جامعة ذي قار

تُعد صمامات الأمان السفلية (DHSV) أجهزة أمان بالغة الأهمية تُستخدم لمنع انفجارات آبار النفط. ومع ذلك، فإن الكشف عن أعطال هذه الصمامات باستخدام التعلم الآلي المركزي أمر صعب، لأن المشغلين لا يستطيعون مشاركة البيانات الخام بسهولة بسبب قواعد الخصوصية، ولأن الآبار المختلفة تستخدم أنواعًا مختلفة من أجهزة الاستشعار. يقدّم هذا البحث FEDDHSV، وهو إطار عمل للتعلم الفدرالي (FL) يحافظ على خصوصية البيانات، ويربط نموذج محوّل (Transformer) خفيفًا باستراتيجية ذكية لمشاركة الأوزان للكشف عن الأعطال دون نقل البيانات الخام خارج الآبار. يقدم النظام ثلاث مساهمات رئيسية: (١) خط أنابيب معالجة أولية آمن يحافظ على فصل بيانات التدريب والاختبار بشكل صارم حسب جلسات كل بئر؛ (٢) مُرمِّز محوّل مضغوط يُحوّل إعدادات أجهزة الاستشعار المتفاوتة إلى فضاء رياضي مشترك؛ و(٣) طريقة مخصصة لحساب متوسط الأوزان تُطابق المعاملات وفق أسماء أجهزة الاستشعار الفيزيائية بدلاً من مواقعها الخام في البيانات، مع تثبيتها عبر نظام تحديث سلس. وبالتقييم على مجموعة بيانات 3W العامة، رفع الإطار المقترح متوسط درجة الكشف (macro F1) من قيمة أولية بلغت 0.6497 إلى 0.8692، مع قفزة في أضعف بئر من 0.4144 إلى 0.9822. تثبت هذه النتائج أن التدريب التعاوني يمكن أن يُشارك المعرفة بنجاح بين أنظمة صناعية مختلفة مع إبقاء البيانات محلية، مما يوفر بنية جاهزة للنشر الفوري.

بوابة رعاية صحية متعددة الميزات للبحث عن الأطباء، وحجز المواعيد، وإجراء التقييمات، والاستشارات عبر الإنترنت.