقویتی و ۴ ژنراتور را در شبکه خطوط لوله خود بهصورت مداوم پایش میکند. بکارگیری این سیستم به کاهش ۲۵ درصدی هزینههای نگهداری و افزایش پایداری شبکه انجامیده است.
۱-۳. هوشمندسازی شبکهی توزیع؛ فرصتهای بومیسازی هوش مصنوعی در ایران
در بخش خردهفروشی سوخت در کشور که تحت نظارت و مدیریت حاکمیت (شرکت ملی پالایش و پخش فرآوردههای نفتی ایران) قرار دارد، هوش مصنوعی بیشتر در قالب سامانههای دادهمحور و تحلیل کلانداده، برای ایفای نقش نظارتی، کنترلی و برنامهریزی در سطح کلان بکار گرفته میشود. برخلاف رویکرد شرکتهای بینالمللی که بر افزایش سودآوری و تجربهی مشتری متمرکز است، کاربرد هوش مصنوعی در ایران، در گام نخست باید بر افزایش شفافیت، جلوگیری از قاچاق و بهینهسازی توزیع سراسری متمرکز شود.
مسیر تبدیل شدن به یک شرکت هوشمصنوعیمحور
برای بهرهبرداری کامل از ظرفیت هوش مصنوعی، شرکتهای پیشرو یک راهبرد سه مرحلهای شامل استقرار، تغییر شکل و نوآوری را دنبال میکنند.
الف. مرحلهی استقرار: صنعت نفت و گاز میتواند با خودکارسازی امور ساده، مانند عیبیابی مشکلات تجهیزات یا سادهسازی فرآیندهای گزارشدهی، به موفقیتهای سریع دست یابد و بیدرنگ بهرهوری را به میزان 10 تا 15 درصد افزایش دهد.
ب. مرحلهی تغییر شکل: شرکتها میتوانند از هوش مصنوعی و عوامل هوش مصنوعی برای ایجاد تحول عمیقتر با بازنگری گردشهای کاری اصلی استفاده کنند. نمونههای آن شامل برنامهریزی خودکار تعمیر و نگهداری پالایشگاه و راهنمایی بیدرنگ برای کارکنان میدانی است که افزایش قابل توجه بهرهوری و کاهش چشمگیر زمان از کارافتادگی خط تولید را به همراه دارد.
ج. مرحلهی نوآوری: کسبوکارها میتوانند از هوش مصنوعی برای ایجاد نوآوری بیشتر، ارائهی محصولات و خدمات نوین مانند راهکارهای شخصیسازیشده برای صرفهجویی در انرژی یا ابزارهای اکتشاف پیشبینیکننده استفاده کنند. با نظارت کافی نیروهای انسانی، عوامل هوش مصنوعی در نهایت میتوانند عملیات را در حوزههای خاصی مانند حفاری اجرا کنند.
مراحل تغییر شکل و نوآوری، بیشترین ارزش افزوده را برای شرکتها از سرمایهگذاری روی هوش مصنوعی در صنعت نفت و گاز ایجاد میکند. اینجاست که فرصتهای معناداری برای تغییر ایجاد میشود و تحول از سطح اصلاح کسبوکار فراتر میرود؛ تا جایی که شاهد شکلگیری ریشههای یک شرکت نفت و گاز مبتنی بر هوش مصنوعی باشیم.
تحول واقعی از فناوری آغاز نمیشود
تبدیل شدن به یک سازمان مبتنی بر هوش مصنوعی نیازمند تغییرات قابل توجه در فناوری، ساختار تیم و گردشهای کاری است. شرکتها باید از بحث استفاده از هوش مصنوعی بهعنوان یک ابزار پشتیبانی فراتر بروند و آن را بطور عمیق در عملیات خود یکپارچه کنند.
شرکتها باید از بحث استفاده از هوش مصنوعی بهعنوان یک ابزار پشتیبانی فراتر بروند و آن را بطور عمیق در عملیات خود یکپارچه کنند.
سرمایهگذاریهای اساسی در زیرساخت دادهها و آموزش کارکنان، همراه با راهبردهای تجاری روشن، برای گذار موفقیتآمیز بسیار مهم هستند.
اولویت هوش مصنوعی برای صنعت نفت و گاز، به معنای ایجاد تغییرات مهم در ساختار و نیروهای نخبهی سازمانی است. شرکتها به جای تکیهی صرف بر بخشهای فناوری اطلاعات، باید به کارکنان در بخشهای تجاری و کسبوکاری اجازه دهند تا با هوش مصنوعی کارها را پیش ببرند و بطور مستقیم از ابزارهای پلتفرمهای فناوری انعطافپذیر و ایمن استفاده کنند. این امر به شرکتها اجازه میدهد تا به سرعت پیش بروند و نوآوریها را آسانتر به کار بگیرند.
در این فرآیند نیروهای مستعد سازمانها نیز نقش کلیدی ایفا میکند. شرکتها باید فعالانه وارد عرصه شوند و کارمندان خود را برای کار با عوامل هوش مصنوعی آموزش دهند و نیروهای نخبهای را استخدام کنند که در بکارگیری هوش مصنوعی مهارت دارند. مدیران شرکت برای تشویق تیمها به آزمایش هوش مصنوعی و سازگاری کارهایشان با فناوریهای نوپدید، باید به وضوح به آنها نشان دهند که استفاده از هوش مصنوعی چطور باعث بهبود کارهای روزمره آنها میشود
فراموش نکنید که شرکتها نیازی به تلاش برای تغییرات کلان و پیچیدهی ناگهانی ندارند.
فراموش نکنید که شرکتها نیازی به تلاش برای تغییرات کلان و پیچیدهی ناگهانی ندارند.
استفاده از هوش مصنوعی برای مقابله با چالشهای رایجی همچون استفاده از سامانههای قدیمی و یکپارچهسازی ضعیف دادهها، نقاط شروع خوبی برای جاانداختن استفاده از هوش مصنوعی در کسبوکارهای مربوط به صنعت نفت و گاز هستند. اینها پروژههای عملی هوش مصنوعی هستند که به راحتی با گردشهای کاری موجود سازگار میشوند. تمرکز روشن بر حل مشکلات خاص کسبوکار با هوش مصنوعی منجر به پیشرفتهای واقعی و پایدار خواهد شد.
۴. نخستین گام را از کجا برداریم؟
شرکتهایی که آمادهی تحول دیجیتال و گام نهادن در سفر هوش مصنوعی هستند، باید این گامهای عملی را بردارند:
- با چشمانداز و نقشهی راه روشن پیش بروید: هوش مصنوعی را عاملی توانمندساز در کسبوکار خود در نظر بگیرید و یک رویکرد فازبندیشده به سوی بلوغ هوش مصنوعی تعریف کنید.
- یک دستور کار برای بکارگیری هوش مصنوعی در کسبوکار ایجاد کنید: هوش مصنوعی را برای حل مشکلات عملیاتی و مالیای متمرکز کنید که از سوی رهبران کسبوکار شناسایی شدهاند.
- زیرساختهای داده و فناوری را تقویت کنید: پلتفرمها را ارتقا بدهید و جریانهای دادهی یکپارچه را در سراسر کسبوکار تضمین کنید.
- نیروی کار خود را آماده پذیرش تغییر کنید: مهارتهای حیاتی را ارتقا بدهید، سواد هوش مصنوعی را در خود تقویت و تیمها را قادر به پذیرش تغییر کنید.
- هوش مصنوعی را به سرعت مستقر کنید و اثرش را نشان بدهید: کار را با دستیابی به موفقیتهای مقطعی و سریعی شروع کنید که بتوانند ارزش واضح استفاده از هوش مصنوعی را نشان دهند و زمینه برای شتابگیری و پذیرش گستردهتر تغییرات را مهیا کنند.
- فضای لازم برای مقیاسپذیری را ایجاد کنید: بودجه و منابعی که از نخستین دستاوردهای هوش مصنوعی بهدست میآورید را صرف توسعهی زیرساختها و بزرگترکردن آن پروژهها کنید تا سازمان برای جهشهای بزرگتر آماده شود.
هوش مصنوعی به شرکتهای نفت و گاز اجازه میدهد تا رقابتی، چابک و سودآور باقی بمانند. آینده از آن کسانی خواهد بود که به سرعت نوآوری میکنند و هوش مصنوعی را بطور عمیق در عملیات و راهبرد اصلی خود بکار میگیرند.
هوش مصنوعی به شرکتهای نفت و گاز اجازه میدهد تا رقابتی، چابک و سودآور باقی بمانند. آینده از آن کسانی خواهد بود که به سرعت نوآوری میکنند و هوش مصنوعی را بطور عمیق در عملیات و راهبرد اصلی خود بکار میگیرند.
منابع:
https://www.bcg.com/publications/2025/ai-first-future-of-oil-and-gas-companies
[i] Prescriptive Maintenance
