ලාභ:
- කෘත්රිම බුද්ධිය තෙල් හා ගෑස් වැඩ ප්රවාහයේ තත්ය කාලය හා පිරිවැය ඉතිරි කරන්නේ කොතැනද සහ බලයලත් ඉංජිනේරුවෙකුගේ වගකීම ලෙස පැවතිය යුතු තීරණ වෙන්කර හඳුනා ගැනීමේ හැකියාව
- විශාලත්වයේ අනුපිළිවෙල, භෞතික විද්යාත්මකභාවය සහ ක්ෂේත්ර/හොඳ සාක්ෂි සමඟ එක් එක් AI ප්රතිදානය හරස් වලංගු කරන විනයක් ක්රියාත්මක කිරීමේ හැකියාව
- අවිනිශ්චිතතාවය, මායාව, වාණිජ රහස්යභාවය සහ ආරක්ෂාව-විවේචනාත්මක අවදානම යන සංකල්ප හඳුනා ගැනීම සහ සන්දර්භය නිර්නාමික කිරීම මගින් ආරක්ෂිත විමසුම් සැකසීමේ පුරුද්ද අත්කර ගැනීම.
පෙට්රෝලියම් සහ ස්වාභාවික වායු ඉංජිනේරු විද්යාව යනු ජලාශයක (තෙල් හෝ ගෑස් අඩංගු සිදුරු සහිත පාෂාණ ස්කන්ධයක්) පොළව යට කිලෝමීටර් ගණනාවක් ආරක්ෂිත, කාර්යක්ෂම හා පරිසර හිතකාමී ලෙස මතුපිටට තරල ගෙන ඒමේ කලාවයි. මෙම ව්යාපාරය ආරම්භයේ සිට අවසානය දක්වා දත්ත සමඟ වියන ලද: භූ කම්පන අංශ, ළිං ලඝු-සටහන්, මූලික මිනුම්, නිෂ්පාදන ප්රවාහ, පීඩන ලඝු-සටහන්, උපකරණ සංවේදක, නල මාර්ග SCADA ප්රවාහ. කෘත්රිම බුද්ධිය ක්රියාත්මක වන්නේ මෙම දත්ත බහුලත්වය තුළිනි; එය එය වේගවත් කරයි, රටා දෘශ්යමාන කරයි, සහ වැඩ කරන පැය ගණන විනාඩි දක්වා අඩු කරයි. නමුත් මෙම මොඩියුලයේ පළමු හා වැදගත්ම වාක්යය අපි නැවත අවධාරණය කරමු: කෘතිම බුද්ධිය මෙම වෘත්තියේ ත්වරකයක් මිස අත්සන් කරන්නෙකු නොවේ. ළිං පිපිරීමක්, නල මාර්ගයක් පිපිරීමක් හෝ වැරදි ලෙස ප්රකාශිත රක්ෂිතයක වියදම ජීවිතය, පරිසරය සහ විශාල ප්රාග්ධනයයි; මෙම පිරිවැය දරන්නේ බලයලත් ඉංජිනේරුවා මිස AI නොවේ.
මෙම ඒකකය තුළ, අපි තෙල් සහ ගෑස් කාර්ය ප්රවාහයට AI කාවැද්දෙන්නේ කෙසේද යන්න සිතියම් ගත කරමු: සැබෑ ලාභයක් ඇති තැන, අනතුරක් ඇති තැන සහ කුමන වලංගු විනයකින්ද අපි එක් එක් ප්රතිදානය පරීක්ෂා කරන්නෙමු.
කෘත්රිම බුද්ධිය සැබෑ ලාභයක් ගෙන දෙන තැන
කර්මාන්තයේ AI ශක්තිමත්ම ප්රදේශ වන්නේ සාම්පල විශාල සංඛ්යාවකින් රටා නිස්සාරණය කිරීම වටිනා වන අතර දෝෂ ඉක්මනින් අල්ලා ගත හැකි ස්ථාන වේ:
- දත්ත ව්යුහගත කිරීම සහ පිරිසිදු කිරීම: විසුරුවා හරින ලද ළිං ලොග සෑදීම, විවිධ ආකෘතිවලින් නිෂ්පාදන වගු, නොමිලේ පෙළ විදුම් වාර්තා විමසිය හැකිය.
- රටා හඳුනාගැනීම: භූ කම්පන අංශයේ දෝෂ සලකුණු, මුහුණු (තැන්පතු පරිසරයට විශේෂිත වූ පාෂාණ වර්ගය) ලඝු වක්රවල මායිම්, කම්පන වර්ණාවලියේ දෝෂ සහිත අත්සන්.
- පුරෝකථනය සහ පුරෝකථනය: ලඝු-සටහන් වලින් සිදුරු, නිෂ්පාදන ඉතිහාසයෙන් පිරිහීමේ වක්රය, සංවේදකයෙන් ඉතිරිව ඇති ප්රයෝජනවත් ආයු කාලය.
- කෙටුම්පත් නිෂ්පාදනය: වාර්තා ඇටසැකිල්ල, සාහිත්ය සාරාංශය, කේත කොටස, ක්රියා පටිපාටි දළ සටහන.
- විෂමතා හඳුනාගැනීම: නල මාර්ගයේ පීඩනය පහත වැටීම, උපකරණවල අසාමාන්ය කම්පනය, නිෂ්පාදනයේ අනපේක්ෂිත අපගමනය.
මෙම ක්ෂේත්රවල පොදුවේ ඇති දේ: AI විසින් පළමු කෙටුම්පතක් හෝ සැලකිය යුතු දෙයක් නිෂ්පාදනය කරයි, ඉංජිනේරුවා එය සත්යාපනය කර වගකීම භාර ගනී.
කෘත්රිම බුද්ධියට වගකීම භාරගත නොහැකි තැන
දෝෂයක් සිදුවුවහොත් හානිය ආපසු හැරවිය නොහැකි බැවින් සමහර තීරණ සහජයෙන්ම ඉංජිනේරුවරයා සමඟ පැවතිය යුතුය:
- හොඳින් පාලනය සහ පීඩන කළමනාකරණය (පිපිරීම වැළැක්වීම) තීරණ.
- ආරක්ෂිත-විවේචනාත්මක අනතුරු ඇඟවීමේ සීමාවන් (ගෑස් කාන්දුව, H2S, අධි පීඩනය).
- ආයෝජකයාට ඉදිරිපත් කරන ලද සංචිත ප්රකාශය සහ නිල සංඛ්යා.
- නල මාර්ග සහ පීඩන උපකරණ අඛණ්ඩතාව / ඉවත් කිරීමේ තීරණ.
- පාරිසරික විසර්ජන සහ අඩවි ආරක්ෂණ අනුමැතිය.
අවවාදයයි: "AI යෝජනා කළා" යනු ආරක්ෂාවක් නොවේ. ඉංජිනේරු දෝෂ විමර්ශනයකදී ඇසිය යුතු ප්රශ්නය නම්: “බලයලත් ඉංජිනේරුවරයා මෙම ප්රතිදානය සත්යාපනය කළේ කුමන ස්වාධීන සාක්ෂියක් සමඟද?” ඔබට පිළිතුරක් නොමැති නම්, ඔබ ප්රතිදානය කිසිසේත් භාවිතා නොකළ යුතුය.
වලංගු කිරීමේ විනය: ත්රි-ස්ථර පෙරහන
වැදගත්කම මත පදනම්ව සෑම AI ප්රතිදානයක්ම පෙරහන් තුනක් හරහා යවන්න.
1. විශාලත්වය පාලනය කිරීමේ නියෝගය. ප්රතිඵලය දළ වශයෙන් 10 පරාසයේ අපේක්ෂිත බලය තුළ තිබේද? වැලි ජලාශයක පාරගම්යතාව සාමාන්යයෙන් මිලිඩාර්සි-ඩාර්සි පරාසයේ පවතී; මොඩලය "80,000 darcy" කිව්වොත් ඒකක හෝ සංස්කරණය කිරීමේ දෝෂයක් විස්තරයක් නොමැතිව ඇත. සිදුරු 0%-40% අතර වේ; 65% භෞතිකව කළ නොහැක්කකි.
2. භෞතික සාධාරණත්වය පරීක්ෂා කිරීම. ප්රතිදානය භෞතික විද්යාවේ දන්නා නීතිවලට කීකරු වේද? ජල සන්තෘප්තිය 0-1 අතර විය යුතුය; නිෂ්පාදන ප්රවාහ අනුපාතය සෘණ විය නොහැක; ද්රව්ය ශේෂය (නිෂ්පාදිත + ඉතිරි = ආරම්භක) වසා දැමිය යුතුය; Drawdown curve මඟින් කාලයත් සමඟ නිෂ්පාදනය වැඩි වීම පෙන්විය නොහැක (නව ළිං/මැදිහත්වීම් නොමැති නම්).
3. ස්වාධීන සාක්ෂි පරීක්ෂා කිරීම. ප්රතිදානය නිෂ්පාදනය නොකරන ප්රභවයක් සමඟ සසඳන්න: හරය මැනීම, හොඳින් පරීක්ෂා කිරීම (පීඩන-ප්රවාහ දත්ත), යාබද ළිඳ, ක්ෂේත්ර පරීක්ෂාව, දෙවන ක්රමය. සාක්ෂි ධූරාවලිය තුළ, සෘජු මිනුම් (හරය, ළිං පරීක්ෂණය) සෑම විටම ආදර්ශ අනාවැකියට වඩා උසස් වේ.
ඉඟිය: ප්රතිදානයේ අවදානම සමඟ පරිමාණ සත්යාපන තීව්රතාව. සාහිත්ය සාරාංශයක් සඳහා, ඉක්මන් කියවීම ප්රමාණවත්ය; ළිං පීඩන සීමාවක් සඳහා සම්පූර්ණ ස්වාධීන ගණනය කිරීම සහ දෙවන ඉංජිනේරු පාලනය අත්යවශ්ය වේ.
ආරක්ෂිත විමසුම: පුද්ගලිකත්වය සහ සන්දර්භය
තෙල්-ගෑස් දත්ත වාණිජමය දෘෂ්ටිකෝණයකින් අතිශයින් සංවේදී වේ. හොඳින් ඛණ්ඩාංක, නිෂ්පාදන ප්රවාහ සහ සංචිත සංඛ්යා බොහෝ විට බලපත්ර හිමියාට සහ හවුල්කාරිත්වයට අයත් වේ; පාලනයකින් තොරව බාහිර AI සේවාවක නියැලීම තරඟකාරිත්වය නැතිවීම, කොන්ත්රාත්තු කඩ කිරීම සහ නීතිමය අවදානමක් ඇති කරයි.
- සැබෑ ළිං නම්/ඛණ්ඩාංක වෙනුවට අන්වර්ථ නාම ("Well-A", "Field-X") භාවිතා කරන්න.
- සැබෑ නිෂ්පාදන සහ සංචිත සංඛ්යා නියෝජිත (පරිමාණ) අගයන් සමඟ ප්රතිස්ථාපනය කරන්න; අනුපාතය සහ රටාව සංරක්ෂණය කර ඇත, රහස් අංකය කාන්දු නොවේ.
- දත්ත සැකසුම් ගිවිසුමක් සමඟ ආයතනය විසින් අනුමත කරන ලද මෙවලම් පමණක් භාවිතා කරන්න.
කුඩා අවස්ථා තුනක්: අංක අනුව
නඩුව 1 - කාලය ඉතිරි කිරීම, නිවැරදි භාවිතය. එක් ක්ෂේත්රයක ළිං 240 ක LAS ලොග් ගොනු විවිධ නම් කිරීම් සහ ඒකක සමඟ තබා ඇත. AI බලයෙන් ක්රියාත්මක වන ප්රමිතිකරණය මඟින් ඒකක පරිවර්තනය සහ වක්ර නාම ගැලපීම දින දෙකේ සිට පැය තුන දක්වා අඩු කර ඇත. අහඹු ලෙස 10% ළිං අතින් පරීක්ෂා කරන ලදී; ලිපිගොනු දෙකක නියුට්රෝන ලොගය නොගැලපීම හඳුනාගෙන නිවැරදි කරන ලදී. සත්යාපන ස්ථරය ක්රියාත්මක වූ බැවින් ලාභය සැබෑ විය.
නඩුව 2 - උපකල්පිත සංචිත අවදානම. ඩ්රෝඩවුන් වක්ර විශ්ලේෂණය වේගවත් කිරීම සඳහා ඉංජිනේරුවෙකු නිෂ්පාදන දත්ත ආකෘතියට ලබා දුන්නේය; මෙම ආකෘතිය අතිධ්වනික ඇදගැනීමේදී 1.4 හි b ප්රාථමිකය ලබාගෙන එය වසර 30ක් දක්වා විකාශනය කර EUR (අවසාන අනාවැකි නිෂ්පාදනය) බලාපොරොත්තු වූවාට වඩා දෙගුණයක් ඉහළ ගියේය. ද්රව්ය ශේෂය පරීක්ෂා කිරීමෙන් පෙන්නුම් කළේ රූපය ජලාශයේ පරිමාවට පටහැනි බවයි; b පදනම භෞතික සීමාවට ගෙන ගොස් ප්රතිඵලය නිවැරදි කර ඇත. අන්ධයන් ලෙස සලකනු ලැබුවහොත්, රක්ෂිතය අතිශයෝක්තියට පත් වනු ඇත.
නඩුව 3 - ආරක්ෂිත-විවේචනාත්මක සීමාව. එක් කණ්ඩායමක් AI වෙතින් ගෑස් හඳුනාගැනීමේ අනතුරු ඇඟවීමේ සීමාව "ප්රශස්ත කිරීම" සඳහා යෝජනා ඉල්ලා සිටියේය; ව්යාජ අනතුරු ඇඟවීම් අඩු කිරීම සඳහා එළිපත්ත වැඩි කිරීමට ආකෘතිය යෝජනා කළේය. HSE ඉංජිනේරුවරයා මෙය ප්රතික්ෂේප කළේය: ගෑස් හඳුනාගැනීමේ ව්යාජ ඍණාත්මක (සැබෑ කාන්දුව නැතිවීම) මාරාන්තික වන අතර නීතිමය/සම්මත සීමාවට පහළින් එළිපත්ත සැකසිය නොහැක. AI නිර්දේශය පමණක් ආරක්ෂිත ස්ථරයක් විය නොහැක.
දුර්වල ක්ෂණික / ශක්තිමත් ක්ෂණික
දුර්වල ක්ෂණික:
මෙම ළිඳේ නිෂ්පාදන දත්ත දෙස බලා එහි රක්ෂිතය අපට කියන්න. [දත්ත]
බලවත් විමසුම:
පහත (නියෝජිත/නිර්නාමික) නිෂ්පාදන දත්ත වලින් DRAFT ඇදීමේ වක්ර විශ්ලේෂණය. මෙම නීති අනුගමනය කරන්න:- Arps රටාව යොදන්න; b ඝාතකය 0-1 භෞතික පරාසයේ තබා ගන්න, ඔබේ සාධාරණීකරණය ලියන්න. - EUR ඇස්තමේන්තුව තනි අංකයක් නොව අඩු/මධ්යම/ඉහළ අවස්ථාවක් ලෙස දෙන්න. - එක් එක් උපකල්පනය වෙන වෙනම ලැයිස්තුගත කරන්න; ද්රව්ය ශේෂය සමඟ හරස් පරීක්ෂා කිරීම සඳහා අවශ්ය අතිරේක දත්ත දක්වන්න. - ප්රතිඵලය "නිවැරදි" ලෙස ඉදිරිපත් නොකරන්න; සත්යාපනය කළ යුතු පියවර සලකුණු කරන්න. දත්ත: [නිර්නාමික නිෂ්පාදන වගුව]
ප්රබල විමසුමකින් භෞතික සීමාවන්, අවස්ථා චින්තනය සහ සත්යාපනය කිරීමේ අවශ්යතාවය පනවයි.
පිටපත් කළ හැකි සැකිලි හතරක්
1) නිමැවුම් අවදානම් වර්ගීකරණය:
පහත AI ප්රතිදානය භාවිතා කිරීමට පෙර අවදානම් පන්තිය නිර්ණය කරන්න: (අ) හානි වන්නේ කුමක් ද / හානි වන්නේ කුමක් ද, (ආ) හානිය ආපසු හැරවිය හැකි ද, (ඇ) ස්වාධීන සාක්ෂි සත්යාපනය කළ යුතු ද යන්න. ප්රතිදානය: [සාරාංශය]
2) විශාලත්වය පෙරහන අනුපිළිවෙල:
පහත ප්රතිඵලයේ විශාලත්වයේ අනුපිළිවෙල පරීක්ෂා කරන්න: සාමාන්ය අපේක්ෂිත පරාසය කුමක්ද, ප්රතිඵලය මෙම පරාසයේ තිබේද, එසේ නොවේ නම්, සිදුවිය හැකි ඒකකය/ඉදිකිරීම් දෝෂය කොතැනද? ප්රතිඵලය සහ එහි ඒකකය: [අගය]
3) නිර්නාමික සහායක:
පහත පාඨයෙන් වාණිජමය වශයෙන් සංවේදී තොරතුරු (හොඳින් නම, ඛණ්ඩාංක, සත්ය ප්රවාහ අනුපාතය, සංචිතය, හවුල්කාරිත්වය) හඳුනාගෙන අන්වර්ථ නාමය/නියෝජිත අගය යෝජනාවක් දෙන්න. පෙළ: [පෙළ]
4) සත්යාපන සැලැස්ම:
පහත ඉංජිනේරු ප්රතිදානය සඳහා සත්යාපන සැලැස්මක් ලියන්න: කුමන අතින් ගණනය කිරීම, කුමන භෞතික මායිම, කුමන ස්වාධීන දත්ත (හරය/ළිඳ පරීක්ෂාව/යාබද ළිඳ) සහ කුමන දෙවන පාර්ශ්වයේ තහවුරු කිරීම අවශ්යද? ප්රතිදානය: [සාරාංශය]
AI හි කාර්යභාරය: බැලූ බැල්මට
ගවේෂණය
AI හි කාර්යභාරය
ඉංජිනේරු භූමිකාව
සත්යාපන නැංගුරම
ලොග් ප්රමිතිකරණය
වින්යාසය, පරිවර්තනය
නියැදි පාලනය
අමු ගොනුව, හරය
සිදුරු තක්සේරු කිරීම
ගිණුම් කෙටුම්පත
අනුමැතිය
Core, Archi සමීකරණය
අඩුකිරීම්/EUR
ආකෘතිය සවි කිරීම, දර්ශනය
තීරණය
ද්රව්ය ශේෂය
කාන්දු / අනතුරු ඇඟවීම
විෂමතා ලකුණ
තීරණය, මැදිහත් වීම
ස්වාධීන අනාවරකය
සංචිත ප්රකාශය
කෙටුම්පත, ගිණුම
වගකීම, අත්සන
PRMS/SEC, තක්සේරුකරු
පොදු වැරදි
- නිරවද්යතාවය සඳහා චතුර ලෙස වරදවා වටහා ගැනීම. ආකෘතියේ විශ්වාස භාෂාවෙන් අංකය නිවැරදි බව අදහස් නොවේ.
- අවදානම අනුව පරිමාණ සත්යාපනය නොවේ. ආරක්ෂක-විවේචනාත්මක නිමැවුමක් සාහිත්ය සාරාංශයක් තරම් ඉක්මනින් සම්මත කිරීම.
- පාලනය නොකළ වාහනයකට රහස්ය දත්ත ඇතුළත් කිරීම. නිර්නාමිකකරණයකින් තොරව සැබෑ ළිඳ සහ නිෂ්පාදන දත්ත බෙදාගැනීම.
- "AI යෝජිත" සමඟ වගකීමෙන් වැළකී සිටීම. ස්වාධීන සාක්ෂි නොමැතිව මුද්රණ පිටපත අත්සනට ගෙන යාම.
- ආරක්ෂක කාර්යය තනි ආකෘතියකට පැටවීම. ස්වාධීන, සහතික කළ ස්ථර AI සමඟ ප්රතිස්ථාපනය කිරීම.
සාරාංශයක් ලෙස
- AI යනු තෙල්-ගෑස් වැඩ ප්රවාහයේ ප්රබල ත්වරණයකි; නමුත් තීරණය සහ අත්සන වගකීම බලයලත් ඉංජිනේරුවරයා සතුය.
- එක් එක් ප්රතිදානය ස්ථර තුනක් හරහා පෙරන්න: විශාලත්වයේ අනුපිළිවෙල, භෞතික විද්යාව, ස්වාධීන සාක්ෂි.
- නිමැවුමේ අවදානම (දෝෂය මත අහිමි වීම) සමඟ පරිමාණ සත්යාපන තීව්රතාවය.
- ව්යාපාරික සංවේදී දත්ත නිර්නාමික කර අනුමත මෙවලම් පමණක් භාවිතා කරන්න.
- ආරක්ෂිත-විවේචනාත්මක කාර්යයන් තනි AI ආකෘතියක් මත පදනම් නොවිය යුතුය, නමුත් බහු-ස්ථර ස්වාධීන පද්ධති මත පදනම් විය යුතුය.
යෙදුම් කාර්යය
ඔබේම ව්යාපාරයකින් (හෝ නියෝජිතයෙකුගෙන්) AI භාවිත නඩුවක් තෝරන්න: ලඝු-සටහන් වලින් සිදුරු ඇස්තමේන්තු කිරීම හෝ නිෂ්පාදන ඇඳීම, උදාහරණයක් ලෙස. මෙම ප්රතිදානය සඳහා තට්ටු තුනක සත්යාපන සැලැස්මක් ලියන්න: (1) අපේක්ෂිත විශාලත්වයේ අනුපිළිවෙල කුමක්ද, (2) අදාළ භෞතික සීමාවන් මොනවාද, (3) ඔබ තහවුරු කරන්නේ කුමන ස්වාධීන සාක්ෂිද, සහ දෙවන පරීක්ෂාව කරන්නේ කවුරුන්ද යන්න. ඉන්පසු ඔබේ ප්රේරකයේ නියම ළිඳ නම/ඛණ්ඩාංකය/අංකය අඩංගු නොවන පරිදි නිර්නාමික කරන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මට AI ලාභ ලබන ක්ෂේත්ර සහ වගකීම ඉංජිනේරුවරයා සමඟ පැවතිය යුතු තීරණ අතර වෙනස හඳුනා ගත හැකිය.
- [ ] මම සෑම ප්රතිදානයක්ම විශාලත්වය, භෞතික විද්යාත්මකභාවය සහ ස්වාධීන සාක්ෂි හරහා පෙරහන් කරමි.
- [ ] මම ප්රතිදානයේ අවදානම සමඟ සත්යාපන තීව්රතාව පරිමාණය කරමි.
- [ ] මම වාණිජමය වශයෙන් සංවේදී දත්ත නිර්නාමික කරන අතර අනුමත මෙවලම් පමණක් භාවිතා කරමි.
- [ ] මම ආරක්ෂක-විවේචනාත්මක කාර්යයන් සඳහා තනි ආකෘතියක් මත රඳා නොසිටිමි, නමුත් බහු-ස්ථර ස්වාධීන ආරක්ෂක පද්ධති මත.