بازگشت به پایگاه دانش
پایگاه دانش

دوقلوی دیجیتال و هوش مصنوعی در بهینه‌سازی پالایشگاه دانگوته

مطلب 65
•
Digital Refining; Honeywell Technologies official press release; image by FrankvEck via Wikimedia Commons

ستون تقطیر پالایشگاه دانگوته در لیکی نیجریه، تصویر متناسب با خبر دوقلوی دیجیتال و هوش مصنوعی

در ۲۶ اکتبر ۲۰۲۶، شرکت‌های Honeywell Technologies، NVIDIA و Dell Technologies از راه‌اندازی بستر هوش مصنوعی صنعتی Forge Plant Cognition در پالایشگاه دانگوته در لیکی نیجریه خبر دادند. این راهکار با هدف کمک به بهینه‌سازی عملیات پالایشگاه و استفاده مؤثرتر از دارایی‌های موجود طراحی شده است.

این بستر داده‌های عملیاتی پالایشگاه را با دانش مهندسی و فرایندی Honeywell ترکیب می‌کند. هدف آن شناسایی محدودیت‌های عملکردی، تشخیص زودهنگام مسائل احتمالی و ارائه پیشنهادهایی برای پشتیبانی از تصمیم‌گیری مهندسان و اپراتورهاست. در این رویکرد، مدل‌های مبتنی بر اصول فیزیکی و دانش تخصصی فرایند در کنار قابلیت‌های هوش مصنوعی به کار گرفته می‌شوند.

یکی از اجزای سامانه، دوقلوی دیجیتال پالایشگاه و فرایندهای آن است. بنا بر اعلام شرکت‌ها، فناوری‌های NVIDIA Omniverse برای ایجاد این مدل دیجیتال و استفاده از آن در شبیه‌سازی، آموزش و برنامه‌ریزی به کار می‌روند. هدف این است که سناریوهای مختلف پیش از اعمال در محیط واقعی بررسی شوند و تیم‌های عملیاتی دید بهتری نسبت به پیامد تصمیم‌ها داشته باشند.

برآورد اعلام‌شده از منافع عملیاتی

Honeywell اعلام کرده است که بر اساس داده‌های اولیه، بهینه‌سازی مبتنی بر هوش مصنوعی ممکن است در پالایشگاه لیکی بیش از ۲۹ سنت به‌ازای هر بشکه منفعت عملیاتی ایجاد کند. این شرکت برآورد کرده است که در صورت فعالیت با ظرفیت کامل، منافع ناخالص سالانه برای همین پالایشگاه می‌تواند از ۶۰ میلیون دلار فراتر رود.

این ارقام برآورد اولیه Honeywell هستند؛ نه نتیجه قطعی، سود خالص یا تضمین عملکرد. هزینه پیاده‌سازی نیز در رقم منافع ناخالص اعلام‌شده لحاظ نشده است. بنابراین، ارزیابی مستقل نتایج پس از استقرار و بررسی هزینه‌ها برای سنجش ارزش اقتصادی واقعی راهکار اهمیت دارد.

نقش دوقلوی دیجیتال در بهره‌برداری

دوقلوی دیجیتال با کنار هم قراردادن مدل‌های مهندسی و داده‌های عملیاتی می‌تواند به بررسی رفتار فرایند و ارزیابی سناریوهای مختلف کمک کند. در پالایشگاه، چنین قابلیتی ممکن است برای شناخت گلوگاه‌ها، پشتیبانی از عیب‌یابی و برنامه‌ریزی تغییرات فرایندی به کار رود. میزان اثربخشی آن به کیفیت داده‌ها، دقت مدل‌ها و نحوه ادغام سامانه با فرایندهای عملیاتی بستگی دارد.

طبق اعلام شرکت‌ها، این پروژه همچنین با هدف تقویت توانمندی مهندسان و کارکنان محلی دنبال می‌شود. قراردادن دانش تخصصی فرایند در ابزارهای دیجیتال می‌تواند دسترسی تیم‌ها به راهنمایی فنی را تسهیل کند؛ با این حال، سامانه‌های هوش مصنوعی باید در چارچوب فرایندهای ایمنی و نظارت انسانی استفاده شوند.

جمع‌بندی

پروژه دانگوته نمونه‌ای از پیوند هوش مصنوعی صنعتی، دانش فرایندی و دوقلوی دیجیتال در یک پالایشگاه بزرگ است. این رویکرد می‌تواند به تحلیل بهتر عملیات و ارزیابی تصمیم‌ها کمک کند؛ اما میزان منفعت واقعی آن باید پس از استقرار، با داده‌های عملکردی و در مقایسه با هزینه‌های اجرا سنجیده شود. ارقام اقتصادی فعلی، برآورد اعلام‌شده از سوی Honeywell بر پایه داده‌های اولیه‌اند.

منبع: Digital Refining، خبر همکاری Honeywell و Dangote، منتشرشده در ۲۶ اکتبر ۲۰۲۶.

https://www.digitalrefining.com/news/1008993/honeywell-technologies-launches-forge-plant-cognition-with-dangote

اطلاعیه رسمی Honeywell: https://www.honeywell.com/us/en/news/press-releases/2026/10/honeywell-technologies-launches-forge-plant-cognition-with-dangote-built-with-ndivia-ai-dell-technologies

منبع تصویر: FrankvEck، Wikimedia Commons، ستون تقطیر پالایشگاه دانگوته. https://commons.wikimedia.org/wiki/File:Worlds_largest_crude_destillation_column_Dangote.jpg

سوالی دارید؟

تیم ما آماده است تا به سوالات شما پاسخ دهد و راهنمایی‌های لازم را ارائه کند.