ТЕКУЩЕЕ СОСТОЯНИЕ И ВОЗМОЖНОСТИ РАЗВИТИЯ ПРОМЫШЛЕННОГО ИСКУСCТВЕННОГО ИНТЕЛЛЕКТА В НЕФТЕГАЗОВОЙ ОТРАСЛИ НА ОСНОВЕ НЕЙРОЭНДОКРИННО-ИММУНОЛОГИЧЕСКОГО ВЗАИМОДЕЙСТВИЯ

Авторы

Г.А. Самигулина Институт Информационных и Вычислительных Технологий https://orcid.org/0000-0003-1798-9161
З.И. Самигулина АО Казахстанско-Британский Технический Университет https://orcid.org/0000-0002-5862-6415

Ключевые слова:

промышленный искусственный интеллект, нефтегазовая отрасль, управление сложным объектом, диагностика оборудования, обработка больших данных, унифицированная искусственная иммунная система, нейроэндокринно-иммунологическое взаимодействие, гомеостаз

Аннотация

Предлагаемая работа посвящена вопросам современного состояния и тенденциям развития промышленного искусственного интеллекта (ИИ) в нефтегазовой отрасли с использованием биоинсперированного подхода искусственных иммунных систем (ИИС) с привлечением нейроэндокринной составляющей для управления динамическими сложными объектами и диагностики оборудования. Обоснована необходимость применения подходов, методов ИИ и машинного обучения для анализа больших данных и прогнозирования поведения сложной динамической системы. Приведены особенности внедрения ИИС на современном промышленном предприятии нефтегазового сектора и трудности, возникающие при реализации этих систем. Рассмотрены основные подходы ИИС и принципы создания унифицированной искусственной иммунной системы (УИИС), а также перспективность применения нейроэндокринной системы (НЭС) для повышения эффективности работы УИИС с целью обеспечения бесперебойного функционирования сложных технологических комплексов на нефтеперерабатывающих предприятиях. Приведены основные этапы, необходимые для реализации и внедрения интеллектуальной технологии УИИС-НЭС в реальную производственную среду на примере нефтеперерабатывающих предприятий ТенгизШевройл и Карачаганак Петролеум Оперейтинг.

Биография автора

Г.А. Самигулина, Институт Информационных и Вычислительных Технологий

В 1982 г. поступила в КазПТИ им. Ленина на факультет «Автоматика и телемеханика». В 1987 г. окончила институт и получила специальность «Инженер – электрик». С 1987 году по распределению работала в НПО «Системотехника» инженером. С 1991 по 1992 год работала в Институте Проблем Информатики и Управления МОН РК (ИПИУ МОН РК) младшим научным сотрудником в лаборатории «Управление техническими системами». С 1992 по 1995 год обучалась в аспирантуре ИПИУ МОН РК. В 1996 году защитила кандидатскую диссертацию по специальности 05.13.01 «Исследование и параметрический синтез стохастических бинарных систем управления на основе подхода квазирасщепления». С 1999 г. работала научным сотрудником в лаборатории «Управление техническими системами». В 2002 году присвоено звание доцента по специальности «Информатика, вычислительная техника и управление». С 2002 по 2008 г.г. старший научный сотрудник ИПИУ МОН РК в лаборатории «Интеллектуальные системы управления и сети». В 2009 г. защитила докторскую диссертацию в институте математики на тему: «Разработка интеллектуальных экспертных систем управления на основе подхода искусственных иммунных систем», по специальности 05.13.18 – Математическое моделирование, численные методы и комплексы программ. С 2009 по 2012 г.г. зав. лаб. «Интеллектуальные системы управления и сети» Института проблем информатики и управления МОН РК. После переименования лаборатории в 2013 г. по настоящее время зав. лаб. «Интеллектуальные системы управления и прогнозирования» в Институте информационных и вычислительных технологий КН МОН РК. В 2022 г. получила ученое звание Профессор по специальности «Информатика, вычислительная техника и управление».

Научный стаж более 30 лет. Опубликовано более 300 работ, в том числе 40 публикаций в базах данных Thomson Reuters и Scopus (Индекс Хирша 6 по Scopus, h-index = 5 по Web of Science, h-index=8 по Research Gate, 6 монографий, 2 учебных пособия. Получено: 3 Свидетельства о государственной регистрации объекта интеллектуальной собственности Зарегистрировано в Комитете по правам интеллектуальной собственности МЮ РК; 10 Свидетельств о государственной регистрации прав на объект авторского права в Комитете по правам интеллектуальной собственности МЮ РК; 3 Свидетельства о внесении сведений в государственный реестр прав на объекты, охраняемые авторским правом.

Профессором Самигулиной Г.А. разработана уникальная иммунносетевая технология построения интеллектуальных систем прогнозирования и управления сложными объектами в условиях неопределенности параметров на основе биологического подхода искусственных иммунных систем. Данная технология по обработке и прогнозу многомерных данных нацелена на уменьшение ошибок обобщения и повышение достоверности прогноза на основе свойств гомологичных белков. Результаты исследований применялись при разработке приложений: интеллектуализация систем промышленной автоматизации, диагностика промышленного оборудования, дистанционное обучение инженерным специальностям, при компьютерном молекулярном дизайне лекарственных препаратов с заданными свойствами, защита информации на основе биометрических параметров, прогнозирование рисков сложных инвестиционных проектов и др.

Опыт работы: в Международных проектах (МНТЦ); научное руководство проектов по грантам МОН РК; в экспертизе проектов МОН РК; в Ученом совете по присуждению PhD в КазНИТУ им. К.И. Сатпаева и в качестве председателя ГАК по защите дипломных работ. Под руководством Самигулиной Г.А. защищена в 2017 г. PhD диссертация Шаяхметовой А. Награждена в 2017 г. нагрудным знаком «За заслуги в развитии науки Республики Казахстан». Награждена стипендией «Ученым, внесшим выдающийся вклад в развитие науки и техники» (2012 г.).

Библиографические ссылки

Sircar A., Yadav K., Rayavarapu K., Bist N., Oza H. Application of machine learning and artificial intelligence in oil and gas industry // Petroleum Research. - 2021. - Vol. 6, № 4. - P. 379-391.

Koroteev D., Tekic Z. Artificial intelligence in oil and gas upstream: Trends, challenges, and scenarios for the future // Energy and AI. – 2021. – Vol. 3, № 100041. https://doi.org/10.1016/j.egyai.2020.100041 (дата обращения 15.02.2024).

Pandey R.K., Anil Kumar Dahiya A.K., Agarwal R. and all. Machine learning and data mining assisted petroleum reservoir engineering: a comprehensive review // International Journal of Oil, Gas and Coal Technology. - 2022. - Vol. 30, №4. – P. 359-387. DOI:10.1504/IJOGCT.2021.10043807 (дата обращения 19. 2024).

Pandey R.K., Dahiya A.K., Mandal A. Identifying applications of machine learning and data analytics Based Approaches for optimization of upstream petroleum operations // Energy Technol. – 2021. - Vol.9. - P. 1-20.

Waqar A., Othman I., Shafiq N., Mansoor M.S. Applications of AI in oil and gas projects towards sustainable development: a systematic literature review // Artificial Intelligence Review. - 2023. - № 11. - P. 12771-12798. https://doi.org/10.1007/s10462-023-10467-7 (дата обращения 03.02.2024).

Alkinani H, Al-Hameedi А.T.T., Dunn-Norman S., Flori R. Applications of Artificial Neural Networks in the Petroleum Industry: A Review // SPE Middle East Oil and Gas Show and Conf. – 2019. http://DOI:10.2118/195072-MS (дата обращения 16. 03.2024).

Hasib N., Syed Wajahat Abbas Rizvi, Katiyar V. Artificial immune system: a systematic literature review // Journal of Theoretical and Applied Information Technology. - 2023. - Vol.101, №4. – P. 1469-1486.

Pinto R., Gonçalves G. Application of Artificial Immune Systems in Advanced Manufacturing // Array. – 2022. - Vol. 15, № 100238. https://doi.org/10.1016/j.array.2022.100238 (дата обращения 21.03.2024).

Mikherskii R.M., Mikherskii M.R. Analysis of the Use of Artificial Immune Systems // Proc. of the IOP Conf. Series: Materials Science and Engineering. – 2021. - Vol. 1069012025. - P. 1-6. http: // DOI10.1088/1757-899X/1069/1/012025 (дата обращения 25.02.2024).

Rezvanian A., Vahidipour S.M., Saghiri A.M. CaAIS: Cellular Automata-Based Artificial Immune System for Dynamic Environments // Algorithms. – 2023. - Vol.17, №1. - P.18. https://doi.org/10.3390/a17010018 (дата обращения 09.02.2024).

Souza S. F., Lima F. P. dos A., Chavarette F. R. A New Artificial Immune System Based on Continuous Learning for Pattern Recognition // Revista De Informática Teórica E Aplicada. - 2020. – Vol. 27, № 4. - P. 34–44. https://doi.org/10.22456/2175-2745.102061 (дата обращения 12.03.2024).

Wang Y., Li T., Liu X., Yao J. An adaptive clonal selection algorithm with multiple differential evolution strategies // Information Sciences. – 2022. - Vol. 604. – P.142-169.

Abid A., Khan M.T., Iqbal J., de Silva C.W. Immunity Inspired Hybrid Fault Diagnosis and Conflict Resolution // IEEE/ASME Trans. Mechatron. – 2022. - Vol. 27. - P. 440–451.

Samigulina G.A, Samigulina Z.I. Development of a unified artificial immune system for complex objects control within the framework of the Industry 4.0 concept // J. Procedia Computer Science. Conf. on ENTERprise Information Systems». - Lisboa, Portugal: Elsevier, 2023. – Vol.219C. – P. 824-831. https://DOI:10.1016/j.procs.2023.01.356 (дата обращения 17.03.2024).

Samigulina G.A., Samigulina Z.I. Development of intelligent technology for complex objects control based on a unified artificial immune system and principles of immunological homeostasis for industrial automation using modern microprocessor equipment: monograph. – Yelm, WA, USA: Science Book Publishing House, 2023.–196 p.

Samigulina G.A., Samigulina Z.I. Diagnostics of industrial equipment and faults prediction based on modified algorithms of artificial immune systems // Journal of Intelligent Manufacturing. – Springer, 2022. – P.1-18. https://doi:10.1007/s10845-020-01732-5 (дата обращения 02.02.2024).

Samigulina G.A, Samigulina Z.I., Porubov D.A. Creation of intelligent technology based on a unified artificial immune system and the principles of homeostasis for the control and automation of complex oil and gas industry objects // Proc. of Inter. conf. on Industrial Engineering, Applications and Manufacturing. – Sochi: IEEE, 2022. – P. 1019-1023.

Cannon W.B. Organization for the physiological homeostatic // Phisiol. Rev. – 1929. - Vol.9. - P.399-431.

Еськов В.М., Гудков А.Б., Филатов М.А., Еськов В.В. Принципы гомеостатического регулирования функций организма в экологии человека // Экология человека. - 2019. - №10. - С. 41-49. https://DOI:10.33396/1728-0869.2019-10-41-49 (дата обращения 11.03.2024).

Stovold J., O'Keefe S., Timmis J. Cognitively-inspired homeostatic architecture can balance conflicting needs in robots // arXiv. – 2018. - Vol.1811. - № 0033.

Liu D., Wang Z., Liang H., Zeng X. Artificial Immune Technology Architecture for Electric Power Equipment Embedded System // Proc. of the IEEE Intern. Conf. on Electrical Engineering and Mechatronics Technology. – 2021, № 21438058. https://DOI:10.1109/ICEEMT52412.2021.9601685 (дата обращения 7.03.2024).

Газнюк Л. М., Липич Т. И., Липич В. В., Носков В. А. Гомеостаз как инструмент исследования технологических влияний на здоровье человека // Проблемы социальной гигиены, здравоохранения и истории медицины. – 2022. - № 30(5). - С. 753—760. http://dx.doi.org/10.32687/0869-866X-2022-30-5-753-760 (дата обращения 01.02.2024).

Kolesnik E.A. Stress-reaction as a protective immune mechanism aimed at restoring the organism’s homeostasis // Bulletin of Chelyabinsk state university. Education and healthcare. - 2020. - № 4 (12). - P. 5—14.

Самотруева М.А., Ясенявская А.Л., Цибизова А.А., Башкина О.А., Галимзянов Х.М., Тюренков И.Н. Нейроиммуноэндокринология: современные представления о молекулярных механизмах // Иммунология. – 2017. - № 38(1). - С. 49-59. http://DOI: 10.18821/0206-4952-2017-38-1-49-59 (дата обращения 14.02.2024).

Vallverdú J., Talanov M., Leukhin A., Fatykhova E., Erokhin V. Hormonal computing: a conceptual approach // Front Chem. – 2023. - Vol.11, №1232949. http://doi:10.3389/fchem.2023.1232949 (дата обращения 15.01. 2024).

Elmenreich W., Schnabl A., Schranz M. An artificial hormone-based algorithm for production scheduling from the bottom-up // Proc. of the 13th Inter. Conf. on Agents and Artificial Intelligence. - 2021. – P. 296–303. http://DOI:10.5220/0010243902960303 (дата обращения 19.02.2024).

Vallverdu J. Letter to editor: Hormonal computers? // J. Unconv. Comput. - 2022. - Vol.17. – P. 235–238.

Alkinani H., Tuama A.T., Al-Hameedi, Dunn-Norman S., Flori R. Applications of Artificial Neural Networks in the Petroleum Industry: A Review // SPE Middle East Oil and Gas Show and Conference. – 2019. http://DOI:10.2118/195072-MS (дата обращения 17.02.2024).

Koutsoupakis J., Giagopoulos D., Chatziparasidis I. AI-based condition monitoring on mechanical systems using multibody dynamics models // Engineering Applications of Artificial Intelligence. – 2023. – Vol. 123C, №106467. https://doi.org/10.1016/j.engappai.2023.106467 (дата обращения 08.02.2024).

Kim G., Choi J.G., Ku M., Lim S. Developing a semi-supervised learning and ordinal classification framework for quality level prediction in manufacturing // Computers & Industrial Engineering. – 2023. - Vol. 181, № 109286. https://doi.org/10.1016/j.cie.2023.109286Get rights and content (дата обращения 17.03.2024).

Samigulina G., Samigulina Z. Development of a risk assessment methodology for intelligent technology of diagnosing industrial equipment for complex oil and gas facilities // J. Procedia computer science. Proc. 27th Inter. Conf. on Knowledge Based and Intelligent Information &Engineering Systems. – Athens, Greece: Elsevier, 2023. - Vol. 225. – P.1221-1230.

Samigulina G., Samigulina Z. Development of an approach for Multicimponent Evalution of the efficiency of modified algorithms of artificial immune systems. // J. Procedia Computer Science. Proc. Soft computing and intelligent systems: theory and applications. - Elsevier, 2024. – Vol. 231. - P.746-752.