مدیرعامل شرکت مادر تخصصی تولید نیروی برق حرارتی با بیان اینکه ۵۰ درصد نیروگاه‌ها ساخت داخل است، گفت: استفاده از فناوری‌های نوین مانند هوش مصنوعی می‌تواند ما را در افزایش بهره‌وری و مدیریت زنجیره تامین یاری کند که در این زمینه نیازمند پردازش اطلاعات هستیم.
به گزارش ایسنا، عبدالرسول پیشاهنگ امروز در «اولین رویداد به‌کارگیری هوش مصنوعی در بخش تولید برق؛ تحولات و نوآوری‌ها»، گفت: در کشور ۱۴۲ نیروگاه و ۶۴۰ واحد نیروگاهی، برق کشور را تامین می‌کنند و نیروگاه‌های حرارتی در تامین برق نقش مهمی را ایفا می‌کنند؛ چرا که ۹۴ درصد از برق کشور از طریق این نیروگاه‌ها تامین می‌شود و دارای پایداری و امنیت است.
وی با اشاره به حجم سرویس و نگهداری سالانه در نیروگاه‌ها، اظهار کرد: این وضعیت وجود دارد که وقتی سیستمی برای سرویس باز می‌شود، قطعات سالم هم تعویض می‌شود، در حالی که نیاز به روش‌های نگهداری پیش‌بینی کننده داریم و شرکتی مانند بوئینگ توانسته است با استفاده از این روش‌ها تا ۴۰ درصد صرفه جویی هزینه نگهداری را داشته باشد.
پیشاهنگ با بیان اینکه تا ۶۰ درصد صرفه‌جویی از طریق به کارگیری روش‌های نگهداری پیش بینی کننده گزارش شده است، یادآور شد: با استفاده از این روش‌ها می توانیم متوجه شویم که کدام واحد نیاز به سرویس دارد و با این راهکار حجم کار و تعمیرات کاهش می یابد.
مدیرعامل جدید شرکت مادر تخصصی تولید نیروی برق حرارتی، وجود دمای بالا در نیروگاه‌ها را از دیگر چالش‌های تعمیر و نگهداری در این صنعت نام برد و گفت: برای تعمیر و ایجاد پایداری گاه نیاز است تا یک هفته منتظر بود تا دمای توربین کاهش یابد و جای تاسف دارد که متخصصان با بستن یخ به خود اقدام به تعمیر می‌کنند و این در حالی است که می‌توان اجرای این فعالیت‌ها را به ربات‌ها واگذار کرد.
وی مدیریت زنجیره را از دیگر ضرورت‌های این صنعت دانست و گفت: هر ۱۰ سال نیاز است تولید ما برآورد شود تا بر اساس آن افزایش ظرفیت داشته باشیم که هوش مصنوعی می‌تواند ما را در این زمینه یاری کند.
پیشاهنگ با ابراز خرسندی که ۵۰ درصد نیروگاه‌ها ساخت داخل است، افزود: هوش مصنوعی در افزایش بهره‌وری، مدیریت زنجیره تامین، بهبود کیفیت و کاهش هزینه و تصمیم‌گیری بهتر و افزایش بهره‌وری مؤثر است.
وی اظهار کرد: مدیریت انبارداری مبتنی بر هوش مصنوعی می‌تواند در افزایش بهره‌وری نیروگاه‌ها مؤثر باشد، چرا که در صورت نیاز به قطعات، از طریق این فناوری می توانیم دریابیم که قطعه مورد نیاز در کدام مرکز وجود دارد.
پیشاهنگ گفت: ما داده‌های زیادی در این حوزه داریم، ولی چالش اصلی ما عدم پردازش این اطلاعات است تا بر اساس آن بتوانیم سطح بهره‌وری را ارتقاء دهیم.
انتهای پیام
منبع: https://www.isna.ir/news/1403030603315/%D9%BE%D8%B1%D8%AF%D8%A7%D8%B2%D8%B4-%D8%A7%D8%B7%D9%84%D8%A7%D8%B9%D8%A7%D8%AA-%DA%86%D8%A7%D9%84%D8%B4-%DA%A9%D8%B4%D9%88%D8%B1-%D8%AF%D8%B1-%D8%A8%D9%87%D8%B1%D9%87-%DA%AF%DB%8C%D8%B1%DB%8C-%D8%A7%D8%B2-%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C-%DB%B5%DB%B0-%D8%AF%D8%B1%D8%B5%D8%AF
