NEFT-QAZ SƏNAYESİ ÜÇÜN RƏQƏMSAL ƏKİZLƏRİN KONSEPTUAL MODELİ - İnformasiya Texnologiyaları Problemləri

NEFT-QAZ SƏNAYESİ ÜÇÜN RƏQƏMSAL ƏKİZLƏRİN KONSEPTUAL MODELİ - İnformasiya Texnologiyaları Problemləri

NEFT-QAZ SƏNAYESİ ÜÇÜN RƏQƏMSAL ƏKİZLƏRİN KONSEPTUAL MODELİ - İnformasiya Texnologiyaları Problemləri

NEFT-QAZ SƏNAYESİ ÜÇÜN RƏQƏMSAL ƏKİZLƏRİN KONSEPTUAL MODELİ - İnformasiya Texnologiyaları Problemləri

NEFT-QAZ SƏNAYESİ ÜÇÜN RƏQƏMSAL ƏKİZLƏRİN KONSEPTUAL MODELİ - İnformasiya Texnologiyaları Problemləri
NEFT-QAZ SƏNAYESİ ÜÇÜN RƏQƏMSAL ƏKİZLƏRİN KONSEPTUAL MODELİ - İnformasiya Texnologiyaları Problemləri
AZƏRBAYCAN MİLLİ ELMLƏR AKADEMİYASI

№2, 2020

NEFT-QAZ SƏNAYESİ ÜÇÜN RƏQƏMSAL ƏKİZLƏRİN KONSEPTUAL MODELİ

İmamverdiyev Yadigar N.

Neft-qaz şirkətləri karbohidrogen ehtiyatlarının strukturunun pisləşməsi, enerji resurslarının qiymətinin dəyişkənliyi və kəskin ucuzlaşması şəraitində rəqabət üstünlüyünü qorumaq üçün Sənaye 4.0 texnologiyalarının tətbiqinə ümid edirlər. Sənaye 4.0 yanaşması əsasında yaradılan “Neft və qaz 4.0” konsepsiyası da son 2-3 ildə şirkətlərin gündəliyindədir. “Neft və qaz 4.0” hələlik ilkin mərhələdədir və onun baza texnolgiyalarından biri kimi rəqəmsal əkiz texnologiyası böyük diqqət çəksə də, onun neft və qaz əməliyyatlarına dəyər əlavə etmək üçün necə istifadə edilə biləcəyi ilə bağlı bir sıra anlaşılmazlıqlar qalmaqdadır. Rəqəmsal əkiz – real fiziki obyektin (mədənin, quyunun, avadanlığın və ya infrastruktur elementinin), məhsulun və ya prosesin virtual prototipidir, onun əsas mahiyyəti rəqəmsal verilənlərin toplanması və fiziki obyektin monitorinqi, idarə edilməsi və qəbul edilmiş qərarların optimallaşdırılması üçün istifadəsindən ibarətdir. Rəqəmsal əkizlərin bir sıra sənaye sahələrində uğurla tətbiq edilməsinə baxmayaraq, neft-qaz sənayesi bu texnologiyanı yalnız indi mənimsəməyə başlayır və bununla bağlı bir sıra məsələlərin həlli aktuallaşır. Bu işin məqsədi neft-qaz sənayesi üçün rəqəmsal əkiz modelinin qurulması problemlərinin analizi və rəqəmsal əkizlər üçün ümumiləşdirilmiş konseptual modelin işlənməsidir. Neft-qaz sənayesində rəqəmsal əkizlərin tətbiqi informasiya texnologiyalarının və əməliyyat texnologiyalarının inteqrasiyası məsələsi kimi analiz edilir. Rəqəmsal əkizin təklif edilmiş modelinə daxil olan verilənlərin menecmenti sistemi, virtual obyekt və vizuallaşdırma sisteminin komponentləri ətraflı təsvir olunur. Verilənlərin, proseslərin və virtual obyektə daxil olan modellərin idarə edilməsi üçün mərkəzləşdirilmiş sistemlər istifadə edilir. Modellər maşın təlimi vasitəsilə öyrədilir, həmçinin ekspertlərin və oxşar rəqəmsal əkizlərin biliklərindən də yararlana bilərlər (səh.41-51).

Açar sözlər: neft-qaz sənayesi, rəqəmsallaşma, rəqəmsal transformasiya, rəqəmsal əkiz, rəqəmsal mədən, maşın təlimi, IoT.
DOI : 10.25045/jpit.v11.i2.04
Ədəbiyyat
  • Sharma P., Hamedifar H., Brown A., & Green R. The dawn of the new age of the industrial Internet and how it can radically transform the offshore oil and gas industry / Offshore Technology Conference, 2017, 7 p. DOI: 10.4043/27638-MS.
  • Schwab K. The fourth industrial revolution. New York: Crown Business Publishing Group. 2016, 192 p.
  • Lu H., Guo L., Azimi, M., & Huang K. Oil and Gas 4.0 era: A systematic review and outlook // Computers in Industry, 2019, 11, pp.68–90.
  • Taliangis P. Digital transformation of the oil, gas and energy value chain // The APPEA Journal, 2018, vol.58, 2, pp.488–492.
  • Reis J., Amorim M., Melão N., & Matos P. Digital transformation: a literature review and guidelines for future research / World Conference on Information Systems and Technologies, 2018, pp.411–421.
  • Rasheed A., San O., & Kvamsdal T. Digital twin: Values, challenges and enablers. arXiv preprint arXiv:1910.01719. 2019, 31 p.
  • Gartner identifies the top 10 strategic technology trends for 2018. Gartner, Inc., 4 October 2017. https://www.gartner.com/newsroom/id/3812063.
  • Gefen C. Digital twin market-growth, size, share, forecast, industry analysis 2019-2027. https://works.bepress.com/charlie-gefen/63/download/
  • Tjønn A. Digital twin through the life of a field / Abu Dhabi International Petroleum Exhibition & Conference, 2018, pp.1–6. DOI: 10.2118/193203-MS.
  • Kritzinger W., Karner M., Traar G., Henjes J., & Sihn W. Digital twin in manufacturing: A categorical literature review and classification // IFAC-PapersOnLine, 2018, vol.51, no.11, pp.1016–1022.
  • Lim K. Y. H., Zheng P., & Chen C. H. A state-of-the-art survey of digital twin: Techniques, engineering product lifecycle management and business innovation perspectives // Journal of Intelligent Manufacturing, 2020, vol.31, pp.1313–1337. DOI: 10.1007/s10845-019-01512-w.
  • Grieves M., & Vickers J. Digital twin: Mitigating unpredictable, undesirable emergent behavior in complex systems. In: Kahlen FJ., Flumerfelt S., Alves A. (eds) Transdisciplinary Perspectives on Complex Systems. Springer, 2017, pp.85–113.
  • Grieves M. Digital twin: Manufacturing excellence through virtual factory replication. White paper, 2014, 8 p.
  • Tao F., Zhang H., Liu A., & Nee A.Y. Digital twin in industry: State-of-the-art // IEEE Transactions on Industrial Informatics, 2018, vol.15, no.4, pp.2405–2415.
  • El Saddik A. Digital twins: The convergence of multimedia technologies // IEEE MultiMedia, vol. 25, no. 2, pp. 87-92. DOI:10.1109/mmul.2018.023121167.
  • Barricelli B.R., Casiraghi E., Gliozzo J., Petrini A., & Valtolina S. Human digital twin for fitness management // IEEE Access, 2020, 8, 26637-26664.
  • Negri E., Fumagalli L., & Macchi M. A review of the roles of digital twin in CPS-based production systems // Procedia Manufacturing, 2017, vol.11, pp.939–948.
  • Parks M. Digital twinning: Types of digital twins. https://eu.mouser.com/applications/digital-twinning-types/
  • Qi Q., Tao F., Hu T., Anwer N., Liu A., Wei Y., Wang L., Nee A. Enabling technologies and tools for digital twin // Journal of Manufacturing Systems, 2019, vol.10, pp.129–145.
  • Uhlemann T.H.J., Lehmann C., & Steinhilper R. The digital twin: Realizing the cyber-physical production system for industry 4.0 // Procedia CIRP, 2017, vol.61, pp.335–340.
  • Qi Q., & Tao F. Digital twin and big data towards smart manufacturing and industry 4.0: 360 degree comparison // IEEE Access, 2018, vol.6, pp.3585–3593.
  • Zeynalli A., Butdayev R., & Salmanov V. Digital transformation in oil and gas industry / SPE Annual Caspian Technical Conference, 2019, 7 p.
    DOI: 10.2118/198337-MS.
  • Berge J. Digital transformation and IIoT for oil and gas production / Offshore Technology Conference, 2018, 10 p. DOI: 10.4043/28643-MS.
  • Devold H., Graven T., & Halvorsrød S.O. Digitalization of oil and gas facilities reduce cost and improve maintenance operations / Offshore Technology Conference, 2017, 16 p. DOI:10.4043/27788-MS.
  • Poddar T. Digital twin bridging intelligence among man, machine and environment / Offshore Technology Conference Asia, 2018, 4 p. DOI: 10.4043/28480-MS.
  • LaGrange E. Developing a digital twin: The roadmap for oil and gas optimization / SPE Offshore Europe Conference and Exhibition, 2019, 14 p.
    DOI: 10.2118/195790-MS.
  • Min Q., Lu Y., Liu Z., Su C., & Wang B. Machine learning based digital twin framework for production optimization in petrochemical industry // International Journal of Information Management, 2019,49, pp.502–519.
  • Nadhan D., Mayani M. G., & Rommetveit R. Drilling with digital twins / IADC/SPE Asia Pacific Drilling Technology Conference and Exhibition, 2018.
  • Mayani M.G., Baybolov T., Rommetveit R., Ødegaard S.I., Koryabkin V., & Lakhtionov S. Optimizing drilling wells and increasing the operation efficiency using digital twin technology / IADC/SPE International Drilling Conference and Exhibition, 2020, 10 p. DOI:10.2118/199566-MS.
  • Temizel C., Canbaz C.H., Palabiyik Y., Putra D., Asena A., Ranjith R., and Jongkittinarukorn K. A comprehensive review of smart/intelligent oilfield technologies and applications in the oil and gas industry / SPE Middle East Oil and Gas Show and Conference, 2019, 22 p. DOI: 10.2118/195095-MS.
  • Пилипенко Д. Цифровое месторождение. Взгляд компании SAP // Дайджест НефтеГаз, 2018, №4(11) с.10–11.
  • Kosenkov S., Turchaninov V.Y., Korovin I.S., & Ivanov D.Y. Digital twin of the oil well, based on data mining technologies / Proc. of the 2nd International Conference on Modeling, Simulation and Optimization Technologies and Applications, 2018, pp.233–238.
  • Du L., & Yao A. Digital techniques and its application in oil and gas pipelines // Oil & Gas Storage and Transportation, 2007, vol.26, no.6, pp.7–10.
  • Hlady J., Glanzer M., & Fugate L. Automated creation of the pipeline digital twin during construction: Improvement to construction quality and pipeline integrity / 12th International Pipeline Conference, 2018, 12 p. DOI: 10.1115/IPC2018-78146.
  • Alguliyev R.M., Imamverdiyev Y.N., Sukhostat L.V. Intelligent diagnosis of petroleum equipment faults using a deep hybrid model // SN Applied Sciences, vol.2, 2020, pp.1–16.
  • Hajizadeh Y. Machine learning in oil and gas; a SWOT analysis approach // Journal of Petroleum Science and Engineering, 2019, vol.176, pp.661–663.
  • Zhang C., Zhou G., Hu J., & Li J. Deep learning-enabled intelligent process planning for digital twin manufacturing cell // Knowledge-Based Systems, 2020, vol.191, 105247.