هوش مصنوعی برای کل پالایشگاه: استارتاپ Applied Computing با جذب ۲۰ میلیون دلار، مدل Orbital را به صنعت نفت و گاز می‌آورد

تا به حال فکر کرده‌اید چرا در پالایشگاه‌ها و مجتمع‌های پتروشیمی با وجود هزاران حسگر، هنوز تصمیم‌گیری‌ها بر اساس کمتر از ۸ درصد داده‌های موجود صورت می‌گیرد؟ استارتاپ لندنی Applied Computing می‌گوید پاسخ را یافته است: مدل هوش مصنوعی Orbital که می‌تواند در لحظه، وضعیت یک واحد صنعتی را تحلیل و پیش‌بینی کند. به گزارش TechCrunch، این استارتاپ به تازگی ۲۰ میلیون دلار سرمایه سری A جذب کرده تا این فناوری را به صنعت نفت، گاز و پتروشیمی جهان ارائه دهد.

چالش بزرگ: داده‌های فراوان، تحلیل ناچیز

در یک پالایشگاه معمولی، هزاران حسگر دما، فشار، سرعت جریان و گران‌روی را اندازه‌گیری می‌کنند. اما این داده‌ها اغلب جدا از هم باقی می‌مانند. کالوم آدامسون، مدیرعامل Applied Computing، می‌گوید: «اپراتورها در جمع‌آوری داده موفق‌اند، اما نمی‌توانند آن را با مستندات مهندسی و قواعد فیزیک و شیمی ترکیب کنند تا تحلیل سریعی داشته باشند.» نتیجه این که بیش از ۹۰ درصد داده‌ها بی‌استفاده می‌مانند و تصمیم‌های عملیاتی با اطلاعات ناقص گرفته می‌شود.

Orbital: مدلی که زبان، فیزیک و زمان را با هم می‌بیند

برخلاف مدل‌های زبانی بزرگ (Large Language Models) که کلمه بعدی را پیش‌بینی می‌کنند، Orbital یک مدل پایه (Foundation Model) ترکیبی است. این مدل سه منبع را هم‌زمان تحلیل می‌کند:

• داده‌های سری زمانی (Time Series) از حسگرها
• مدل‌های مبتنی بر فیزیک و شیمی (Physics-based Models)
• مستندات و محدودیت‌های تجهیزات (با کمک یک مدل زبانی)

این هوش مصنوعی می‌تواند ناهنجاری‌ها را در عرض چند دقیقه شناسایی کند، علت آن‌ها را بررسی کند و حتی شبیه‌سازی کند که تغییر در یک بخش چه تأثیری بر کل تأسیسات خواهد گذاشت. به گفته آدامسون، این فرایند که پیش‌تر روزها یا هفته‌ها طول می‌کشید، حالا در چند ثانیه انجام می‌شود و به کاهش مصرف انرژی و حفظ سطح تولید کمک می‌کند.

از مخفی‌کاری تا درآمد میلیونی

Applied Computing تنها ۱۸ ماه پس از خروج از حالت مخفی (Stealth)، به درآمد سالانه چند ده میلیون دلاری رسیده است. مدل Orbital اکنون در شرکت‌های بزرگ بالادستی و پایین‌دستی نفت و گاز و پتروشیمی استفاده می‌شود. از جمله شرکای این استارتاپ می‌توان به غول مهندسی KBR (که در این دور سرمایه‌گذاری هم شرکت کرده) و شرکت هندی Wipro اشاره کرد. KBR مدل Orbital را در پلتفرم دیجیتال INSITE 3.0 خود برای پروژه‌های انرژی، از جمله تولید آمونیاک، به کار گرفته است.

رقابت در بازار نرم‌افزارهای صنعتی

Applied Computing با رقبای قدری مانند AspenTech و AVEVA روبروست که سال‌هاست نرم‌افزارهای شبیه‌سازی و مدل‌سازی مبتنی بر هوش مصنوعی عرضه می‌کنند. اما آدامسون معتقد است مزیت رقابتی اصلی، دسترسی به داده نیست، بلکه توانایی جذب محققان تراز اول هوش مصنوعی است: «این یک مسئله داده یا انرژی نیست، یک مسئله هوش مصنوعی است. اگر یک محقق درجه یک باشید، احتمالاً شرکت نفت شل اولین انتخاب شما نیست.»

گسترش جهانی و دفتر جدید در هوستون

با سرمایه جدید، Applied Computing قصد دارد استخدام‌ها را افزایش دهد، در بازارهای بین‌المللی گسترش یابد و دفتر جدیدش در هوستون (نزدیک مشتریان آمریکای شمالی) را فعال کند. همچنین برنامه‌هایی برای ورود به خاورمیانه در دستور کار است.

درس‌هایی برای صنعت نفت و گاز ایران

ایران با داشتن یکی از بزرگترین ذخایر نفت و گاز جهان و مجتمع‌های پتروشیمی متعدد، می‌تواند از چنین فناوری‌هایی بهره زیادی ببرد. استفاده از هوش مصنوعی برای تحلیل یکپارچه داده‌های پالایشگاهی می‌تواند بهره‌وری را افزایش و هزینه‌ها و مصرف انرژی را کاهش دهد. اما تحریم‌ها دسترسی به فناوری‌های پیشرفته خارجی را محدود کرده است. با این حال، روند جهانی نشان می‌دهد که سرمایه‌گذاری روی مدل‌های بومی هوش مصنوعی برای صنایع نفت، گاز و پتروشیمی، نه یک انتخاب که یک ضرورت رقابتی است. شاید وقت آن رسیده که استارتاپ‌های ایرانی نیز با ترکیب داده‌های صنعتی، فیزیک و یادگیری ماشین، شکاف موجود را پر کنند.