ارزیابی ۳۴ موضوع پژوهشی در کمیتههای مختلف پالایشگاه گاز ایلام
تاریخ انتشار: ۳۰ فروردین ۱۴۰۲ | کد خبر: ۳۷۵۶۷۰۸۹
ایسنا/ایلام رئیس پژوهش و فناوری شرکت پالایش گاز ایلام با اشاره به اینکه از ابتدای امسال تاکنون بیش از ۳۴ عنوان موضوع در کمیته های مختلف شرکت مورد ارزیابی قرار گرفته که از این تعداد ۳ پروژه به عقد قرار داد رسیده و ۲ پروژه در مرحله عقد قرارداد است، گفت: از مجموع ۱۱ پروژه پژوهشی در سال ۱۴۰۱ تعداد ۵ پروژه به اتمام رسیده و ۶ پروژه دیگر در حال اجرا است.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
«محسن خزلی» اظهار کرد: مطالعات امکانسنجی به کارگیری نظام مدار بسته آب برای کمینه سازی مصرف آب و کاهش حجم فاضلاب نهائی، بررسی اثر عدم وجود ضد چرخش در ولوی سینی های برج های تماس و احیای در شرایط دریافت خوراک حداکثری با تکنیک های مدلسازی CFD نسبت به طراحی اولیه، بازنگری طراحی مجموعه زباله سوز و اجکتور واحد بازیافت گوگرد برای رفع مشکل دمای پایین آن، تدوین استراتژی و استقرار نظام مدیریت تکنولوژی، بررسی وضعیت سلامت روان و سبک زندگی در بین کارکنان، از جمله پروژههای پژوهش و فناوری هستند که در نیمه نخست سال گذشته به اتمام رسیده است.
وی هدف از اجرای این پروژهها را رفع نیازهای اساسی عملیاتی و فرآیندی و زیست محیطی عنوان و تصریح کرد: برای پیادهسازی نظام مداربسته آب به منظور کمینهسازی مصرف آب و تولید پساب، از دو روش آنالیز پینچ آبی و بهینه سازی ریاضی استفاده شده است و در بازنگری طراحی مجموعه زباله سوز و اجکتور واحد بازیافت گوگرد راهکارهای عملیاتی جهت رفع مشکل دمای پایین آن تعیین که نتایج آن برای اجرا به معاونت مهندسی و توسعه ارسال شد.
رئیس پژوهش و فناوری شرکت پالایش گاز ایلام تصریح کرد: در این پروژه شبکه بهینه بازچرخانی آب با در نظر گرفتن پنج آلاینده H۲S ،TDS ،Oil ،TSS ،COD مورد بررسی قرار گرفت و با استفاده از واحد تصفیه پساب صنعتی این پالایشگاه برای احیای جریان منابع، پس از انجام بهینه سازی ریاضی، میزان کاهش مصرف آب ۵۱ درصد حاصل شد .
خزلی ادامه داد: با اجرای این پروژه میزان تولید پساب پالایشگاه در این حالت برابر صفر است، در راستای حمایت ازتولید دانش بنیان و حمایت از ساخت داخلی از ولوهای داخلی برای سینی های برج های آمین استفاده شده و عدم تاثیر ضد چرخشی ولو در اختلاط محلول آمین و گاز و جداسازی H۲S از گاز ترش در پروژه پژوهشی مورد تایید قرار گرفت.
رئیس پژوهش و فناوری شرکت پالایش گاز ایلام گفت: بهبود قابلیت اطمینان شبکه برق از طریق اصلاح حفاظت محلی و طراحی حفاظت ناحیه گسترده، شناسایی و تدوین لاجیکهای حاکم بر سیستم کنترل زیمورت کمپرسورهای اکسپورت برای انجام تعمیرات اضطراری و پیشگیرانه کمپرسورها تنها بخشی از پروژههای در حال اجرا واحد پژوهش و فناوری هستند که با اجرای آنها برخی مشکلات کنونی این واحد صنعتی برطرف میشود.
خزلی افزود: بهبود عملکرد مبدلهای حرارتی به روش ممیزی انرژی انتگراسیون حرارتی و آنالیز خرابی، ارائه راهکارهای عملیاتی مناسب برای بهبود عملکرد آنها و بررسی این تغییرات با استفاده از انالیز اگزرژی، بررسی بهبود و بهینه سازی طراحی واحد بازیافت گوگرد به منظور کاهش مقدار گوگرد در دودکش نسبت به مقدار طراحی، شناسایی و تجزیه و تحلیل اشتغال مستقیم و غیر مستقیم و شناسایی و ارزیابی مخاطرا ت امنیتی از دیگر پروژههای در دست اجرا هستند که تلاش میشود در راستای رفع نیازهای شرکت هر چه زودتر به اتمام برسند.
وی تصریح کرد: این شرکت زمینه مناسب برای همکاری فناورانه بین صنعت و دانشگاه برای رفع نیازهای مسئله محور از طریق حمایت از این پایان نامه ها را فراهم کرده و تاکنون ۲۰۱ پایان نامه مقاطع تحصیلات تکمیلی را مورد حمایت خود قرار داده که ازاین تعداد ۱۵۲ مورد پایان یافته است.
خزلی تصریح کرد: حضور بیش از۱۴۰۰ نفر- پروژه در قالب بیش از ۲۵۰ قرارداد پژوهشی از سال ۹۲ تاکنون، انجام بالغ بر ۹۰ هزار میلیون ریال پروژه در حوزه خودکفایی با بهره گیری از توان شرکتهای دانش بنیان، خرید بالغ بر ۱۱۰ هزار میلیون ریال کالاهای بومی سازی شده از شرکتهای دانش بنیان داخلی، انجام بیش از ۵۷ پروژه پژوهشی با مبلغ بیش از ۴۰ هزار میلیون ریال توسط دانشگاه ها و شرکت های دانش بنیان و حضور بیش از ۱۴۸۰ نفر- ساعت مشارکت کننده در راستای رفع نیازهای فناورانه شرکت تنها بخشی از اقدامات این حوزه در طول چند سال گذشته بوده است.
رئیس پژوهش و فناوری شرکت پالایش گاز ایلام گفت: عقد قرارداد پروژه فرصت مطالعاتی در راستای طرح توانمند سازی و آشنایی اساتید دانشگاه با صنعت، امکانسنجی روشهای تولید ترشیوبوتیل مرکاپتان از محصولات تولیدی در صنایع پالایشگاهی و یا ازسایر مواد اولیه در دسترس، حمایت بیش از ۲۰۱ پایان نامه کارشناسی ارشد و دکترا با چاپ بیش از ۲۰ مقاله در مجلات معتبر داخلی و خارجی در راستای مسئولیت اجتماعی شرکت از دیگر اقدامات این واحد در طول چند سال گذشته بوده است.
انتهای پیام
منبع: ایسنا
کلیدواژه: استانی علمی و آموزشی منطقه ایلام استانی اجتماعی استانی اقتصادی استانی فرهنگی و هنری استانی سیاسی استانی شهرستانها استانی ورزشی استانی علمی و آموزشی اخبار اجتماعی خوزستان استانی اجتماعی استانی اقتصادی استانی فرهنگی و هنری استانی سیاسی رفع نیازهای
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.isna.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «ایسنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۷۵۶۷۰۸۹ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
ارزیابی مشکلات قلبی را به ChatGPT نسپارید!
ایتنا - پژوهشگران «دانشگاه ایالتی واشنگتن» در یک آزمایش جدید دریافتند که ChatGPT نمیتواند عملکرد خوبی را در ارزیابی مشکل قلبی داشته باشد.
به رغم تواناییهای گزارش شده درباره ChatGPT برای قبول شدن در آزمونهای پزشکی، یک پژوهش جدید نشان میدهد که اتکا به این فناوری برای برخی ارزیابیهای سلامتی مانند بررسی نیاز بیمار مبتلا به درد قفسه سینه به بستری شدن در بیمارستان عاقلانه نیست.
به گزارش ایتنا از ایسنا، در پژوهش جدیدی که شامل هزاران وضعیت شبیهسازی شده از بیماران مبتلا به درد قفسه سینه است، ChatGPT نتایج متناقضی را ارائه کرد و سطوح متفاوتی را از ارزیابی خطر مشکل قلبی در دادههای بهدستآمده از بیماران نشان داد. همچنین، این سیستم هوش مصنوعی مولد نتوانست با روشهای سنتی مطابقت داشته باشد که پزشکان از آنها برای قضاوت درباره خطر مشکل قلبی بیمار استفاده میکنند.
دکتر «توماس هستون»(Thomas Heston) پژوهشگر دانشکده پزشکی «دانشگاه ایالتی واشنگتن»(WSU) گفت: ChatGPT به یک شیوه ثابت عمل نمیکرد. با توجه به دادههای مشابه، ChatGPT رتبه خطر پایینی را ارائه میدهد. دفعه بعد یک رتبه متوسط را پیشبینی میکند و گهگاه تا افزایش خطر پیش میرود.
هستون گفت: پژوهشگران باور دارند این مشکل احتمالا به دلیل سطح تصادفی بودن نسخه کنونی نرمافزار ChatGPT۴ است که به آن کمک میکند تا پاسخهایی را برای شبیهسازی زبان طبیعی ارائه دهد. با وجود این، همین تصادفی بودن باعث میشود نرمافزار برای کاربردهای حوزه سلامت که به یک پاسخ منسجم نیاز دارند، به خوبی کارآیی نداشته باشد.
هستون ادامه داد: ما متوجه شدیم که تنوع زیادی وجود دارد و این تنوع در رویکرد میتواند خطرناک باشد. این فناوری میتواند برنامه سودمندی باشد اما من معتقدم که فناوری بسیار سریعتر از درک ما پیش میرود. بنابراین، بسیار مهم است که پژوهشهای بسیاری را به ویژه در موقعیتهای بالینی پرخطر انجام دهیم.
درد قفسه سینه، یکی از شکایتهای رایج در اورژانس است که پزشکان را ملزم میکند تا فوریت وضعیت بیمار را مورد ارزیابی قرار دهند. هستون گفت: برخی از موارد بسیار جدی را به راحتی میتوان با توجه به علائم آنها شناسایی کرد اما موارد کمخطر ممکن است پیچیدهتر باشند؛ به ویژه هنگام تعیین اینکه آیا بیماری باید برای بررسی بیشتر در بیمارستان بستری شود یا به خانه برود و مراقبتهای سرپایی را دریافت کند.
متخصصان پزشکی در حال حاضر اغلب از یکی از دو معیار موسوم به TIMI و HEART برای ارزیابی خطر مشکل قلبی استفاده میکنند. هستون این مقیاسها را به ماشینحسابهایی تشبیه کرد که متغیرهای انگشتشمار را مانند علائم، سابقه سلامت و سن استفاده میکنند. در مقابل، یک شبکه عصبی هوش مصنوعی مانند ChatGPT میتواند میلیاردها متغیر را به سرعت ارزیابی کند. این بدان معناست که شاید ChatGPT بتواند یک موقعیت پیچیده را سریعتر و دقیقتر تحلیل کند.
برای این پژوهش، هستون و همکارش دکتر «لارنس لوئیس»(Lawrence Lewis) پژوهشگر «دانشگاه واشنگتن در سنت لوئیس»(WashU) ابتدا سه مجموعه داده را از ۱۰ هزار مورد تصادفی و شبیهسازیشده ایجاد کردند. یک مجموعه داده دارای هفت متغیر مقیاس TIMI، مجموعه دوم شامل پنج متغیر مقیاس HEART و مجموعه سوم دارای ۴۴ متغیر تصادفی سلامت بود. در دو مجموعه داده اول، ChatGPT ارزیابی خطر متفاوتی را در ۴۵ تا ۴۸ درصد مواقع نسبت به امتیاز ثابت TIMI یا HEART ارائه کرد. پژوهشگران برای آخرین مجموعه داده، موارد را چهار بار اجرا کردند و دریافتند که ChatGPT اغلب با خودش موافق نیست و در ۴۴ درصد مواقع، سطوح ارزیابی متفاوتی را برای موارد مشابه ارائه میدهد.
به رغم یافتههای منفی این پژوهش، هستون پتانسیل زیادی را برای هوش مصنوعی مولد در مراقبتهای بهداشتی پیشبینی میکند. به عنوان مثال، با فرض رعایت استانداردهای حفظ حریم خصوصی، کل سوابق پزشکی را میتوان در برنامه بارگذاری کرد و در شرایط اضطراری، پزشک میتواند از ChatGPT بخواهد تا سریعترین حقایق را درباره یک بیمار ارائه دهد. همچنین، پزشکان برای موارد دشوار و پیچیده میتوانند از برنامه بخواهند تا چندین تشخیص احتمالی را ارائه دهد.
هستون گفت: ChatGPT میتواند در ارائه دادن تشخیص افتراقی عالی باشد و این احتمالا یکی از بزرگترین نقاط قوت آن است. اگر کاملا نمیدانید که درباره یک بیمار چه میگذرد، میتوانید از ChatGPT بخواهید تا پنج تشخیص اصلی و استدلال خود را برای هر یک از آنها ارائه دهد. بنابراین، ChatGPT میتواند به شما کمک کند تا درباره یک مشکل فکر کنید اما در پاسخ دادن خوب نیست.
این پژوهش در مجله «PLOS ONE» به چاپ رسید.