Использование цифровых двойников в обучении специалистов по обслуживанию нефтегазовых месторождений

В нефтегазовой отрасли (НГО) повышаются требования к промышленной безопасности (ПБ) и надёжности эксплуатации на объектах нефтегазовых месторождений (НГМ) [1]. Большое количество сложного технологического оборудования и линейных коммуникаций, их пространственная насыщенность и потенциальная аварийность делают обучение с непосредственным доступом на площадку невозможным даже для действующих сотрудников нефтегазодобывающих компаний [2]. Аналогичные ограничения существуют и в подготовке специалистов НГО в университетах, где студенты обучаются на лабораторных макетах и не имеют доступа к месторождениям [3, 4]. Внедрение цифровых тренажёров (ЦТ) на базе цифровых двойников (ЦД) в образовательные программы, как инструмента для виртуальной практики, поможет решить данную проблему [5].

Использование ЦД в обучении позволяет перенести практическую отработку навыков в контролируемую виртуальную среду, минимизируя риски для персонала и исключая необходимость вмешательства в производственный процесс. Применение ЦТ в университетах может позволить студентам осваивать сложные процессы без риска и затрат на выезды на объекты [6, 7]. Опыт внедрения подобных решений выявляет ряд существенных ограничений: высокая ресурсоёмкость трёхмерных (3D) моделей [8]; ограниченная автономность мобильных устройств при эксплуатации в сложных климатических условиях; зависимость от качества связи при использовании серверной архитектуры [9]; отсутствие единых стандартов хранения и обмена данными; поддержание актуальности цифровой модели в условиях модернизации оборудования [10].

Недостаточно разработаны основы системного использования ЦД в образовательном процессе. Научная проблема заключается в отсутствии методики интеграции ЦД в систему подготовки и повышения квалификации персонала. Практическая задача связана с необходимостью повышения эффективности обучения при сокращении производственных рисков, временных и организационных затрат.

Гипотеза исследования заключается в том, что системное использование актуализированного ЦД НГМ в ЦТ позволит повысить уровень практической подготовки работников, сократить количество ошибок при выполнении производственных операций и обеспечить дополнительный резерв повышения ПБ.

Цель исследования состоит в разработке методики использования ЦД НГМ для обучения персонала на основе онтологически управляемых сценариев.

1    Обзор литературы

Интерес к ЦД в промышленности связан с развитием сенсорных технологий, систем обработки больших данных и инструментов 3D моделирования [11]. ЦД определяется как динамическая информационная модель объекта, способная отражать его текущее состояние и поведение во времени. На начальном этапе ЦД рассматривались как средство анализа и оптимизации режимов работы оборудования. В настоящее время их применение расширилось и включает задачи организационного управления и подготовки персонала [12, 13].

Внедрение ЦД в машиностроении позволяет моделировать загрузку оборудования, выявлять «узкие места» и прогнозировать отказоустойчивость узлов. Такие модели используются как основа для создания учебных симуляторов операторов станков и автоматизированных комплексов [14]. В энергетической отрасли ЦД используются для мониторинга оборудования, ЦТ полезны для обучения действиям в аварийных ситуациях [15]. В строительстве базой для формирования ЦД служат BIM-модели, использование которых в образовательных целях обеспечивает наглядное представление о конструктивных элементах, формируя у обучающихся целостное понимание структуры и принципов функционирования объектов [16].

На НГМ ЦД используются для мониторинга эксплуатации [17]. На основе ЦД создаются цифровые обучающие платформы (ЦОП), которые позволяют моделировать технологические операции [18]. Среди разработанных программных комплексов можно выделить следующие: комплекс для установки первичной переработки нефти с 3D-моделями и моделирова- нием ошибок1, тренажёры по безопасности объектов добычи, транспортировки и переработки, охватывающие резервуарные парки, компрессорные станции и трубопроводы2; тренажёры кустовых площадок (КП)3 с математическими моделями и поддержкой виртуальной реальности (VR), позволяющие отрабатывать диагностику и аварийные ситуации. Каждый из этих комплексов имеет ограничения: узкую специализацию, высокую стоимость внедрения, требования к использованию мощного оборудования.

В университетах ЦОП и мобильные приложения используются для моделирования месторождений как часть смешанного обучения, дополняя традиционные лабораторные занятия и повышая мотивацию студентов [19, 20]. В сценариях обучения предусматриваются нормальные и аварийные режимы, которые невозможно выполнить на производстве. Мобильные приложения тренажёров способны генерировать индивидуальные задания, используются для подготовки к лабораторным работам и для самостоятельной работы [20].

BIM-модель, как виртуальная копия НГМ, может стать основой для создания ЦОП [21]. Для использования в целях обучения необходима доработка моделей – допускается упростить геометрию и сократить количество объектов, выстроить уровни детализации [22]. Чтобы модель стала интерактивной, необходимы её интеграция со специализированными программными средами, настройка правил поведения отдельных элементов (например, указать свойства потоков углеводородов, параметры процессов запуска и останова оборудования и пр.) [16]. В результате BIM-модель превратится в интерактивную среду, в которой можно разрабатывать сценарии для обучения.

Другой подход к созданию ЦТ предполагает использование пространственных данных, полученных путём лазерного сканирования реального объекта, в результате которого формируется массив пространственных данных, содержащий координаты большого количества точек, и позволяющий получить детализированное представление геометрии объекта [23]. Требуется дополнительная обработка данных – преобразование геометрии объектов и оптимизация количества элементов. Разработанная модель интегрируется в программные платформы виртуальной или дополненной реальности [24]. Использование технологий сканирования позволяет создавать цифровые копии реальных объектов с высокой степенью достоверности.

Проведённый обзор позволяет сделать вывод о наличии трудностей при внедрении ЦД как обучающих инструментов на НГМ: высокая стоимость разработки и внедрения, отсутствие унифицированных стандартов к конфигурации цифровых моделей, сложности в актуализации данных.

2    Методика использования цифрового двойника в целях обучения

В таблице 1 представлены существующие технические решения ЦТ, достоинства и недостатки, на основании которых предложена методика использования ЦД НГМ в целях обучения, включающая следующие этапы.

Этап 1. Исследование возможностей создания ЦТ на базе 3D модели объекта.

Этап 2. Исследование возможностей создания ЦТ с помощью лазерного сканирования.

Этап 3. Описание структуры ЦД и его применения в образовательном процессе. На данном этапе разработаны сценарии: знакомства с оборудованием; обслуживания технологического процесса; отработки действий в аварийных ситуациях; моделирования управленческого воз-

• ¹    См. https://maikop.fgoskomplekt.ru/catalog/vr-i-ar-dlya-obrazovaniya/vr-trenazhery-i-laboratorii-/neft-i-gaz1/programmnyj-kompleks-pererabotka-nefti-i-gaza-simulyacionnyj-trenazher-tehnologicheskoj-ustanovki-pervichnoj-pererabotki-nefti/ .

• ²    См. https://lcontent.ru/razrabotan-kompyuternyj-trenazhernyj-kompleks-bezopasnost-obektov-dobychi-transportirovki-pererabotki-nefti-i-gaza/ .

• ³    См. https://galacom.ru/trenazher-kustovaja-ploshhadka-dobyvajushhih-i-nagnetatelnyh-skvazhin-operator-dobychi/ .

• 3.1.    Определение основных целей и контекстов создания онтологии.

• 3.2.    Систематизация информации для построения онтологии (анализ и группировка данных для выделения основных понятий, классов объектов, экземпляров, атрибутов и пр.).

• 3.3.    Построение онтологической схемы сценария с визуализацией классов, экземпляров, отношений и атрибутов.

действия. Разработана модель взаимодействия обучающихся и наставников с ЦТ НГМ, схема взаимодействия ЦД, симулятора и онтологии, как семантического слоя ЦТ. Разработано онтологическое представление сценария, которое включает следующие этапы.

Этап 4 . Выявление ограничений внедрения цифровых решений на объектах НГО (группы ограничений для внедрения ЦОП: технические, организационные и экономические).

Таблица 1 – Сравнение подходов к созданию цифрового тренажёра

Критерий сравнения	Тренажёр на основе 3D-модели	Тренажёр на основе облака точек
Источник данных	Проектная документация и CAD/BIM-модели	Лазерное сканирование
Характер модели	Отражает проектную структуру объекта	Отражает фактическое состояние объекта
Объём исходных данных	Относительно небольшой	Очень большой объем пространственных данных
Требования к оборудованию	Программные средства 3D-моделирования	Лазерные сканеры и специализированные системы обработки
Сложность подготовки модели	Умеренная	Высокая из-за обработки облака точек
Точность соответствия реальному объекту	Ограничена проектными параметрами	Высокая, соответствует реальному состоянию
Основные достоинства	Гибкость разработки и возможность раннего создания	Реалистичность и актуальность модели
Основные недостатки	Возможны расхождения с реальной конфигурацией	Значительные трудозатраты на обработку данных

3    Концептуальный проект цифрового тренажёра

ЦТ, создаваемый на основе ЦД НГМ, предназначен для: изучения персоналом состава оборудования технологической площадки месторождения; отработки действий по обеспечению технологического процесса на данной площадке; отработки аварийных ситуаций; апробации сценариев управления.

ЦТ может включать следующие площадки на месторождении: административно-бытовой комплекс (АБК); блочная кустовая насосная станция (БКНС); вакуумная компрессорная станция (ВКС); вахтовый жилой комплекс (ВЖК); дожимная насосная станция (ДНС); установка комплексной подготовки газа (УКПГ); установка подготовки нефти (УПН). Каждая площадка включает уникальный набор элементов и оборудования. Для каждой площадки разрабатывается следующий перечень онтологически управляемых сценариев обучения.

Знакомство с оборудованием. На начальном уровне ЦТ должен помочь научить обучающегося разбираться в составе оборудования, пространственной структуре площадки и назначении её основных элементов. Пользователь изучает размещение зданий, сооружений, технологических узлов, инженерных систем, маршруты перемещения по площадке, а также функциональное назначение оборудования.

Выполнение типовых операций с оборудованием. Сценарии такого типа могут включать обход оборудования, контроль состояния его узлов, выполнение операций его включения и отключения, проверку его параметров, работу с арматурой, иные действия, предусмотренные регламентом.

Отработка действий в нештатных и аварийных ситуациях. Отрабатываются действия при отказе оборудования, возгорании, перебоях с подачей электроэнергии и прочими действиями, влияющими на безопасность и устойчивость технологического процесса.

Отработка управленческих сценариев. Этот уровень подготовки связан с моделированием ситуаций, в которых требуется принять решение, влияющее на работу площадки. Сценарий ориентирован на мастеров, начальников смен, диспетчеров, технологов и других специалистов, принимающих решения.

Применение ЦД в обучении может быть организовано по уровням сложности: от базового знакомства с объектом до имитации сложных управленческих и аварийных ситуаций. Это позволяет соотнести учебные сценарии с квалификацией и функциями конкретных категорий персонала.

4    Требования к архитектуре цифрового тренажёра

Программная среда, на базе которой реализуется ЦТ, должна позволять задавать сценарную логику, то есть описывать последовательность событий, условия выполнения операций, варианты развития нештатных ситуаций и критерии оценки действий обучаемого. Это предполагает использование программных платформ, сочетающих инструменты трёхмерной графики, интерфейсного проектирования и настройки интерактивных сценариев. Важным условием является возможность актуализации модели: ЦТ должен поддерживать обновление 3D модели и атрибутивной информации, связанной с оборудованием и сценариями.

Схема взаимодействия обучающегося и наставника с ЦТ в процессе обучения представлена на рисунке 1.

Рисунок 1 – Схема взаимодействия обучающегося и наставника с цифровым тренажёром

Пользователь проходит авторизацию, получает доступ к набору площадок и действий, которые соответствуют его роли (обучающийся или наставник), выбирает конкретную площадку и запускает учебный (или экзаменационный) модуль. Обучаемый выполняет предусмотренные сценарием действия, а система фиксирует их, сопоставляя с эталонной последовательностью. Пользователь получает сообщения о допущенных ошибках, нарушении логики выполнения операций или пропуске обязательных действий. После завершения сценария формируется отчёт о результатах, который может быть сохранён в базе данных и использован для анализа качества подготовки.

В ЦТ в качестве семантического слоя предполагается использовать онтологию. Для онтологически управляемых сценариев обучения в ЦТ НГМ разработана схема, обеспечивающая взаимодействие онтологии (TrainingScenarioOntology) с ЦД и симулятором. Онтология позволяет интерпретировать данные ЦД и генерировать персонализированные сценарии для симулятора (Unity/Unreal Engine). Представленные на рисунке 2 уровни обеспечивают за- мкнутый цикл обучения студента.

Цифровой двойник

J

I

I

Рисунок 2 – Схема взаимодействия онтологии с цифровым двойником и симулятором

ЦД (физический уровень) формируется за счёт датчиков, измеряющих давление, температуру и вибрацию в реальном времени, а также BIM -моделей и данных лазерного сканирования. Разнородные данные ( JSON -потоки и облака точек OBJ/GLTF ) конвертируются в RDF -триплеты и аннотируются семантическими метаданными, что обеспечивает их интерпретируемость для последующих уровней.

OWL -онтология (семантический уровень) строится в редакторе Protégé с SPARQL Endpoint и выполняет функции интеллектуального посредника. С использованием онтологии интерпретируются физические данные ЦД, автоматически генерируются персонализированные сценарии обучения по критериям пользователя. SPARQL -запросы извлекают последовательности действий, а SWRL -правила обеспечивают проверку корректности действий обучаемого.

Симулятор ЦТ (презентационный уровень) – VR/AR-интерфейс на базе Unity/Unreal Engine обеспечивает взаимодействие студента с виртуальной КП. Симулятор получает от онтологии готовый сценарий в формате JSON, визуализирует 3D-модель оборудования и собирает действия пользователя через Unity C# API. Обратная связь формируется в реальном времени: успешные действия отмечаются зелёным индикатором, ошибки – красным, с текстовым пояснением.

Онтология является инструментом, который интегрирует и семантически насыщает данные, получаемые от ЦД, и создаёт основу для разработки архитектуры ЦТ. Благодаря связям, определённым в онтологии, осуществляется проверка действий обучающегося при выполне- нии каждого сценария.

Для сценария «Знакомство с оборудованием» сформирован фрагмент онтологического представления обучения студентов на примере КП (см. рисунок 3). В качестве примера на КП выбрана добывающая скважина, для которой рассматриваются: запорная арматура, манометр высокого давления, устье скважины. Построенный фрагмент онтологического представления показывает отношения между ключевыми классами и структурирует знания между ними: сценарий обучения, роль персонала, площадка НГМ, действие, режим. Центральным является сценарий обучения. Каждый класс имеет связь с экземплярами (например, для класса «режим» введены экземпляры «обучение» и «экзамен»). Экземпляры имеют атрибуты, характеризующие выбор настроек по запускаемому сценарию обучения (например, для класса «режим», в экземпляре «обучение» введены атрибуты «длительность тренировки» и «возможность ошибок»). Фрагмент онтологии отражает отношения, которые описывают: базовые связи между классами (сплошные стрелки), экземплярами и атрибутами онтологии (им справедливо отношение «включает»); связи между классами онтологии (штрих-пунктирные стрелки), отражающие отношения: «включает», «содержит», «обучает», «использует».

неограничен©

ошибки допустимы

тип тип

АБК цель дне

УКПГ

[ изучение назначения]

Знакомство с оборудованием

Оборудование: добывающая скважина

Действие запоминание локации длительность тренировки возможность ошибок номер шага шаг 3

манометр высокого давления

УПН

БКНС запорная арматура и расположение оборудования добывающей скважины КП название название критичность манометр задвижка Nl критично критичность

Режим содержит включает

Управленческие сценарии тип действие №1

действие №2

номер шага номер шага визуальный осмотр устье скважины

Площадка нефтегазового месторождения

Сценарий обучения использует - уровень

Роль персонала

Обучение персонала уровень 1

| обучение экзамен jдействие №з|~»

Стандартные операции экзамен

Аварийные ситуации низкии уровень уровень навыков студент название t роли .

ВКС

ВЖК освоить состав

Рисунок 3 – Фрагмент онтологического представления сценария обучения «Знакомство с оборудованием»

название критичность

задвижка м| критично

манометр fj

критично

устьевое оборудование N

критично

Исходная концептуальная схема преобразована в онтологическую модель в формате OWL путём разделения элементов на четыре группы: классы, экземпляры, объектные свойства и data -свойства (см. рисунок 4).

Рисунок 4 – Схема формализованной онтологической модели

Описание наполнения онтологической модели приведено в таблицах 2–4, в которых представлены соответственно: классы онтологической модели; объектные свойства онтологической модели; свойства данных онтологической модели.

Таблица 2 – Классы онтологической модели

Наименование класса	Обозначение класса	Назначение
Обучение персонала	PersonnelTraining	Общий процесс обучения персонала
Сценарий обучения	TrainingScenario	Сценарий, определяющий последовательность учебных действий
Знакомство с оборудованием	EquipmentFamiliarizationScenario	Сценарий изучения состава, назначения и расположения оборудования
Стандартные операции	StandardOperationScenario	Сценарии выполнения штатных операций
Аварийные ситуации	EmergencySituationScenario	Сценарии действий в нештатных и аварийных ситуациях
Управленческие сценарии	ManagementScenario	Сценарии отработки управленческих решений
Режим обучения	TrainingMode	Режим прохождения сценария: обучение, экзамен и т.д.
Действие	TrainingAction	Отдельное действие, входящее в сценарий
Роль персонала	PersonnelRole	Роль обучаемого или целевая профессиональная роль
Площадка НГМ	FieldSite	Производственная или инфраструктурная НГМ
АБК	AdministrativeHouseholdComplex	Административно-бытовой комплекс
БКНС	BlockClusterPumpStation	Блочная кустовая насосная станция
ВКС	VacuumCompressorStation	Вакуумная компрессорная станция
ВЖК	ShiftResidentualComplex	Вахтовый жилой комплекс
ДНС	BoosterPumpStation	Дожимная насосная станция
КП	ClusterPad	Кустовая площадка
УКПГ	GasTreatmentUnit	Установка комплексной подготовки газа
УПН	OilTreatmentUnit	Установка подготовки нефти
Оборудование	Equipment	Оборудование или технологический объект площадки
Добывающая скважина	ProductionWell	Оборудование: добывающая скважина
Компонент оборудования	EquipmentComponent	Составная часть оборудования

Таблица 3 – Объектные свойства онтологической модели

Объектное свойство	Domain	Range	Содержание
hasScenario	PersonnelTraining	TrainingScenario	Процесс обучения содержит сценарии обучения
hasMode	TrainingScenario	TrainingMode	Сценарий включает режим обучения
containsAction	TrainingScenario	TrainingAction	Сценарий содержит учебное действие
trainsRole	TrainingScenario	PersonnelRole	Сценарий соответствует роли
usesSite	TrainingScenario	FieldSite	Сценарий использует площадку НГМ
containsEquipment	FieldSite	Equipment	Площадка содержит оборудование
hasComponent	Equimpent	EquipmentComponent	Оборудование имеет компоненты

К классам онтологии относятся: сценарий, режим, действие, роль, площадка, оборудование, компонент оборудования. Также классами стали типы сценариев (см. раздел 3) и типы площадок НГМ. Центральный класс – сценарий обучения ( TrainingScenario ) связывает между собой режим обучения, роль персонала, площадку НГМ и последовательность действий.

Экземплярами являются конкретные объекты (например, сценарий знакомства с оборудованием уровня 1 Scenario_Familiarization_KP_Level1 является экземпляром класса EquipmentFamiliarizationScenario; КП KP_01 является экземпляром класса ClusterPad). Ком- поненты оборудования (например, устьевое оборудование, задвижка, манометр) тоже стали экземплярами, так как в данной модели они – конкретные элементы оборудования добывающей скважины, а не классы типов оборудования.

Таблица 4 – Свойства данных онтологической модели

Свойство	Domain	Range	Пример значения	Содержание
hasName	owl:Thing	xsd:string	«КП», «Студент»	Наименование сущности
hasGoalText	TrainingScenario	xsd:string	«Освоить состав и расположение оборудования добывающей скважины КП»	Цель сценария
hasScenarioLevel	TrainingScenario	xsd:string	«Уровень 1»	Уровень сценария
hasStepNumber	TrainingAction	xsd:positiveinteger	1	Порядковый номер действия
hasActionType	TrainingAction	xsd:string	«Визуальный осмотр»	Тип действия
hasInstructionText	TrainingAction	xsd:string	«Выполнить визуальный осмотр оборудования»	Текст инструкции для обучаемого
hasDurationPolicy	TrainingMode	xsd:string	«не ограничено»	Длительность тренировки в режиме
allowsErrors	TrainingMode	xsd:boolean	«допустимо»	Допустимость ошибок в режиме
hasSkillLevel	PersonnelRole	xsd:string	«низкий уровень»	Уровень навыков, связанный с ролью
hasCriticality	EquipmentComponent	xsd:string	«критично»	Критичность компонента оборудования

В объектные свойства вынесены связи между сущностями (отношения «объект-объект»). Они отражают структуру исходной концептуальной модели. В атрибуты вынесены признаки с простыми типами значений (строка, число или логическое значение). Тип действия, уровень навыков и критичность компонента в данном фрагменте используются как атрибуты.

Для иллюстрации управления сценарием представлен пример SPARQL -запроса для извлечения последовательности учебных действий из онтологической модели сценария:

PREFIX ngt: <>

SELECT ?scenario ?action ?stepNumber ?actionType

WHERE {

?scenario a ngt:EquipmentFamiliarizationScenario ;

ngt:trainsRole ngt:StudentRole ;

ngt:usesSite ngt:KP_01 ;

ngt:hasMode ngt:LearningMode ;

ngt:containsAction ?action .

?action ngt:hasStepNumber ?stepNumber ;

ngt:hasActionType ?actionType .

}

ORDER BY ?stepNumber

В блоке WHERE задаются условия выбора сценария (принадлежность классу сценария «Знакомство с оборудованием», связь с ролью «обучаемый», используемой КП и режимом). Запрос извлекает связанные с ним действия через объектное свойства containsAction и получает его порядковый номер и тип через связи hasStepNumber и hasActionType соответственно. Конструкция ORDER BY ?stepnumber позволяет вывести действия в порядке их выполнения.

5    Обсуждение 5.1    Ограничения текущего этапа исследования

Выявление ограничений внедрения ЦД на объектах НГО позволяет рассмотреть причины, по которым цифровизация эксплуатируемых производственных площадок оказывается более сложной, чем внедрение аналогичных решений на новых объектах. В условиях действующего производства цифровые инструменты необходимо адаптировать к существующей технологической, технической и организационной среде. Основные ограничения можно объединить в группы: технические, организационные и экономические [24].

Технические ограничения чаще всего связаны с тем, что часть оборудования и систем автоматизации на действующих объектах внедрена раньше современных цифровых платформ и не всегда совместима с ними.

Организационные ограничения проявляются в необходимости пересмотра отдельных рабочих процедур, подготовки персонала к использованию новых инструментов, а также повышением требований к защите производственных данных и технологических систем.

Экономические ограничения обусловлены затратами на модернизацию оборудования, закупку и настройку программных продуктов, доработку инфраструктуры и последующее техническое сопровождение.

Для действующих объектов НГО цена технологических сбоев от вмешательства в непрерывный производственный процесс высока, поэтому любые изменения должны внедряться с учётом требований надёжности, ПБ и сохранения стабильности работы оборудования.

Для подтверждения работоспособности предложенного подхода и соответствия модели Киркпатрика в статье представлены онтологическая модель с примерами SPARQL -запросов и следующий план внедрения ЦТ.

На первом уровне модели Киркпатрика оценивается реакция обучающихся. Предполагается проводить анкетирование обучающихся (студентов и операторов) после работы с ЦТ по 5-балльной шкале каждого критерия (интерес, понятность интерфейса, оцениваемая полезность, реалистичность). Будет проведено сравнение с традиционным форматом обучения – лекции, видеоинструкции.

На втором уровне модели Киркпатрика оценивается прирост знаний и навыков после выполнения обучающих упражнений. В качестве метода оценки предполагается тестирование уровня знаний до и после тренировки на ЦТ. В качестве ключевых метрик предполагается использовать время освоения материала – снижение среднего времени выполнения сценария с первой попытки до эталонного (заданного инструктором) и процент ошибок – уменьшение количества неправильных действий (пропуск операций, нарушение последовательности).

На третьем и четвёртом уровнях модели Киркпатрика (оценка степени применения полученных знаний на практике и польза для бизнеса) предусматривается внедрение разработанного ЦТ в практику. Фактическое внедрение ЦТ на месторождении и оценка снижения аварийности, повышения производительности труда требуют длительного наблюдения (6–12 месяцев).

• 5.2    Сравнительный анализ с существующими решениями

Предлагаемая в статье концепция платформы ЦД НГМ на основе онтологически управляемых сценариев обучения превосходит аналоги (см. таблицу 5) за счёт комплексной интеграции, охватывающей все КП НГМ.

Сравнение в таблице 5 показывает, что предложенная онтологическая модель отличается не только предметной областью, но и практической направленностью.

Предлагаемое в статье решение выделяется поддержкой онтологически управляемого сценарного подхода, позволяющего моделировать реальные сценарии обучения персонала в ЦД всего НГМ, что обеспечивает иммерсивное обучение с ветвящимися сценариями и устраняет фрагментацию, типичную для существующих программных решений.

Заключение

ЦТ на основе ЦД НГМ следует рассматривать как полноценный элемент системы профессионального обучения на основе онтологически управляемых сценариев. Внедрение ЦТ в практику подготовки кадров НГО создаёт предпосылки для повышения уровня ПБ, улучшения качества обучения при сокращении нагрузки на действующие объекты.

Таблица 5 – Cравнение нефтегазовых онтологических моделей с предложенной моделью

Критерий	OSDUOntology [25]	Petro - Onto [26]	P - PSO [27]	Онтология ЦТ НГМ
Предметная область	Ориентирована на данные геологоразведки и разработки месторождений: скважины, пласты, сейсмические данные. Практическое применение – семантический слой интеграции и управления геолого промысловыми данными в цифровой платформе нефтегазовой компании.	Ориентирована на формализацию предметной области разведки и разработки НГМ. Практическое применение – создание единой семантической основы для интеграции разнородных данных и построения отраслевого графа знаний.	Ориентирована комплексное представление производственных систем. Практическое применение – информационный обмен между программными средствами, проектирование производственных систем, автоматизация и управление производством.	Ориентирована на формальной описание структуры и логики ЦТ, учебных сценариев, моделируемых технологических процессов и объектов. Практическое применение – роли семантического слоя, обеспечивающего интерпретацию данных от ЦД и формирование учебных заданий
Базовые классы	osdu: AbstractCommonResources – базовый класс для общих характеристик ресурсов (владельцев, источников, пространственных привязок); osdu:MasterData – класс для основных бизнес - и физических характеристик объектов отрасли – скважина, ствол скважины, бассейн; osdu:WorkProduct – класс для описания результатов производственной, инженерной или аналитической деятельности	Business – класс для описания бизнес - доменов, процессов и видов деятельности; Object – класс для описания физических и геологических объектов отрасли (бассейны, месторождения, скважины), Knowledge – класс для представления знаний (исследования, патенты, стандарты и техническая документация)	Component – базовый класс физического слоя (материальные элементы системы); Processor – производственные ресурсы, выполняющие обработку, сборку или контроль; Operation – класс технологического слоя, описывающий производственную операцию; Controller – класс управляющего слоя, описывает элемент принятия решения в производственном планировании и управлении	TrainingScenario – класс для описания ЦТ как программно технической системы, TrainingTask – класс для описания конкретного учебного задания или упражнения; Equipment – класс для описания технологического оборудования, агрегатов, узлов и систем.
Базовые свойства	Объектные свойства – hasDataset, hasWell, hasWellbore, hasFacility – описывают связи между объектами предметной области, рабочими продуктами, доменами и справочниками; свойства данных – owners, viewers, createTime, modifyTime – описывают атрибуты контроля доступа, временные метаданные и т.д.	Объектные свойства – kindOf и hasDataP-roperty для иерархических связей и связи с атрибутами, isAPartOf – отношение «часть - целое», isConnectedBy – связь между объектами инфраструктуры; свойства данных описывают атрибуты объектов – label, businessCode, type, classification	Объектные свойства – hasSubPart связывает изделие с подузлами; hasComponent – связывает производственную систему с физическими компонентами; usesTool – связывает операцию и процессор с применяемым инструментом; свойства данных описывают базовые атрибуты: параметры потоков, буферов, правил управления, заказов и производственных планов	Объектные свойства hasScenario, hasMode, usesSite описывают связи между ЦТ, сценариями, режимами обучения и используемыми узлами объекта НГМ; свойства данных hasGoalText, hasStep-Number, hasInstruction-Text и пр. описывают текстовые, числовые и временные характеристики сценариев и упражнений
Аксиомы и ограничения	Используются стандартные ограничения схем rdfs ( sub-classOf, domain, range ) и owl ( minCardinality, allValuesFrom ), задающие правила построения иерархии и интерпретации классов и свойств	Используются правила и ограничения, близкие по смыслу к стандартным конструкциям subClassOf, domain/range и ограничениям значений свойств и атрибутов	Используются правила и ограничения на уровне концептуальной UML - модели, задающие иерархию, ассоциативные ограничения (связи между объектами), а также ограничения структурной целостности модели	Используются стандартные конструкции rdfs:subClassOf, rdfs:domain, rdfs:range , задающие иерархию классов и допустимые области применения свойств.

Предложенная платформа на основе онтологически управляемых сценариев обучения может иметь преимущества перед существующими решениями, обеспечивая персонализацию, интеграцию с 3D-моделями объектов НГМ и реальными данными.

Перспективы дальнейших исследований включают валидацию платформы ЦТ на реальных объектах НГМ, интеграцию с BIM -ЦД для предиктивного моделирования аварий, оценку эффективности ЦТ по разработанному плану эксперимента.