Разделы

Цифровизация Бизнес-приложения Инфраструктура

Россияне научили нейросеть ремонтировать нефтепроводы

Российские ученые разработали технологию, полностью автоматизирующую и повышающую качество процесса ремонта трубопроводов в нефтегазовой отрасли путем метода индукционного нагрева. Идея представляет собой программно-аппаратный комплекс, легко адаптируемый для нужд любых отраслей промышленности, в том числе автомобильной и ракетно-космической.

Нейросеть-сварщик

В России разработан программно-аппаратный комплекс на основе нейросетей для контроля ремонта нефте- и газопроводов. Авторами идеи выступили исследователи Сибирского федерального университета (СФУ) им. М. Ф. Решетнева, расположенного в Красноярске.

Как пишет ТАСС, новый отечественный комплекс позволяет не только осуществлять контроль над процессом ремонта систем трубопровода, но также повышать его эффективность. Принцип работы изобретения российских ученых заключается в отслеживании в реальном времени показаний используемых при ремонте трубопровода приборов. На основе этих данных нейросети и могут управлять процессами пайки и сварки.

Преимущества использования нейросетей в ремонте нефтепровода

В нефтегазовой сфере ремонт трубопровода осуществляется при помощи технологии бесконтактного нагрева трубопровода током (индукционный нагрев) в месте пайки. При этом методе контроль за выполнением работ осуществляется путем измерении температуры смежных участков области соединения элементов трубопровода при помощи специальных бесконтактных датчиков.

Такой способ контроля нельзя назвать точным, поскольку из-за особенностей самого индукционного нагрева и бесконтактных датчиков неизбежно возникает погрешность измерений, отрицательно влияющая на итоговое качество ремонта трубопровода. Этот недостаток и позволит устранить программно-аппаратный комплекс ученых СФУ.

Нейросети сделают нефтепроводы более надежными

По словам изобретателей, в ходе испытаний нейросети позволили добиться наибольшей эффективности в классификации погрешностей средств измерения – в пределах 94,9%. При этом нейросетям еще предстоит процесс обучения, что и даст им возможность на фоне максимальной точности измерений корректировать ремонт нефте- и газопроводов, ориентируясь на оптимальные параметры сварки. «Это позволит повысить качество ремонта, а также сделать надежнее трубопроводную систему нефтегазового оборудования», – отметил доцент кафедры технологических машин и оборудования нефтегазового профиля СФУ Владимир Бухтояров, один из авторов исследования.

Сферы использования разработки СФУ

Опытный образец программно-аппаратного комплекса, построенный на специальном стенде, пригоден к использованию исключительно в нефтегазовой отрасли. Тем не менее, специалисты СФУ уверены, что общий принцип работы комплекса и технологии, реализованные в нем, вполне применимы и в других сферах промышленности.

По словам Владимира Бухтоярова, программная часть комплекса универсальна и не привязана исключительно к технологии индукционного нагрева. Ее можно использовать совместно с другими методами пайки и сварки, что значительно расширяет область ее применения. К примеру, это может быть автомобильная промышленность или ракетно-космическая отрасль.

Российский искусственный интеллект в нефтяной промышленности

В России, помимо нейросетей для контроля за качеством ремонта трубопровода, существуют и другие виды искусственного интеллекта, используемого в нефтяной отрасли. Так, в августе 2018 г. Отечественный стартап «Химтех» создал технологию OptimEase для управления нефтехимическими установками при помощи ИИ и машинного обучения. Использование решения позволяет повысить производительность установки, выход готового продукта и его качество с одновременным снижением расхода энергоресурсов и потери продукта. По подсчетам разработчиков, внедрение OptimEase на стандартную установку мощностью 7 млн тонн в год даст возможность повысить производство дизельного топлива на 0,83%, а также снизить расход энергоресурсов на 5,3%. Ожидаемый суммарный экономический эффект от внедрения – $3,94 млн в год.

В феврале 2019 г. «Газпром нефть» сообщила о намерении использовать искусственный интеллект и машинное обучение для цифрового моделирования месторождений. Под этим подразумевалось цифровое моделирование пластовых течений с помощью машинного обучения. Благодаря этому решения по разработке месторождений, от которых зависит расходование значительных сумм, можно будет принимать быстрее и точнее. Помощь «Газпром нефти» в этом оказал Сколковский институт науки и технологий («Сколтех»), специалисты которого в рамках этого проекта разработали «уникальные» алгоритмы мета-моделирования пластовых течений. По словам ученых, эти алгоритмы работают в несколько сотен раз быстрее по сравнению с классическим гидродинамическим моделированием углеводородных залежей.

Эльяс Касми