В разделе объясняется, почему сведения о предприятии необходимо рассматривать одновременно как производственную информацию и как ресурс для анализа искусственным интеллектом. Формулируются проблема, цель, задачи, объект и предмет проекта, обозначаются границы исследования: нефтепереработка, нефтехимия, внешняя и внутренняя среда, структура данных и вопросы их качества.

Раздел раскрывает назначение предприятий отрасли и последовательность основных процессов: подготовку сырья, перегонку, очистку, превращение тяжёлых фракций и выпуск нефтехимического сырья. Отдельно описываются установки, резервуарное хозяйство, лаборатории, энергетические системы и готовая продукция, чтобы определить объекты, которые должны отражаться в информационной модели.

В пункте рассматриваются факторы, находящиеся за пределами непосредственного управления предприятия: поставщики нефти и реагентов, транспортная инфраструктура, потребители, конкуренты, рыночные цены, государственные нормы, экологические требования и природные условия. Для каждого фактора указывается возможный источник данных, периодичность обновления и влияние на производство, расходы или риски.

Раздел описывает внутренние элементы организации: технологические установки, оборудование, персонал, производственные смены, сырьё, энергоресурсы, ремонтные работы, лабораторный контроль и показатели выпуска. Показывается, как между объектами возникают связи во времени: партия сырья поступает на установку, проходит режим обработки, становится продукцией и получает результаты анализа.

В пункте предлагается концептуальная и логическая структура базы данных. Определяются сущности «установка», «оборудование», «измерение», «партия», «анализ», «ремонт», «событие», «поставщик» и «норматив», их ключевые поля и связи. Объясняется, почему идентификатор объекта, временная метка и единица измерения необходимы для сопоставления разнотипной информации.

Раздел посвящён способам получения информации из датчиков, лабораторных журналов, систем управления, ремонтных документов, метеосводок и открытых экономических источников. Рассматриваются проверка диапазонов, удаление дублей, обработка пропусков, согласование единиц и фиксация происхождения записи. Отдельно отмечается необходимость разграничения доступа и защиты технологически значимых сведений.

В практической части создаётся пример набора таблиц или электронных листов с демонстрационными записями. Для нескольких единиц оборудования связываются измерения, плановые и аварийные ремонты, партии сырья, параметры процесса и результаты анализа продукции. На основе схемы показывается, как запросом найти отклонения, сравнить установки или подготовить признаки для обучения модели.

Пункт содержит примеры аналитических задач: прогнозирование отказа насоса по вибрации и температуре, обнаружение необычного режима, оценка качества продукта и прогноз энергозатрат. Описываются этапы подготовки признаков, обучения и проверки модели, а также ограничения автоматических рекомендаций. Подчёркивается, что решения в опасной производственной среде должны контролироваться специалистом и соответствовать требованиям безопасности.

В заключении обобщается, какие элементы внешней и внутренней среды включены в модель и каким образом они связаны с производственными событиями. Оценивается пригодность предложенной структуры для хранения, поиска и подготовки данных к применению искусственного интеллекта. Также формулируются ограничения учебного прототипа и направления дальнейшего развития: подключение реальных потоков, расширение справочников и проверка моделей на исторических данных.

В разделе приводятся использованные учебники, стандарты, научные статьи, документы по промышленной безопасности, материалы об автоматизации нефтепереработки и официальные отраслевые источники. Для каждого ресурса указываются автор или организация, название, год публикации и адрес доступа, если источник размещён в интернете. Список позволяет проверить определения, факты и применённые требования к данным.