نشریه بین المللی نوآوری در مدیریت ، اقتصاد و توسعه 4 2 Optimization and Performance Evaluation of Oil Drilling Operations Using Data Envelopment Analysis Models and Metaheuristic Algorithms: Application in Productivity Improvement and Cost Reduction بهینه‌سازی و ارزیابی عملکرد عملیات حفاری نفت با استفاده از مدل‌های تحلیل پوششی داده‌ها و الگوریتم‌های فراابتکاری: کاربرد در بهبود بهره‌وری و کاهش هزینه 21 50 10.22051/jera.2021.31891.2698 FA سید مرتضی دانشگاه آزاد اسلامی واحد نجف آباد 2025 02 15 The oil industry faces multiple challenges, including low productivity, high costs, and the need for performance improvement. Optimizing drilling operations plays a crucial role in increasing efficiency and reducing operational expenses. In this study, the efficiency of drilling rigs is evaluated using DEA models, including CCR and BCC, to identify efficient and inefficient units. This evaluation is conducted based on input indicators such as drilling time, utilized equipment, and consumed materials, as well as output indicators like drilling productivity, environmental satisfaction, and Human Resources Productivity. In the next phase, metaheuristic algorithms such as Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) are employed to optimize the operational parameters of inefficient rigs. These algorithms optimize input parameters to reduce time and operational costs, enhance productivity, and improve environmental performance, thereby improving the efficiency of the evaluated units. The findings of this study demonstrate a significant enhancement in the efficiency of drilling rigs and a reduction in drilling operation costs. This integrated approach can serve as an effective and practical method for increasing productivity in the oil industry. Future research can utilize larger datasets and more diverse variables to enhance the generalizability of the results. Additionally, the application of hybrid optimization methods can be explored to achieve more accurate and practical outcomes. صنعت نفت با چالش‌های متعددی مانند بهره‌وری پایین، هزینه‌های بالا و نیاز به بهبود عملکرد مواجه است. بهینه‌سازی عملیات حفاری نقش مهمی در افزایش کارایی و کاهش هزینه‌های عملیاتی ایفا می‌کند. در این مطالعه، کارایی دکل‌های حفاری با استفاده از مدل‌های تحلیل پوششی داده‌ها (DEA)، از جمله مدل‌های CCR و BCC، ارزیابی شده است تا واحدهای کارا و ناکارا شناسایی شوند. این ارزیابی بر اساس شاخص‌های ورودی مانند زمان حفاری، تجهیزات مورداستفاده و مواد مصرفی، و شاخص‌های خروجی مانند بهره‌وری حفاری، رضایت‌مندی زیست‌محیطی و بهره‌وری منابع انسانی انجام شده است. در مرحله بعد، الگوریتم‌های فراابتکاری مانند الگوریتم ژنتیک (GA) و بهینه‌سازی ازدحام ذرات (PSO) برای بهینه‌سازی پارامترهای عملیاتی دکل‌های ناکارا به کار گرفته شده‌اند. این الگوریتم‌ها پارامترهای ورودی را بهینه‌سازی می‌کنند تا زمان و هزینه‌های عملیاتی کاهش یابد، بهره‌وری افزایش یابد و عملکرد زیست‌محیطی بهبود پیدا کند، که در نهایت منجر به ارتقای کارایی واحدهای ارزیابی‌شده می‌شود. یافته‌های این پژوهش نشان‌دهنده بهبود قابل‌توجه در کارایی دکل‌های حفاری و کاهش هزینه‌های عملیات حفاری است. این رویکرد یک روش مؤثر و کاربردی برای افزایش بهره‌وری در صنعت نفت ارائه می‌دهد. تحقیقات آینده می‌توانند از مجموعه داده‌های بزرگ‌تر و متغیرهای متنوع‌تری استفاده کنند تا قابلیت تعمیم نتایج افزایش یابد. علاوه بر این، بررسی روش‌های بهینه‌سازی ترکیبی می‌تواند به دست‌یابی به نتایج دقیق‌تر و کاربردی‌تر کمک کند. /downloadfilepdf/713082