Woodside، شرکت استرالیایی تولیدکننده‌ی نفت و گاز، در حال جمع‌آوری انبوه اطلاعات سازمانی برای بهبود کار در محیط‌های خطرناک است.
چند سال قبل، جیسون کروسان، معاون فناوری وودساید (Woodside) از طرحی برای جمع‌آوری داده‌ها و نمونه‌های کاربرد داده‌ها سخن گفت. کروسان، ماه گذشته در رویداد AWS re:invent در لاس‌وگاس گفت:
هدف ما افزایش داده ازطریق حسگرها و ربات‌های اینترنت اشیاء است. سپس از تحلیل هوش مصنوعی و یادگیری ماشین برای بهینه‌سازی نیروگاه‌ها و افزایش تولید مدنظر خود بهره می‌بریم. درنتیجه، از ربات‌ها نه‌تنها برای بازرسی، بلکه برای کار در موقعیت‌ها و محیط‌های خطرناک استفاده می‌کنیم و بدین‌ترتیب، دیگر نیازی به حضور انسان‌ها در محیط‌های خطرناک نیست.
اگرچه وودساید در آغاز راه توسعه‌ی مجموعه‌ی جدید حسگر است، قابلیت حسگرها برای جمع‌آوری داده ازطریق پلتفرم جابه‌جایی رباتی به افزایش امنیت کلی اپراتورها منجر شده است. کروسان می‌گوید:
کارکنان ما در دمای محیطی ۴۰ درجه‌ی سانتی‌گراد فعالیت می‌کنند و گاهی این دما بیشتر هم می‌شود. با فناوری رباتیک، کارکنان انسانی از محیط داغ و پراسترس خلاص می‌شوند و می‌توانند ارزیابی‌ها و اندازه‌گیری‌ها را از راه دور و ازطریق ربات‌ها انجام دهند. بنابراین، چرا باید انسان را صرفا برای اندازه‌گیری به چنین محیط خشنی فرستاد؟ بگذاریم حسگرها یا ربات‌ها این اندازه‌گیری‌ها را انجام دهند و درعوض، انسان‌ها کنترل ربات را به‌دست بگیرند و تصمیم‌های هوشمندانه‌ای اتخاذ کنند.
یکی دیگر از کاربردهای فناوری رباتیک، بازرسی پالایشگاه است. با استفاده از ربات‌ها دیگر به خاموش‌کردن بخش‌های مختلف پالایشگاه نیازی نیست و ربات‌ها می‌توانند به‌صورت پیوسته کار نظارت را انجام دهند. به‌گفته‌ی کروسان، ربات‌ها با رفتن به محیط‌های داغ و پراختلال و پرنوسان به داده‌های بیشتری می‌رسند و دیگر نیازی به انتظار برای نگه‌داری نیست. درنتیجه، امنیت با دسترسی بیشتر به داده‌ها و اتخاذ تصمیم‌های بهتر افزایش پیدا می‌کند.
ارزیابی امنیت در آغاز کار کمی دشوار است؛ اما با نظارت تمام‌وقت تجهیزات، امنیت خودبه‌خود افزایش می‌یابد. وودساید از دوربین‌ها و یادگیری ماشین برای نظارت بر تجهیزات استفاده می‌کند. به‌گفته‌ی کروسان، تجهیزات چرخانی وجود دارند که در طول زمان نفت مصرف می‌کنند و بخشی از نفت هم در نقاله‌ی سایت نفتی قرار دارد؛ بنابراین، اپراتورها باید به‌صورت فیزیکی نرخ مصرف را در طول زمان بررسی و محاسبه کنند. با استفاده از یادگیری ماشین می‌توان تجهیزات عکاسی و تصویر را به داده‌های برچسب الکترونیکی در سیستم تبدیل کرد.
شرکت وودساید برای ایجاد تغییر و تحول در فرایندها، بخش اتوماسیون را گسترش داده است و اپراتورها می‌توانند با یک نگاه به اطلاعات دقیقی از داده‌های جمع‌آوری‌شده برسند. وودساید با استفاده از تجهیزات جدید حسگر، جدیدترین محاسبات محلی و کلاد را پیاده‌سازی کرده است. کروسان درباره‌ی این موضوع می‌گوید:
این روش برای تمام نمونه‌ها جواب نمی‌دهد؛ اما بر کل قابلیت‌ها تأثیر می‌گذارد. همچنین، بخش بیشتری از داده‌ها را به کلاد منتقل می‌کنیم؛ زیرا استفاده از کلاد روشی منطقی است؛ اما محیط کاری ما هم محیطی ترکیبی است. هدف ما جمع‌آوری تمام نقاط داده‌ای پالایشگاه است. این کار در گذشته مقرون‌به‌صرفه نبوده است؛ اما امروز به‌لطف کلاد و حافظه‌های داده‌ای بزرگ، امکان دسترسی و ذخیره‌سازی نامحدود داده‌ها را داریم. در مرحله‌ی بعدی، می‌توان داده‌ها را در محیطی پایدار قرار داد؛ به‌طوری‌که نیروی کار به الگوی دریاچه‌ای داده‌ها دسترسی پیدا کنند.
در آیدت،
فایل‌های
خود را به فروش بگذارید و یا
مقالات‌تان
را منتشر کنید👋
پاسخ ها