مهندس تعلم الآلة – أنظمة Digital Oilfield

Confidential Company

عدة شواغرصاحب عمل نشط

نشرت قبل 58 دقيقة

الخبرة

5 - 10 سنوات

الراتب الشهري

($6,461 - $9,691) د.ك 2,000 - 3,000

موقع العمل

الأحمدي - الكويت

التعليم

ماجستير في العلوم(أجهزة الكمبيوتر), ماجستير في التكنولوجيا/ الهندسة(أجهزة الكمبيوتر, البترول)

الجنسية

أي جنسية

جنس

ذكر

عدد الشواغر

5 وظيفة شاغرة

الوصف الوظيفي

الأدوار والمسؤوليات

نظرة عامة على الدور:

نقوم بتوظيف مهندس تعلم الآلة لدعم تطوير ونشر تحليلات Digital Oilfield وحلول التحسين. تركز هذه الوظيفة على استخدام تقنيات AI/ML لتعزيز كفاءة الإنتاج، والصيانة التنبؤية، ودعم القرار في الوقت الحقيقي عبر أنظمة حقول النفط في المنبع.


المسؤوليات الرئيسية:

• تطوير ونشر نماذج ML لتوقع الإنتاج، وتوقع وقت التوقف، وتحسين أداء الآبار.

• بناء خطوط أنابيب لمعالجة وتحليل بيانات المستشعرات في الوقت الحقيقي (الضغط، درجة الحرارة، التدفق) من الآبار والمرافق السطحية.

• تصميم وتنفيذ نماذج اكتشاف الشذوذ المعتمدة على البيانات لتحديد الفشل المحتمل في أنظمة الآبار وخطوط الأنابيب.

• التعاون مع مهندسي البترول والإنتاج لترجمة التحديات التجارية إلى سير عمل قائمة على ML.

• بناء واجهات برمجة التطبيقات ML، دمج النماذج مع لوحات المعلومات المرئية (مثل Power BI وGrafana)، وتمكين أنظمة التعلم المستمر.

• أتمتة جمع البيانات وهندسة الخصائص من أنظمة PI وSCADA وhistorian.

• تطبيق تحليل السلاسل الزمنية، والانحدار، وطرق التصنيف للتنبؤات التشغيلية.

• تنفيذ خطوط أنابيب ML قابلة للتوسع باستخدام بنية تحتية قائمة على السحابة أو حاويات (يفضل Azure/AWS).

• ضمان حوكمة البيانات، والتحقق من صحة النموذج، وضمان الجودة قبل النشر.


الملف الشخصي المطلوب للمرشحين

المهارات والخبرات المطلوبة:

• خبرة عملية في Python وPandas وNumPy وإطارات ML (scikit-learn وTensorFlow أو PyTorch).

• فهم قوي لدورة حياة ML (إعداد البيانات → بناء النموذج → النشر → المراقبة).

• خبرة قوية في بناء نماذج السلاسل الزمنية، والانحدار/التصنيف، وأنظمة اكتشاف الشذوذ.

• إلمام ببيانات التشغيل في حقول النفط (PI وSCADA وhistorian أو بيانات DCS).

• فهم أنظمة الإنتاج في المنبع ومؤشرات الأداء الرئيسية (التدفق، الضغط، درجة الحرارة، ESPs، المضخات، الضواغط).

• إتقان بناء واجهات برمجة التطبيقات أو خطوط أنابيب ML لمراقبة الوقت الحقيقي أو تطبيقات التوأم الرقمي.


من الجيد أن يكون لديك:

• خبرة في الصيانة التنبؤية أو نمذجة الاعتمادية.

• إلمام بمنصات Digital Oilfield (Avocet وOFM وKappa أو ما يعادلها).

• تعرض لـ MLOps (Docker وKubernetes وCI/CD وتتبع النموذج).

• معرفة أساسية بمفاهيم هندسة الخزانات/الإنتاج.

• خبرة في دمج ML مع أدوات التصور (Grafana وPower BI وStreamlit).

نوع العمل

    دوام كامل

القطاع المهني للشركة

  • النفط والغاز
  • البترول

المجال الوظيفي / القسم

  • سوفت وير تقنية المعلومات

الكلمات الرئيسية

  • تعلم الآلة
  • Digital Oilfield
  • الصيانة التنبؤية
  • السلاسل الزمنية
  • SCADA
  • PI Historian
  • علم البيانات
  • تحسين الإنتاج
  • Python
  • TensorFlow
  • PyTorch
  • MLOps
  • تحليلات النفط والغاز
  • مراقبة خطوط الأنابيب
  • النمذجة التنبؤية
  • هندسة البيانات

تنويه: نوكري غلف هو مجرد منصة لجمع الباحثين عن عمل وأصحاب العمل معا. وينصح المتقدمون بالبحث في حسن نية صاحب العمل المحتمل بشكل مستقل. نحن لا نؤيد أي طلبات لدفع الأموال وننصح بشدة ضد تبادل المعلومات الشخصية أو المصرفية ذات الصلة. نوصي أيضا زيارة نصائح أمنية للمزيد من المعلومات. إذا كنت تشك في أي احتيال أو سوء تصرف ، راسلنا عبر البريد الإلكتروني abuse@naukrigulf.com

Confidential Company