IoT, AI и Edge Computing меняют нефтяную отрасль

Каждый год Интернет вещей развивается, осваивая новые возможности и расширяя границы своего охвата, и теперь нефтяная отрасль созрела для цифровой трансформации.

Барселона, Всемирный конгресс по решениям для Интернета вещей – Нефтяная промышленность, особенно в сфере добычи, по-прежнему работает с большей частью оборудования и стандартов безопасности, установленных в прошлом веке.

Хотя уровень безопасности повышается, а отрасли удается избегать более серьезных аварий и экологических катастроф, ее операционные показатели и время безотказной работы не улучшились.

Некоторые операторы и сервисные компании с новыми инструментами сбора данных, облачной аналитикой, машинным обучением и периферийными вычислениями начинают видеть потенциал IoT для обеспечения профилактического обслуживания, выявления потенциальных сбоев, повышения безопасности и повышения производительности своих нефтяных месторождений.

Во время панельной сессии на Всемирном конгрессе по решениям для Интернета вещей Джонатан Карпентер, руководитель отдела стратегии Petrofac, рассказал своим клиентам об их услугах и о том, как Интернет вещей и аналитика могут изменить правила игры в отрасли. Он назвал эту концепцию «Petrolytics». ”

Высокая стоимость простоя

По словам Карпентера, Petrofac начала осознавать ценность цифровых инструментов год назад, и в компании состоялся внутренний разговор, в котором задавался вопрос:«…как мы можем эксплуатировать заводы или строить заводы более безопасно, строить их с меньшими затратами, в соответствии с графиком и когда он работает, имеет более низкие эксплуатационные расходы?»

Карпентер упомянул, что среднее время безотказной работы в Северном море, где расположены многие предприятия Petrofac, сегодня составляет 73 процента. Для сравнения, среднее время безотказной работы авиалайнера составляет 99,9 %.

"В нефтяной промышленности мы принимаем в среднем 73 %, потому что цена сырья настолько высока, что мы строим нашу экономику, основываясь на этом предположении".

С таким видением, сказал Карпентер, Petrofac задалась вопросом:«Что, если бы у нас было предложение, за которым клиенты выстраивались бы в очередь, — если бы мы могли построить завод за половину стоимости, всегда поставляемый в соответствии с графиком, работающий со 100-процентным временем безотказной работы, вдвое операционных расходов?»

Несколько моделей отказа для облачного обучения

Одной из самых больших проблем для реализации потенциала новой технологии является отсутствие исторических данных, поскольку старые датчики на существующих заводах не были предназначены для сбора и хранения информации, а только для предупреждения о неисправностях. Это означает, что не хватает данных о серьезных сбоях, на основе которых модели машинного обучения могут получить представление. По уважительной причине отрасль работает со строгими и консервативными стандартами и процедурами безопасности, умудряясь избегать тех проблем, которые они хотят проанализировать. Вот почему инженеры и специалисты по данным должны обучать модели облачного машинного обучения практически вслепую.

Хотя большая часть оборудования, установленного на производственных предприятиях, имеет несколько основных датчиков, возможности подключения ограничены, а большая часть данных, собираемых этими датчиками, отбрасывается.

Тереза ​​Тунг, управляющий директор Accenture Labs, которая работает с Petrofac над облачной аналитикой, сказала, что им пришлось использовать знания техников и инженеров, работающих на этих нефтеперерабатывающих заводах, чтобы понять проблемы, смоделировать данные, которые могли быть собраны во время инцидент и изначально обучайте модели таким образом.

Будущее — за полностью автономным заводом по производству масла

По словам Карпентера, "Petrolytics" является одним из строительных блоков компании на пути к сверхэффективным операциям.

Используя опыт проектирования и внедрения предиктивной аналитики, а также данные, собранные и обработанные периферийными устройствами, можно перейти к заводу, оптимизированному для ИИ, с более низкими эксплуатационными расходами и меньшим количеством проблем с обслуживанием. В конечном счете, сказал Карпентер, можно было бы начать говорить о полностью автономном заводе, где инженеры контролируют его работу с помощью цифрового двойника и заранее планируют операции по техническому обслуживанию, чтобы достичь 100% эффективности.

«Всемирный экономический форум провел исследование, в котором говорится, что только в нашей отрасли можно извлечь более 750 миллиардов долларов с помощью применения ИИ, аналитики, дронов и т. д. Потенциально эта цифра огромна». Карпентер сказал позже.

Потенциальная ценность цифровых инициатив и технологий в нефтегазовой отрасли для промышленности и общества

«Сегодня есть признание, по сравнению с тем, что было три года назад, что это перешло от концепции, идеи и исследовательских проектов к реальным проектам с реальными активами, и мы фактически начинаем видеть, как первая волна этих решений становится индустриализированной», — он заключил.