طراحی مدل هوشمند هشداردهنده برای کاهش حوادث پالایشگاهی

به گزارش مجله خبری نگار، دکتر ایمان فرحی آشتیانی در نشست خبری طرح‌های تحقیقاتی دانشکده بهداشت و ایمنی دانشگاه علوم پزشکی شهید بهشتی، با اشاره به نتایج یک تحقیق چند ساله درباره تفاوت کشور ما با کشور‌های پیشرفته در زمینه فرهنگ علم و فناوری گفت: چند سال پیش تحقیق کردیم تا بررسی کنیم چه عواملی باعث شده فرهنگ علم و فناوری در کشور‌های پیشرفته بیشتر در جامعه نهادینه شود. به نکات مهمی رسیدیم که یکی از آنها برقراری ارتباط واقعی بین دانشگاه، صنعت و جامعه است.

وی گفت: در کشور‌های پیشرفته، دانشگاه‌ها مراکزی داشتند که از طریق آنها کارخانجات و برند‌های معتبر شکل گرفت و دیواری که بین دانشگاه و مردم وجود داشت، برداشته شد. به طوری که هر فردی که نیاز به اطلاعات علمی داشت، می‌توانست به راحتی و با هماهنگی قبلی به داده‌ها دسترسی پیدا کند. اما در کشور ما، نه تنها مردم، بلکه پژوهشگران و اعضای هیئت علمی دانشگاه هم برای دسترسی به داده‌ها با موانع زیادی روبه‌رو هستند و گاهی از ادامه یک کار خوب منصرف می‌شوند.

فرحی آشتیانی گفت: یکی دیگر از اقدامات مؤثر در آن کشورها، انتشار نتایج پژوهش‌ها به زبان عامه مردم است. پژوهشگران موظف بودند کلیت نتایج خود را به صورت ساده و قابل فهم ارائه کنند تا افراد عادی بدون آشنایی با اصطلاحات تخصصی، مفهوم اصلی را درک کنند و اگر همین اقدام در کشور ما آغاز و ترویج شود، گام مهمی در جهت نهادینه شدن فرهنگ علم و فناوری برداشته‌ایم.

وی با اشاره به نقش رسانه‌ها در این مسیر، گفت: به نظر من در اینجا نقش رسانه‌هاست که باید این اقدامات را جاری و ساری کنند. این روند شروع خوبی باشد، چرا که به هر حال باید از نقطه‌ای شروع کرد؛ خوشبختانه معاونت پژوهشی دانشکده نیز با همت و اعتقاد واقعی به این موضوع ورود کرده است و امیدواریم این مسیر تداوم یابد تا مردم بتوانند از دستاورد‌های این پژوهش‌ها در حوزه‌های مختلف بهره‌مند شوند.

استادیار دانشگاه بهشتی همچنین به فعالیت‌های پژوهشی خود در حوزه صنایع فرایندی اشاره کرد و گفت: طرحی داشتم با عنوان «طراحی و اعتباربخشی مدل ارتقای ایمنی در مواجهه با حوادث انسان‌ساخت در صنایع فرایندی ایران مبتنی بر رویکرد داده‌محور». در این طرح، تمام عواملی که ایمنی را در صنایع پالایشگاهی تهدید می‌کنند، شناسایی و رتبه‌بندی شدند. به‌عنوان مثال، نشت‌ها در پالایشگاه‌ها دلایل متعددی دارند؛ از جمله کهنگی تجهیزات، فرسودگی و تحریم‌ها. سپس این عوامل با استفاده از هوش مصنوعی مدل‌سازی شدند تا علت‌ها و راهکار‌های بهبود مشخص شود.

وی در ادامه گفت: مثلاً در این مدل مشخص شد که برخی پارامتر‌ها تا چه حد خطرناک هستند و داده‌ها به صورت خلاصه و قابل فهم در اختیار ما قرار گرفت. هوش مصنوعی با حجم بالای داده‌ها یک مدل ایجاد کرد که می‌تواند در پالایشگاه‌ها و پتروشیمی‌های مختلف مورد استفاده قرار گیرد. پیشنهاد ما این است که این مدل به یک نرم‌افزار عملیاتی تبدیل شود؛ نرم‌افزاری که با خواندن داده‌ها و تحلیل هوش مصنوعی، در صورت رسیدن داده‌ها به حد خطر، هشدار دهد یا به صورت پیش‌فرض سیستم را قطع کند. این اقدام می‌تواند در صنایع فرایندی ایران به شکل مؤثری استفاده شود.

فرحی آشتیانی گفت: در دانشگاه، مدل به‌صورت پیش‌فرض روی داده‌های نمونه پالایشگاه‌ها کل کشور بررسی شد. به دلیل مسائل امنیتی، نام پالایشگاه‌ها قابل ذکر نیست، اما داده‌ها از جنوب، مرکز و غرب ایران جمع‌آوری شد و نقاط بحرانی و عوامل تاثیرگذار مشخص شدند. مهم‌ترین عوامل شامل نشت، دما، کیفیت سطح تاورها، رطوبت و شرایط هوا بود که حدود دوازده فاکتور در کنار هم اثرگذار بودند. خوبی این مدل این است که تنها به یک عامل نگاه نمی‌کند؛ بلکه ترکیب این دوازده فاکتور باعث وقوع حوادث می‌شود. ماه‌ها حدود یک میلیون دیتا جمع‌آوری شد و با ابزار هوش مصنوعی و روش‌های داده‌کاوی، تحلیل شد. اگر بخواهیم کمی تخصصی‌تر صحبت کنم، با نرم‌افزار Weka و روش‌های لجستیک داده‌ها را مدل کردیم.

وی درباره مدل‌های آماری استفاده‌شده در پژوهش گفت: ما از مدل‌های جنگل تصادفی و لجستیک استفاده کردیم و خروجی‌ها را ارائه دادیم. سیستم‌های ایمنی سنتی پالایشگاه‌ها ابزار‌هایی دارند، اما مدل‌های موجود بیشتر آفلاین هستند؛ یعنی شما ارزیابی ریسک را انجام می‌دهید و سپس اقدام می‌کنید، اما نمی‌توانند جلوی حوادث زنده را بگیرند. نرخ حوادث در کشور ما و بسیاری از کشور‌های دیگر در نفت و گاز بالا است و نشان می‌دهد سیستم‌های قدیمی جوابگو نیستند.

استادیار دانشگاه بهشتی در پایان گفت: سیستم‌های هشداردهنده موجود معمولاً تنها یک یا چند عامل را بررسی می‌کنند؛ مثلاً فشار داخلی تانکر یا دبی یک لوله را کنترل می‌کنند و در صورت رسیدن به حد خطر، اقدام می‌کنند. اما هیچ سیستمی وجود ندارد که همه عوامل اثرگذار—مثل دما، فشار، رطوبت و دیگر پارامترها—را همزمان بررسی کرده و با ترکیب آنها ریسک را مدل کند و به صورت هوشمند هشدار دهد. اما مرحله بعدی تبدیل آن به نرم‌افزار عملیاتی است تا روی سیستم‌های پالایشگاهی مستقر شود و بتواند به صورت پویا و زنده عمل کند. این مرحله، برنامه‌ساز اصلی است و باید در آینده انجام شود.