مشاور مدیرعامل شرکت ملی پالایش و پخش فرآورده‌های نفتی ایران با اعلام اینکه این شرکت در مسیر تحول دیجیتال، پروژه بزرگ «هوشمندسازی زنجیره تأمین» راآغاز کرده است، بیان کرد: بر اساس برنامه‌ریزی‌ها، تمامی نفتکش‌های کشور تا دو سال آینده به سامانه‌های نظارت لحظه‌ای مجهز می‌شوند تا بهره‌وری افزایش یافته و ریسک‌ها و قاچاق سوخت به حداقل برسد.
به گزارش مسیر انرژی به نقل از «ماهنامه ایران‌پترولیوم»، شرکت ملی پالایش و پخش فرآورده‌های نفتی ایران در مسیر تحول دیجیتال، پروژه بزرگ «هوشمندسازی زنجیره تأمین» را با اولویت نظارت دقیق بر خطوط لوله، نفتکش‌ها و پالایشگاه‌ها پیش می‌برد. بر اساس برنامه‌ریزی‌های انجام‌شده، تا دو سال آینده تمام نفتکش‌های کشور به سامانه‌های نظارت لحظه‌ای مجهز می‌شوند.
عملیات انتقال نفت به پالایشگاه‌ها، پالایش، توزیع فرآورده‌های نفتی در سراسر کشور، ساخت پالایشگاه‌ها، خطوط لوله و شبکه‌های مخابراتی درگذشته به‌صورت پراکنده انجام می‌شد، اما در سال ۱۳۷۰، با تأسیس شرکت ملی پالایش و پخش فرآورده‌های نفتی ایران این فعالیت‌ها یکپارچه شد. امروز پس از گذشت ۳۵ سال، این شرکت به نقطه‌ای رسیده که با توجه به گستردگی عظیمش در تأمین و توزیع سوخت، هوشمندسازی زنجیره تأمین فرآورده‌های نفتی ایران را در دستورکار قرار داده است.
فرزاد برزگر، مشاور مدیرعامل شرکت ملی پالایش و پخش فرآورده‌های نفتی ایران «هوشمندسازی زنجیره تأمین فرآورده‌های نفتی ایران» درباره این پروژه مهم توضیح می‌دهد.
صنعت پالایش و پخش فرآورده‌های نفتی، در راستای بهره‌مندی از هوش مصنوعی و فناوری‌های دیجیتال چه اقدام‌هایی انجام داده است؟
درمورد هوش مصنوعی باید دقت کنیم که درگیر تعبیر اشتباه نشویم. در چند سال اخیر، معمولاً هوش مصنوعی با چت‌بات‌ها شناخته شده که اغلب ال‌ال‌ام هستند و یک کانسپت متفاوت از نیاز صنعت به‌شمار می‌روند. گاهی این باور اشتباه ایجاد می‌شود که چیزی به نام هوش مصنوعی وجود دارد که فقط کافی است ما آن را در فضای مورد نظر، اجرا کنیم تا کار کند. درصورتی‌که هوش مصنوعی نقطه پایان یک ساختار داده‌محور است؛ ابتدای مرحله این است که باید ساختاری مبتنی بر داده ایجاد کنیم.
البته در این ساختار ایجادشده، اینکه دیتا و اطلاعات چگونه جمع‌آوری شده هم اهمیت دارد که اکنون برای ایجاد این ساختار داده‌محور، تمرکز بر سرعت و دقت جمع‌آوری اطلاعات را بالا خواهیم برد. بنابراین زمانی که ما فرآیند و ساختار داده، و نحوه مکانیزه جمع‌آوری داده‌ها را داشته باشیم، گام بعدی این است که برای مثال در کنار دفتر برنامه‌ریزی، هوش مصنوعی درباره توزیع فرآورده تصمیم بگیرد و برنامه‌ریزی داشته باشد. در اینجا باید دقت کنیم داده‌ای که هوش مصنوعی برای مقاصد صنعتی و عملیاتی نیاز دارد، با اطلاعات چت‌بات‌ها متفاوت است؛ داده‌ها در اینجا باید بسیار قوی و بدون اشتباه باشد.
یکی از موضوعات مهم شناسایی مکان‌هایی است که نیاز به سنسور دارد یا اینکه سنسورهایی را که اکنون وجود دارد اما بی‌استفاده مانده به مدار برگردانیم. پس از اینکه تمام ساختار داده که در این زنجیره ایجاد شد، ما engineهای هوش مصنوعی را Learn می‌کنیم که درواقع ساده‌ترین و آخرین اقدامی است که باید انجام شود، چراکه هوش مصنوعی دو چالش مهم دارد: ۱- سخت‌افزار که نیاز به تأمین مالی دارد، ۲- بحث دیتا و داده که مهم‌ترین بخش به‌کارگیری هوش مصنوعی است که اگر این دو چالش برطرف شود، باقی موارد حل‌شده خواهد بود.
هم‌اکنون بر جمع‌آوری داده تمرکز داریم و طراحی تمامی زنجیره را با نگاه داده‌محور انجام دادیم؛ همان‌طور که در بسیاری از نرمافزارهای شناخته‌شده جهان رواج دارد. در توضیح کلی استفاده از هوش مصنوعی، باید بگویم ما در زنجیره پالایش و پخش، از فرآیند آغاز کردیم؛ یعنی ساختار داده‌محور تمام زنجیره را طراحی کردیم. به این ترتیب امروز به‌طور دقیق می‌دانیم در هر کجای این پازل، چه اطلاعاتی نیاز داریم و اینکه اگر اطلاعات از طریق سنسور، یا به‌صورت انسانی جمع‌آوری شده باشد، چه باید بکنیم.
اگر بخواهیم اقدام‌های انجام‌شده ابتدای این زنجیره را به تفکیک بگوییم، نخستین گام در زمینه هوشمندسازی صنعت پالایش و پخش کدام است؟
زنجیره‌ای که در زمینه هوش مصنوعی و فناوری‌های نوین در پالایش و پخش پوشش داده می‌شود، از جایی است که نفت خام از بالادست تحویل گرفته می‌شود، پس از آن شرکت خطوط لوله این نفت را به پالایشگاه منتقل می‌کند و سپس پالایشگاه نفت خام را پالایش می‌کند و فرآورده را تحویل انبار می‌دهد و انبار آن را در کشور توزیع می‌کند. ما هر جای این زنجیره قرار داشته باشیم، یک موضوع فراگیرشده در سطح جهانی در زمینه هوش مصنوعی وجود دارد.
در خط لوله موضوع مهم این است که بتوانیم داده‌های موجود در خط – مانند موقعیت جغرافیای خطوط، فشار، دبی حجمی سیال، دما و… – را شناسایی کنیم تا بتوانیم با تحلیل آن داده، هم بحث برنامه‌ریزی را انجام دهیم، هم اینکه انشعاب، نشت یا خرابی‌های احتمالی را از تحلیل داده‌های ثبت‌شده، به‌دست آوریم.
تا امروز در موضوع میترینگ خط لوله (فرآیند اندازه‌گیری و کنترل دقیق کمیت و کیفیت سیالات شامل نفت، گاز، فرآورده‌های نفتی و… در طول خطوط لوله)، گام‌های بسیاری برداشته شده، اما برای اینکه بتوانیم اعلام کنیم تمام زنجیره را در بخش خط لوله مانیتور می‌کنیم، به زمان بیشتری حدود دو تا سه سال نیاز داریم که این در قالب پروژه جاری، به نام «هوشمندسازی زنجیره تأمین فرآورده‌های نفتی ایران» در حال انجام است.
در این پروژه، چند شرکت بزرگ کنسرسیوم تشکیل داده و آن را به‌صورت (GC) هدایت می‌کنند. ما در خط لوله برنامه‌ریزی کردیم که میترینگ را انجام دهیم تا با پایش دقیق نرخ حجمی و نوع سیال، در مبادی مهم تحویلی، مانند پالایشگاه، نیروگاه و البته صادرات، در حوزه هوشمندسازی خط لوله، گام مهمی برداریم که تا امروز بخش زیادی از آن را پیش بردیم.
در راستای توسعه همکاری‌های فناورانه صنعت پالایش، درمورد طرح هوشمندسازی پالایشگاه‌ها تفاهم‌نامه‌هایی برای همکاری‌های علمی، پژوهشی و فناوری و استفاده از ظرفیت‌های علمی و تخصصی کشور منعقد شده؛ با توجه به گستردگی عملکرد پالایشگاه‌ها، چه اقدام‌هایی در این حوزه انجام شده؟
ما در بحث پالایشگاه‌ها ورود و ساختار داده را به آنها ارائه کردیم تا در راستای برنامه‌ریزی کلان ما در حوزه هوش مصنوعی که قرار است در کل این زنجیره استفاده شود فعالیت کنند. از پالایشگاه‌ها می‌خواهیم در دسته‌بندی فرآیندی خاص، به ما دیتا بدهند. برای تحقق این اقدام، باید ERP (Enterprise Resource Planning/ سیستم نرم‌افزاری یکپارچه) در تمام پالایشگاه‌ها مستقر شود. اکنون پالایشگاه اصفهان یکی از بهترین ERP موجود در دنیا را با موفقیت مستقر کرده و پالایشگاه بندرعباس هم در حال انجام این اقدام است و با دیگر پالایشگاه‌ها هم جلسات متعددی برگزار شده است. در واقع تمام پالایشگاه‌ها به‌طور موازی در حال پیگیری استفاده از ERP بین‌المللی یا داخلی هستند. اطلاعاتی که در اتوماسیون صنعتی و فرآیندی پالایشگاه‌ها ثبت می‌شود، در جایی به نام DCS (Distributed control system/ سیستم کنترل توزیع‌شده) جمع‌آوری و کنترل می‌شود. این دیتا می‌تواند برای هوش مصنوعی، خوراک مناسبی باشد تا بتواند اختلال و ایرادها را شناسایی کند.
در معماری طراحی‌شده دیتای کلان، قرار است بخشی از دیتای DCS پالایشگاه‌ها را هم به این مجموعه نهایی منتقل کنیم، بنابراین ما هم دیتای سنسورها را از DCS پالایشگاه‌ها می‌گیریم و هم دیتاهای فرآیندی‌شان را که در سطح برنامه‌ریزی کلان است، از ERP و سامانه‌های پالایشگاه‌ها دریافت می‌کنیم.
با توجه به اینکه پروژه هوشمندسازی در انبارها نیز آغاز شده لطفاً بفرمایید شرکت ملی پالایش و پخش فرآورده‌های نفتی ایران در این حوزه چه اقدام‌هایی انجام داده؟
پروژه هوشمندسازی انبارها با استفاده از سنسورها، چند سال پیش انجام شد و به‌دلیل نیاز به برخی تغییرات، مورد بازآرایی قرار گرفت که امروز در مراحل پایانی پروژه هستیم تا بتوانیم دوباره به مدار برگردانیم. به‌طورکلی برای هر مخزن در انبارها، سنسورهای اندازه‌گیری حجم، دما و فشار نصب شده و ورودی کل انبار هم از طریق میترینگ قابل‌اندازه‌گیری است. در بحث انبارها از بهترین سنسورهای روز جهان استفاده شده و به‌زودی دیتای آنها به‌طور خودکار جمع‌آوری خواهد شد. اما تا زمان هوشمندسازی انبارها، اکنون برنامه به این صورت است که برای هر انبار یک گزارش ۲۴ ساعته می‌گیریم.
بخش توزیع فرآورده‌ها، اصلی‌ترین بخشی است که باید از سیستم‌های دستی خارج شود و به سمت هوشمندسازی حرکت کند. در این پروژه هوشمندسازی مبتنی بر داده که آغاز کردید، چه اقدام‌هایی در حوزه توزیع فرآورده‌ها صورت گرفته است؟
دقیقاً موضوع مهم دیگر، بحث توزیع فرآورده‌هاست؛ یعنی جایی که فرآورده‌ها باید از انبارها خارج شود و از طریق نفتکش یا ناوگان ریلی، یا خط لوله، یا در موارد خاص با استفاده از کشتی، به مصرف‌کننده برسد. در این قسمت نیز ما نیاز به مانیتورینگ داریم که بخش اعظم نظارت در این مرحله، به نفتکش‌ها و تانکرهایی مربوط می‌شود که در جاده‌ها فرآورده را منتقل می‌کنند که یکی از نقاط مورد بحث و قاچاق‌خیز است. در همین راستا طی یک پروژه قرار است تمامی نفتکش‌های کشور را تا دو سال آینده هوشمندسازی کنیم.
اکنون کمتر از ۵۰ درصد نفتکش‌ها در سراسر کشور مجهز به GPS هستند، اما شاید ضرورت داشته باشد که نوع GPSها تغییر کند و همین اینکه علاوه بر این، نصب چند سنسور دیگر را هم در دستورکار نفتکش‌ها قرار دادیم؛ می‌خواهیم امکان نظارت لحظه‌به‌لحظه (Realtime) وزن داخل تانکر را داشته باشیم و اینکه قصد داریم احتمال بازشدگی قفل‌های نفتکش را هم پایش کنیم. به‌طورکلی تمام این برنامه‌ها به هوشمندسازی نفتکش‌ها منتهی خواهد شد تا هم بتوانیم مسیر آنها و هم شرایط فرآورده و احتمال جایگزینی فرآورده را پایش کنیم.
به‌طورکلی در راستای هوشمندسازی زنجیره پالایش، در چه مرحله‌ای هستیم؟
هم‌اکنون ساختار داده کل زنجیره را مشخص و در تمام بخش‌ها، تقریباً به‌طور موازی حرکت کردیم. از طرفی در پروسه هوشمندسازی، به طراحی و بهره‌برداری از هوش تجاری هم توجه داشتیم. طی یک سالی که تیم جدید مستقر شده، یک ساختار مبتنی بر BI طراحی کردیم که به محض اضافه شدن هر سنسور، داده‌های آن به طراحی یکپارچه ما منتقل خواهد شد. مدل‌های هوش مصنوعی هم برای Learn شدن آماده هستند، فقط به دیتاسنسورها، با مدت‌زمان بالا نیازمندیم.
البته هم‌اکنون در حال جمع‌آوری داده‌های موجود historical ۱۰ ساله یا بیشتر هستیم تا بتوانیم مدل‌های هوش مصنوعی را فراگیر کنیم. همان‌طور که پیش‌تر گفتم، در بحث هوش مصنوعی، چالش نرم‌افزاری و کودینگ وجود ندارد و فقط باید جمع‌آوری دیتا را به‌خوبی مدیریت کنیم که با اقدام‌هایی که تاکنون انجام شده، پیش‌بینی می‌کنیم تا یکی، دو سال آینده، تمام سنسورها نصب و جمع‌آوری اطلاعات مهم فرآیندی تکمیل شود.
در نهایت چشم‌انداز ما این است که با تکمیل جمع‌آوری تمام داده‌ها – شامل دیتای جغرافیایی تمامی انبارها، جایگاه‌ها، نیروگاه‌ها و مصرف‌کننده‌های اصلی، اطلاعات خطوط لوله، تولید پالایشگاه‌ها، ظرفیت انبارها و… – طی مدت ۶ ماه، آنها را بررسی کنیم و در اختیار سیستم توزیع فرآورده قرار دهیم، حتی اینکه فرآورده از چه انباری، با چه روشی، به کجا منتقل شود. تمام این کارها با انجین‌های هوش مصنوعی به‌راحتی قابل‌انجام است و در این راستا، تفاهم‌نامه‌های بسیاری با دانشگاه‌ها، مانند دانشگاه امیرکبیر منعقد کردیم و فقط لازم است ساختار داده را تکمیل کنیم.
احتمالاً پایان شهریور ۱۴۰۴، افتتاحیه اولیه مرکز مانیتورینگ ما انجام خواهد شد که در فاز اول، هوش تجاری رونمایی می‌شود. در واقع تمرکز ما بر هوش تجاری است، چراکه بر این باوریم BI به بیزینس‌های داده‌محور ساختار می‌دهد و زمانی که بلوغ دیتای جمع‌آوری‌شده به حد مناسب برسد، انجین‌های هوش مصنوعی هم افتتاح خواهد شد که احتمالاً بخشی از آن، در همین شهریور و هم‌زمان با رونمایی از BI خواهد بود.
در حوزه پالایش و پخش فرآورده‌های نفتی استفاده از هوش تجاری چه ضرورتی دارد؟
BI می‌تواند با تجزیه‌وتحلیل‌های تجاری، تجسم داده‌ها و ابزارها، دیتا ماینینگ و… به اتخاذ تصمیم‌های مهم کمک کند. هوش تجاری برای ایجاد تغییر یا حذف و ایجاد انطباق با تغییرات بازار به بررسی داده‌ها تکیه می‌کند. در یک تعریف خلاصه دیگر «مجموعه‌ای از استراتژی‌ها و فناوری‌ها را شامل می‌شود که اغلب سازمان‌ها و شرکت‌ها می‌توانند از طریق آنها به آنالیز داده و مدیریت اطلاعات تجاری بپردازند.»
هوش تجاری، ساختار داده یک بیزینس را مدیریت می‌کند، بنابراین فاز اصلی، جمع‌آوری سیستماتیک این داده‌ها و انتقال‌شان به انبار داده است. این انبار داده جایی است که تمام دیتاها ذخیره شده و دیتای تاریخچه‌ای را هم نگهداری می‌کند. یعنی پس از ۱۰، ۲۰ سال می‌توانیم به تمام دیتاها با یک ساختار رابطه‌ای و یکپارچه، دسترسی داشته باشیم. در واقع BI یا هوش تجاری، شبیه مغز یک کسب‌وکار است که تمام اطلاعات را به هم مرتبط و حفظ کرده و در صورت نیاز، اطلاعات را به‌روز می‌کند، بنابراین حتی می‌توانیم انجین‌های هوش مصنوعی را علاوه بر داده‌های خام با ریزدانگی بالا به انبار داده BI نیز متصل کنیم.
پس از تکمیل تمام اطلاعات و دیتاها، و هوشمندسازی در زنجیره، می‌توانم بگویم که در تمام صنعت نفت کشور، تا به امروز هیچ پروژه‌ای با این ساختار انجام نشده و اگر بتوانیم تا یکی، دو سال آینده منابع مالی آن را تأمین کنیم، پابه‌پای نمونه‌های استاندارد و ایده‌آل در سطح جهان خواهیم بود.
تمام مجموعه فعالیت‌ها در فرآیند هوشمندسازی صنعت پالایش و پخش فرآورده‌های نفتی ایران، داخلی است؟
به‌طورکلی در صنعت نفت، در حوزه سخت‌افزار معمولاً از نسخه‌های بین‌المللی استفاده می‌شود، البته این یک روال عادی برای تمام شرکت‌ها و صنایع بزرگ در جهان است، چراکه ضرورت ندارد هر شرکتی، خودش به تمام تجهیزات و زیرساخت‌ها دسترسی داشته باشد. در طراحی ساختار داده و هوش تجاری اما تمام فعالیت‌ها با تکیه بر توان آی‌تی و دانش فرآیندی داخل سازمان انجام می‌شود.
تأمین مالی این پروژه به چه صورت بوده؟ آیا تاکنون ضرورتی برای جذب سرمایه خارجی بوده؟
درمورد تأمین مالی تمامی پروژه‌های هوشمندسازی در زنجیره پالایش و پخش، باید گفت تمام آن از سوی سرمایه‌گذاران داخلی انجام می‌شود، چراکه بر اساس بند قانونی برنامه هفتم توسعه، باید تمام شرکت‌های زیرمجموعه وزارت نفت، تا پایان برنامه هفتم مجهز به میترینگ و مانیتورینگ شوند، بنابراین نیازهای مالی هم در این برنامه لحاظ شده است، شاید در این میان عدد محاسبه‌شده با نیاز واقعی پروژه، تفاوت داشته باشد، اما در تلاش هستیم با شرح کار و هدف مشخص، تأمین مالی را انجام دهیم و به هدف نهایی‌مان برسیم. البته تأییدات تأمین مالی را گرفتیم و پیش‌بینی‌مان این است که تا یکی، دو ماه آینده نهایی شود. از طرفی با سه شرکت بزرگ به‌صورت کنسرسیوم قرارداد بستیم که به نمایندگی از ما، در مناقصه‌ها شرکت کنند، چراکه ما این برنامه را به‌عنوان یک ابرپروژه می‌شناسیم. حتی می‌توانیم این ادعا را بکنیم که میترینگ خط لوله‌ای که قرار است انجام دهیم، می‌تواند در سطح بین‌المللی بازار میترینگ جهان را تحت تأثیر قرار دهد.
