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.
The article is devoted to the urgent problem of improving the safety of operations on offshore oil production platforms through multilevel simulation technologies with the integration of artificial intelligence. Modern oil production platforms are complex technical systems operating in high-risk environments, which requires innovative approaches to industrial safety and personnel training. The study developed a conceptual model of a multi-level simulator, including physical, process, scenario and analytical levels with integrated elements of artificial intelligence. Empirical testing of the model was carried out on ten offshore oil production platforms in the North and Caspian Seas with the involvement of 412 specialists of various profiles. The results obtained demonstrate a significant increase in the efficiency of emergency forecasting (by 74.3%) and a reduction in staff response time to potential threats (by an average of 3.7 minutes). The developed system provides identification of potential threats at an early stage with a probability of up to 0.89 and generates personalized training scenarios that adapt to the individual characteristics of the trainee. The results obtained have high theoretical and practical significance for the development of risk forecasting systems and the training of specialists in the oil and gas industry.