طراحی و تبیین مدل ترکیبی پردازش زبان طبیعی (NLP) و یادگیری ماشین جهت بازیابی و انتقال دانش بین‌نسلی در صنایع پتروشیمی

کد مقاله : 1003-CEC05

نویسندگان

حامد رفیعی منفرد * دانشگاه آزاد اسلامی

چکیده مقاله

صنایع پتروشیمی به دلیل ماهیت پیچیده و مخاطرات عملیاتی بالا، به شدت وابسته به دانش تجربی و ضمنی اپراتورها و مهندسان ارشد هستند. با خروج نسل باسابقه از بدنه اجرایی، شکاف دانشی (Knowledge Gap) بزرگی ایجاد می‌شود که متدهای سنتی مدیریت دانش قادر به پر کردن آن نیستند. پژوهش حاضر با هدف طراحی یک مدل ترکیبی مبتنی بر هوش مصنوعی برای استخراج، ساختاردهی و انتقال دانش از مستندات فنی و گزارش‌های تجربی انجام شده است. در این مدل، از الگوریتم‌های پیشرفته NLP (مانند BERT و معماری‌های مبتنی بر GPT) برای تحلیل متون غیرساختاریافته و تبدیل آن‌ها به «گراف‌های دانش» (Knowledge Graphs) استفاده شده است. یافته‌های تحقیق نشان می‌دهد که این مدل نه تنها سرعت دسترسی به راهکارهای عملیاتی در مواقع بحرانی را تا ۶۵٪ افزایش می‌دهد، بلکه دقت انتقال مفاهیم پیچیده فنی به پرسنل تازه‌وارد را نیز به میزان قابل توجهی بهبود می‌بخشد. علاوه بر این، پیاده‌سازی این سیستم با کاهش نرخ خطاهای تکرارپذیر و بهینه‌سازی زمان تعمیرات اضطراری، پتانسیل بالایی در کاهش هزینه‌های ناشی از توقف تولید (Down-time) نشان داد. نتایج نهایی این پژوهش چارچوبی نوین برای «پتروشیمی هوشمند» فراهم می‌آورد که در آن هوش مصنوعی نه تنها به عنوان یک ابزار ذخیره‌سازی، بلکه به عنوان یک نهاد تسهیل‌گر در پویایی یادگیری سازمانی و حفظ سرمایه‌های فکری در محیط‌های صنعتی پرخطر عمل می‌کند.

کلیدواژه ها

هوش مصنوعی، صنعت پتروشیمی، انتقال دانش، پردازش زبان طبیعی (NLP)، گراف دانش، یادگیری ماشین

وضعیت: پذیرفته شده مشروط