ترجمه نشده
تولید اقتصادی و متعادل در سیستم سایبری - فیزیکی نفت هوشمند
عنوان فارسی مقاله: تولید اقتصادی و متعادل در سیستم سایبری - فیزیکی نفت هوشمند
عنوان انگلیسی مقاله: Economical and balanced production in smart Petroleum Cyber–Physical System
مجله/کنفرانس: سیستم های کامپیوتری نسل آینده – Future Generation Computer Systems
رشته های تحصیلی مرتبط: مهندسی کامپیوتر، مهندسی نفت
گرایش های تحصیلی مرتبط: هوش مصنوعی، الگوریتم و محاسبات
کلمات کلیدی فارسی: تولید نفت، سیستم های سایبری - فیزیکی، سیستم های اجتماعی، برنامه ریزی تصادفی، بهینه سازی ها
کلمات کلیدی انگلیسی: Petroleum production, Cyber–Physical Systems, Social systems, Stochastic programming, Optimizations
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.future.2018.12.014
دانشگاه: School of Computer Science, China University of Geosciences, Wuhan, 430074, PR China
ایمپکت فاکتور: 5.341 در سال 2017
شاخص H_index: 85 در سال 2019
شاخص SJR: 0.844 در سال 2017
شاخص Quartile (چارک): Q1 در سال 2017
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
فهرست مطالب (انگلیسی) Abstract
1. Introduction
2. Preliminaries
3. Petroleum production optimization for single company scenario
4. Market-driven petroleum society aware production optimization
5. Case study
6. Conclusion
Acknowledgments
References
بخشی از مقاله (انگلیسی) Abstract
In Petroleum Cyber–Physical Social workflows, monetary profit optimization is essential. In this work, a production optimization approach for the Petroleum Cyber–Physical System is proposed which spans the field production to the petroleum social market. Dynamic Programming technique, Linear Programming technique and Stochastic Programming technique are first utilized to improve the monetary profit for a single petroleum company. A market-driven petroleum social workflow aware production optimization technique is then proposed to facilitate profit optimization among multiple petroleum companies. The case study result shows that the monetary income can be increased up to 311.67% in an one year time span.
