DATA SCIENCE В УПРАВЛЕНИИ ОБРАЗОВАТЕЛЬНЫМ ПРОСТРАНСТВОМ

Разработка многоуровневых симуляторов промышленной безопасности с элементами искусственного интеллекта для прогнозирования рисков на морских нефтедобывающих платформах

Авторы

  • Арсен Флорисович Минияров Уфимский государственный нефтяной технический университет
  • Денис Викторович Купцов Уфимский государственный нефтяной технический университет
  • Тимур Ринатович Загитов Уфимский государственный нефтяной технический университет
  • Максим Олегович Киселев Уфимский государственный нефтяной технический университет
  • Денис Ринатович Галаветдинов Уфимский государственный нефтяной технический университет

Как цитировать

ГОСТ Минияров А. Ф., Купцов Д. В., Загитов Т. Р., Киселев М. О., Галаветдинов Д. Р. Разработка многоуровневых симуляторов промышленной безопасности с элементами искусственного интеллекта для прогнозирования рисков на морских нефтедобывающих платформах // Управление образованием: теория и практика. 2025. Т. 15. № 6-1. С. 110-126. DOI: 10.25726/r5571-4694-6805-a
APA Минияров, А. Ф., Купцов, Д. В., Загитов, Т. Р., Киселев, М. О. & Галаветдинов, Д. Р. (2025). Разработка многоуровневых симуляторов промышленной безопасности с элементами искусственного интеллекта для прогнозирования рисков на морских нефтедобывающих платформах. Управление образованием: теория и практика, 15(6-1), 110-126. https://doi.org/10.25726/r5571-4694-6805-a

Аннотация

Статья посвящена актуальной проблеме повышения безопасности работ на морских нефтедобывающих платформах посредством многоуровневых симуляционных технологий с интеграцией искусственного интеллекта. Современные нефтедобывающие платформы представляют собой сложные технические системы, функционирующие в условиях повышенного риска, что требует инновационных подходов к обеспечению промышленной безопасности и подготовке персонала. В исследовании разработана концептуальная модель многоуровневого симулятора, включающая физический, процессный, сценарный и аналитический уровни с интегрированными элементами искусственного интеллекта. Эмпирическая апробация модели осуществлена на десяти морских нефтедобывающих платформах Северного и Каспийского морей с привлечением 412 специалистов разного профиля. Полученные результаты демонстрируют значительное повышение эффективности прогнозирования аварийных ситуаций (на 74,3%) и сокращение времени реакции персонала на потенциальные угрозы (в среднем на 3,7 минуты). Разработанная система обеспечивает идентификацию потенциальных угроз на ранних стадиях с вероятностью до 0,89 и формирует персонализированные обучающие сценарии, адаптирующиеся к индивидуальным характеристикам обучаемого. Полученные результаты имеют высокую теоретическую и практическую значимость для развития систем прогнозирования рисков и подготовки специалистов нефтегазовой отрасли.

Ключевые слова

многоуровневые симуляторы промышленная безопасность искусственный интеллект прогнозирование рисков морские нефтедобывающие платформы цифровые двойники образовательные технологии.

Библиографические ссылки

Avila-Gutiérrez M.J., Aguayo-Gonzalez F., Marcos-Barcena M., Lama-Ruiz J.R., Peralta- Alvarez M.E. Reference holonic architecture for sustainable manufacturing enterprises distributed under the industry 4.0 paradigm // International journal of computer integrated manufacturing. 2019. № 33(4). рр. 398-409.

Boschert S., Rosen R. Digital twin – the simulation aspect // Mechatronic futures. 2016. pp. 59-74.

Hu A.H., Hsu C.W., Kuo T.C., Wu W.C. Risk evaluation of green components to hazardous substance using FMEA and FAHP // Expert systems with applications. 2009. № 36(3). рр. 7142-7147.

Human factors and non-technical skills: towards an immersive simulation-based training framework for offshore drilling operations // SPE Annual tech. conf. and exhib. 2019.

Omogoroye O.O., Oke S.A. A safety control model for an offshore oil platform // Disaster рrevention and management. 2007. № 16(4). рр. 588-610.

Process safety management in oil and gas operating units through digital twin platform: A digital approach for safety control and process intervention // Offshore tech. conf. Brasil. 2023.

Ronconi R.A., Allard K.A., Taylor P.D. Bird interactions with offshore oil and gas platforms: review of impacts and monitoring techniques // Journal of environmental management. 2015. № 147(2). рр. 34- 45.

Singh A.K., Kumar R., Sharma D. Simulation-based training to enhance process safety in offshore energy operations: Process tracing through eye-tracking // Journal of loss prevention in the process industries. 2020. № 63. рр. 25-104.

Sugimura T., Matsumoto S., Inoue S., Terada S., Miyazaki S. Hull condition monitoring and lifetime estimation by the combination of on board sensing and digital twin technology // Offshore tech. conf. 2021.

Temirchev P., Simonov M., Kostoev R., Burnaev E., Oseledets I., Akhmetov A., Margarit A., Sitnikov A., Koroteev D. Deep neural networks predicting oil movement in a development unit // Journal of petroleum science and engineering. 2020. № 184. рр. 106-513.

Tokarek T.W., Odame-Ankrah C.A., Huo J.A. Principal component analysis of summertime ground site measurements in the Athabasca oil sands with a focus on analytically unresolved intermediate- volatility organic compounds // Atmospheric chemistry and physics. 2018. № 18(24). рр. 17819–17841.

Wanasinghe T.R., Wroblewski L., Petersen B.K., Gosine R.G., James L.A., De Silva O., Mann G.K.I., Warrian P.J. Digital twin for the oil and gas industry: overview, research trends, opportunities and challenges // IEEE Access. 2020. № 8. рр. 104175-104197.

Wang K., Xu H., Wang H., Qiu R., Hu Q., Liu X. Digital twin-driven safety management and decision support approach for port operations and logistics // Frontiers in marine science. 2024. № 11. рр. 1455522.

Wang M., Wang C., Hnydiuk-Stefan A., Feng S., Atilla I., Li Z. Recent progress on reliability analysis of offshore wind turbine support structures considering digital twin solutions // Ocean еngineering. 2021. № 232. рр. 109-168.

Younesi A. Environmental risk assessment and management in oil platform construction phase activities: a case study // Engineering, technology & Applied science research. 2017. № 7(3). рр. 1658-1663.

Загрузки

Опубликован

2025-06-30

Выпуск

Раздел

DATA SCIENCE В УПРАВЛЕНИИ ОБРАЗОВАТЕЛЬНЫМ ПРОСТРАНСТВОМ

Метрики

264 просмотров
201 скачиваний
Хотите опубликоваться?
Подать статью

Машиночитаемые метаданные