🔵 | نهمین همایش بین‌المللی صنایع فراساحل برگزار می کند |
🔴 اولین وبینار از مجموعه وبینار های آنلاین با موضوع:

| ساختار اتصالات بین تجهیزات کف دریا |

Subsea Spools

👤 ارائه دهنده: دکتر سیروس فخریاسری ( دانشگاه برونل)
📅 تاریخ: چهارشنبه ۲۴ اردیبهشت ۱۴۰۴
⏰ ساعت:۱۷:۰۰ الی ۱۹:۰۰

🔳 سرفصل‌های وبینار:
🔸 معرفی و اهمیت Subsea Spools در صنعت نفت و گاز
🔹 طراحی و ساختار اسپول‌ها
🔸 چالش‌ها و راهکارهای نوین
🔹 مطالعه موردی و تجربیات

✅ شرکت عموم و متخصصان در این وبینار رایگان است!

💻 لینک ورود به وبینار: vc.sharif.edu/ch/ocean
___
🌐 وب‌سایت: www.oiciran.ir
📧 ایمیل: [email protected]
📢 کانال تلگرام: @oic_iran
📥 پشتیبانی: @oiciran_support
📞 شماره تماس: ۰۲۱۶۶۱۶۶۷۱۲
#صنایع_فراساحل #نفت_گاز #وبینار #همایش_صنایع_فراساحل

ساختار اتصالات بین تجهیزات کف دریا (Subsea Spools)


ارائه دهنده: دکتر سیروس فخریاسری ( دانشگاه برونل)

🔵 | نهمین همایش بین‌المللی صنایع فراساحل برگزار می‌کند | 
🔴 دومین وبینار از مجموعه وبینارهای همایش با موضوع

| روش‌های خارج‌سازی مغروقه‌ها | 
(با روایت از پرونده کشتی آنیل)

👤 ارائه‌دهنده: مهندس میثم صادقی
( کارشناس ارشد شرکت ساخت و طراحی تاسیسات دریایی) 
📅 تاریخ: ۱ مرداد ۱۴۰۴ 
⏰ ساعت: ۱۷:۰۰ الی ۱۹:۰۰ 

🔳 سرفصل‌های وبینار: 

🔸مروری بر انواع مغروقه‌ها و چالش‌های اصلی در خارج‌سازی 
🔹 روش‌ها و تکنیک‌های حرفه‌ای خارج‌سازی سازه‌های غرق‌شده 
🔸 تجهیزات تخصصی و مدیریت ریسک در عملیات نجات دریایی
🔹ارزیابی ریسک ها و مدیریت ایمنی در عملیات خارج سازی
🔸پرسش و پاسخ و تبادل تجربیات تخصصی با شرکت کنندگان

 
✅ شرکت برای عموم و متخصصان دریایی رایگان است! 

💻 لینک جلسه:
Link
___ 
🌐 وب‌سایت: www.oiciran.ir 
📧 ایمیل: [email protected] 
📢 کانال تلگرام: @oic_iran
📞 دبیرخانه: ۰۲۱۶۶۱۶۶۷۱۲ 
#صنایع_فراساحل #وبینار #کشتی_آنیل

🔵 | نهمین همایش بین‌المللی صنایع فراساحل برگزار می‌کند | 
🔴 دومین وبینار از مجموعه وبینارهای همایش با موضوع

| روش‌های خارج‌سازی مغروقه‌ها | 
(با روایت از پرونده کشتی آنیل)

👤 ارائه‌دهنده: مهندس میثم صادقی
( کارشناس ارشد شرکت ساخت و طراحی تاسیسات دریایی) 

🔵 | نهمین همایش بین‌المللی صنایع فراساحل برگزار می‌کند | 
🔴 سومین وبینار از مجموعه وبینارهای همایش با موضوع

| پایش سلامت سازه‌ها در سواحل و سازه‌های دریایی | 
(با تأکید بر فناوری‌های نوین SHM)

👤 ارائه‌دهنده: دکتر سیدرضا سمائی
( دانشگاه آزاد اسلامی واحد علوم و تحقیقات) 
📅 تاریخ: ۳ شهریور ۱۴۰۴ 
⏰ ساعت: ۱۷:۰۰ الی ۱۹:۰۰ 

🔳 سرفصل‌های وبینار: 

🔸مروری بر مفاهیم و اهمیت پایش سلامت سازه‌ها 
🔹 روش‌ها و فناوری‌های رایج در پایش سلامت سازه‌های دریایی
🔸 نقش هوش مصنوعی ودیجیتال توئین در پایش پیش‌بینانه
🔹 کاربردهای موفق در پروژه‌های ساحلی و بندری
🔸 تحلیل داده‌ها و تصمیم‌گیری برای تعمیر و نگهداری

 
✅ شرکت برای عموم و متخصصان دریایی رایگان است! 

🔗 لینک جلسه: Link
🌐 وب‌سایت: www.oiciran.ir 
📧 ایمیل: [email protected] 
📢 کانال تلگرام: @oic_iran
📞 دبیرخانه: ۰۲۱۶۶۱۶۶۷۱۲ 
#صنایع_فراساحل #وبینار #پایش_سازه #همایش

بهترین کاری که یک استاد دانشگاه در رشته مهندسی فراساحل میتواند بکند که هم از هوش مصنوعی استفاده کند هم خلاقیت و توانایی خودش مخدوش نشود چیست؟

پاسخ دیپسیک:



بهترین رویکرد، نگاه به هوش مصنوعی نه به عنوان یک رقیب، بلکه به عنوان یک «همکار» و «ابزار قدرتمند» در کنار تخصص شماست. هدف، خودکارسازی کارهای تکراری و افزایش توان تحلیلی شماست، نه جایگزینی قضاوت و خلاقیت انسانی.

📚 ۱. در آموزش: پرورش دهندۀ خلاقیت، نه ماشین تصحیح‌کننده

· پروژه‌های واقعی با راهنمایی هوش مصنوعی: از دانشجویان بخواهید با کمک AI، یک سکوی فراساحلی را در سناریوهای طوفانی شبیه‌سازی کنند. نقش شما راهنمایی در طراحی مسئله، تحلیل خروجی‌ها و داوری در مورد قضاوت‌های مهندسی است.
· آموزش «چگونه» پرسیدن: به دانشجویان بیاموزید که سوالات دقیق از AI بپرسند و پاسخ‌ها را با اصول دینامیک سیالات یا سازه‌های دریایی اعتبارسنجی کنند.

🔬 ۲. در پژوهش: شتاب‌دهندۀ اکتشاف، نه تولیدکنندۀ ایده

· بهینه‌سازی و شبیه‌سازی هوشمند: از AI برای بهینه‌سازی شکل شناور‌ها یا کاهش هزینه‌ها استفاده کنید و خودتان بر «چرایی» یک طراحی خاص متمرکز شوید.
· دوقلوی دیجیتال (Digital Twin) و پایش هوشمند: با AI مدل‌های دیجیتالی از سکوها بسازید تا رفتار آن‌ها را در شرایط مختلف پیش‌بینی کنید و سپس خودتان برای بهبود طراحی راهکارهای خلاقانه ارائه دهید.

⚙️ ۳. در عمل: مشاوری خبره، نه جانشین تجربه

· نگهداری پیش‌بینی‌کننده (Predictive Maintenance): از الگوریتم‌ها برای تحلیل داده‌های حسگرها و تشخیص زودهنگام خرابی استفاده کنید و خودتان بر اساس تجربه، بهترین زمان و روش تعمیر را تصمیم‌گیری کنید.
· یکپارچه‌سازی مدل‌های فیزیکی و داده‌محور: به جای تکیه صرف بر یادگیری ماشین، مدل‌های تحلیلی خود را با داده‌های واقعی بهبود بخشید تا نتایج قابل‌اعتمادتری بگیرید.

⚠️ ۴. اصول کلیدی برای حفظ خلاقیت و توانمندی

· هوش مصنوعی را به عنوان «ابزار» بپذیرید، نه «جایگزین»: از آن برای افزایش سرعت استفاده کنید اما قضاوت نهایی و ایده‌پردازی اصلی بر عهده شماست.
· مراقب «تنبلی تکنولوژیک» باشید: برای حفظ درک عمیق از مبانی، بخش‌هایی از کار را خودتان انجام دهید تا توانایی‌هایتان تحلیل نرود.
· همواره منتقد و پرسش‌گر باشید: به خروجی AI به دید یک فرضیه نگاه کنید، آن را با شهود مهندسی خود بسنجید و در صورت لزوم به چالش بکشید.
· بر «مسئله» متمرکز بمانید، نه «راه‌حل»: ابتدا خودتان مسئله را عمیقاً درک کنید و سپس از AI برای یافتن راه‌حل‌های متعدد استفاده کنید تا خلاقیت شما محدود نشود.

بهترین استادان، کسانی هستند که از AI برای کنار زدن موانع فنی استفاده می‌کنند تا ذهن خود را برای پرداختن به چالش‌های سطح بالاتر و خلق ایده‌های نوآورانه آزاد کنند.

پاسخ چت جی‌پی‌تی:



این سؤال بسیار مهمی است، چون هوش مصنوعی هم می‌تواند بهره‌وری یک استاد را چند برابر کند و هم اگر نادرست استفاده شود، به مرور توانایی تحلیل و خلاقیت او را تضعیف کند.
برای یک استاد دانشگاه در مهندسی فراساحل، بهترین رویکرد این است که هوش مصنوعی را به‌عنوان یک همکار پژوهشی (Research Copilot) به کار بگیرد، نه به‌عنوان جایگزین تفکر.
به طور مشخص، پیشنهاد می‌کنم زمان خود را این‌گونه تقسیم کنید:
۲۰٪ زمان: فکر کردن بدون هوش مصنوعی
انتخاب مسئله پژوهشی
ایده‌پردازی
طراحی فرضیه
قضاوت مهندسی
تصمیم‌گیری نهایی
این بخش مهم‌ترین سرمایه علمی شماست و بهتر است خودتان انجام دهید.
۶۰٪ زمان: استفاده از هوش مصنوعی برای افزایش سرعت
جستجوی منابع
خلاصه‌سازی مقالات
مقایسه آیین‌نامه‌ها (مانند استاندارد ۲۸۰۰، American Petroleum Institute، DNV، International Organization for Standardization)
ویرایش انگلیسی مقالات
تولید کدهای اولیه در MATLAB یا Python
آماده‌سازی اسلایدهای تدریس
۲۰٪ زمان: کنترل و نقد خروجی هوش مصنوعی
راستی‌آزمایی روابط و فرمول‌ها
بررسی مراجع
ارزیابی منطقی بودن نتایج
افزودن تجربه و شهود مهندسی
در رشته مهندسی فراساحل، بیشترین ارزش افزوده هوش مصنوعی در موضوعاتی مانند این‌هاست:
مرور نظام‌مند هزاران مقاله درباره ارتعاشات ناشی از گردابه (VIV)
استخراج شکاف‌های پژوهشی
کمک در تحلیل داده‌های آزمایشگاهی
برنامه‌نویسی و پردازش داده
کمک در نگارش مقالات ISI
طراحی تمرین‌ها و سؤالات آموزشی
اما کارهایی که بهتر است خود استاد انجام دهد عبارت‌اند از:
انتخاب مسئله جدید پژوهشی
تفسیر نتایج آزمایش
ارائه نظریه یا مدل جدید
داوری مقالات
هدایت دانشجویان
تصمیم‌گیری مهندسی در پروژه‌های واقعی
با توجه به پرسش‌هایی که تاکنون از من داشته‌اید (مانند وورتکس شدینگ، خرابی سازه‌ها در زلزله، مقایسه آیین‌نامه‌ها و برنامه‌ریزی پژوهش)، به نظر می‌رسد شما علاقه‌مند به پژوهش‌های بنیادی و کاربردی هستید. در این شرایط، یکی از مؤثرترین راهبردها این است که هوش مصنوعی را برای انجام کارهای تکراری به کار بگیرید و زمان آزادشده را صرف ایده‌پردازی، طراحی آزمایش و توسعه نظریه‌های جدید کنید؛ زیرا این بخش‌ها همان جایی هستند که ارزش واقعی یک استاد دانشگاه شکل می‌گیرد.
اگر هدف شما این است که در پنج سال آینده به یکی از پژوهشگران شاخص مهندسی فراساحل در منطقه تبدیل شوید، می‌توانم یک نقشه راه پنج‌ساله مبتنی بر هوش مصنوعی طراحی کنم که شامل پژوهش، آموزش، جذب گرنت، انتشار مقاله و ساخت یک گروه پژوهشی پیشرو باشد.

پاسخ بنده بر اساس جوابهای هوش مصنوعی:

برای کسب و حفظ جایگاهی متمایز از هوش مصنوعی باید حتما «کتاب» و خواندن آن و کمک از هوش مصنوعی برای خلاصه و جمع‌بندی
و
«تفکر عمیق در پدیده‌ها»
و
«تقویت ادبیات»
برای تعامل
خیلی جدی مورد توجه باشند.

این هوش مصنوعی نیست که قرار است جای ما را بگیرد.
این خود ما هستیم که اگر اکنون هوش مصنوعی را جانشین خود کنیم در آینده‌ای نزدیک، دیگران هم آن را جایگزین ما خواهند کرد.
«خواندن کتاب به همان سبک سنتی و قدیمی»
«کمک از هوش مصنوعی برای خلاصه و جمع‌بندی و دسته‌بندی»
«جدیت بیشتر در اندیشیدن در طبیعت و عمیق شدن در پدیده‌ها»
«اهمیت بیشتر به ادبیات به منظور تعامل و تسهیل سیالیت ذهن»
کارهایی هستند که باعث می‌شوند هرگز هوش مصنوعی جای شما را نگیرد بلکه تولیدات شما جزو مراجع مهم آن باشد برای پاسخ به سؤالات دیگران.


https://t.iss.one/tabeshpour

فهرست کامل وبینارهایی که در چند سال اخیر برگزار شده است.

فهرست ویدئوها و مطالب درس مبانی فراساحل

تعریف اسپرینگینگ:





اسپرینگینگ (Springing) در سازه‌های دریایی، یک پدیدهٔ تشدید (رزونانس) پایدار و ممتد است که در آن امواج پیوسته دریا، باعث ایجاد ارتعاشات جهانی (به ویژه در مودهای عمودی و پیچشی) در سازه می‌شوند.
این ارتعاش دائمی، برخلاف تنش‌های حداکثر لحظه‌ای، به دلیل تعداد سیکل‌های زیاد، خطر اصلی را به شکل خستگی (Fatigue) و رشد ترک در اتصالات حیاتی سازه ایجاد می‌کند.

🔍 علت دقیق رخداد (مکانیزم)

علت اصلی، نیروهای غیرخطی مرتبه دوم (Second-order sum-frequency) ناشی از امواج است. به بیان ساده:

· اگر دوره تناوب مؤثر موج برابر با نصف دوره تناوب طبیعی سازه باشد (یعنی  2T_{wave} = T_{natural} )، جزء فرکانس جمع نیروها با فرکانس طبیعی سازه هماهنگ می‌شود و تشدید ممتد رخ می‌دهد.
· (تصحیح مهم): برخلاف تصور، اسپرینگینگ لزوماً به دریاهای بسیار خشن نیاز ندارد و حتی در دریاهای با ارتفاع موج متوسط نیز رخ می‌دهد؛ زیرا ماهیت آن تشدید مداوم نیروهای مرتبه دوم است.

🆚 تفاوت با پدیده‌های مشابه (ویپینگ و رینگینگ)

برای درک بهتر، این سه پدیده را مقایسه کنید:

· اسپرینگینگ (Springing) = ارتعاش پیوسته و پایدار (ناشی از تشدید نیروهای مرتبه دوم) که باعث خستگی درازمدت می‌شود.
· ویپینگ (Whipping) = ارتعاش ضربه‌ای و میراشونده (ناشی از کوبش ناگهانی موج به بدنه یا پدیدهٔ Slamming) که تنش‌های لحظه‌ای بسیار بزرگی ایجاد می‌کند.
· رینگینگ (Ringing) = ارتعاش ضربه‌ای اما با فرکانس بالا (ناشی از موج‌های بسیار تند و غیرخطی که نیروی مرتبه سوم ایجاد می‌کنند) که معمولاً در سکوهای با پایه‌های کششی (TLP) رخ می‌دهد و مانند ویپینگ گذراست، اما منشأ آن کوبش بدنه نیست.

⚠️ سازه‌های حساس (مستعد به اسپرینگینگ)

سازه‌هایی که دوره تناوب طبیعی بالا (یعنی فرکانس پایین) و میرایی سازه‌ای کم دارند، حساسترین گزینه‌ها هستند:

1. سکوهای با پایه‌های کششی (TLP): حساسترین نمونه. دوره تناوب طبیعی حرکت قائم (Heave) آنها حدود ۲ تا ۵ ثانیه (توجه: واحد صحیح ثانیه است) بوده و کاملاً با محدوده فرکانس جمع امواج همخوانی دارد. این پدیده مستقیماً کابل‌های نگهدارنده (Tendons) را تهدید می‌کند.
2. کشتی‌های بسیار بلند: شامل نفت‌کش‌های فوق‌بزرگ (VLCC)، کشتی‌های فله‌بر (Bulk Carriers) و به ویژه کشتی‌های کانتینری فوق‌بزرگ (ULCS) که طول بالای آنها باعث کاهش سختی خمشی شده و در معرض خستگی ناشی از اسپرینگینگ در سراسر تیرواره بدنه هستند.
3. سکوهای شناور نیمه‌مستغرق (Semi-submersibles) و توربین‌های بادی دریایی با پایه‌های شناور که انعطاف‌پذیری بالایی داشته و فرکانس طبیعی آنها در محدوده تحریک امواج قرار می‌گیرد.

در طراحی مدرن، تحلیل اسپرینگینگ با استفاده از تحلیل طیفی (Spectral Analysis) و روش‌های المان محدود در حوزه زمان (Time-domain FEM) برای محاسبه عمر خستگی اجباری است.



(کمک گرفته از هوش مصنوعی).


اینها در درس کاربرد ارتعاشات غیرخطی در سازه‌هایی دریایی بحث می‌شود.

در آنجا معادلات دیفرانسیل سیستم را استخراج و حل می‌کنیم.


@tabeshpour

این شکل توسط هوش مصنوعی تولید شده و اشکالات و نقایصی دارد.

این شکل توسط هوش مصنوعی تولید شده و اشکالات و نقایصی دارد.

کانال دستنامه در پیام‌رسان بله ایجاد شد و به مرور لینک اپارات ویدئوهای دروسی که تاکنون رکورد و منتشر شده است در آن بصورت دسته‌بندی شده قرار خواهد گرفت تا در صورت لزوم باعث سهولت استفاده شود:

«دستنامه»

🆔 شناسه:
https://ble.ir/dastnameh



تابش‌پور