ИИ здесь, и он помогает в профилактическом обслуживании на нефтяных месторождениях

Dec 14, 2023

Для нефтяных компаний, чья работа заключается в конвертации баррелей в доллары, врагом являются простои. Простои могут привести к потере баррелей и, следовательно, к потере дохода. Внеплановые простои – худший преступник. Когда что-то идет не так, и не было никаких намеков на приближение проблемы, это может привести к отключению производства на более длительный срок, чем ожидалось. Поддержание работы на всех цилиндрах важно как для здоровья поля, так и для прибыли производителя.

До недавнего времени лучшим способом поддержания бесперебойной работы было профилактическое обслуживание. То есть регулярные плановые простои для осмотра оборудования на предмет возможного износа и возможной замены. Проблема профилактического обслуживания в том, что иногда в нем нет необходимости. Проверка оборудования покажет, что все в порядке, и тогда вы зря отключите свой производственный поток.

Сегодня нефтедобывающая и другие отрасли все больше склоняются к внедрению модели прогнозируемого технического обслуживания. Для прогнозного обслуживания необходимы данные — в большом количестве, чтобы точно предсказать, когда что-то пойдет или пойдет не так. Эти модели можно обучить прогнозировать возможные сбои до того, как они произойдут. Это достигается за счет использования сети датчиков, которые считывают показания оборудования. Эти показания затем можно сопоставить с историческими показаниями, чтобы оценить состояние оборудования.

Новейшие технологии прогнозного обслуживания используют искусственный интеллект (ИИ) и Интернет вещей (IoT) для получения максимально точных показаний. Это позволяет более активно подходить к проверке, диагностировать любую проблему и предлагать решение. Предсказуемые простои становятся все более важными по мере того, как инфраструктура нефтяных месторождений стареет и становится более склонной к перебоям в обслуживании. Компрессор 20-летней давности, скорее всего, не изготовлен по той же конструкции, из тех же материалов и не использует ту же технологию, что и компрессор 2-летней давности. Все эти вещи необходимо принимать во внимание при использовании модели прогнозируемого обслуживания.

Более недавним дополнением к набору инструментов профилактического обслуживания является использование цифрового двойника. Цифровые двойники стали популярны примерно за последние полвека при бурении сложных скважин в целях мониторинга и оптимизации. При прогнозирующем обслуживании цифровые двойники могут генерировать данные, которые можно объединить с данными датчиков, что приведет к созданию более эффективных алгоритмов прогнозирования поведения оборудования. Используя цифровой двойник для создания сценариев неисправностей оборудования, промышленность может лучше обучать программы поиску неисправностей в реальном оборудовании.

Все больше компаний внедряют прогнозное обслуживание на основе искусственного интеллекта в нефтегазовую сферу. SparkCognition рассматривает машинное обучение и искусственный интеллект как путь к лучшей парадигме обслуживания. Если морская платформа производительностью 200 000 баррелей в день простоит всего 12 часов незапланированного простоя, это может привести к отсрочке добычи на сумму до 8 миллионов долларов.

«Прогнозное техническое обслуживание похоже на наличие носимого медицинского устройства, такого как браслет, который постоянно сканирует тело пациента, изучает каждый аспект его здоровья в течение дня и постоянно оценивает результаты в режиме реального времени», — говорится на веб-сайте компании. . «Затем это устройство может информировать пациента о том, что ему необходимо обратиться к врачу для лечения, чтобы предотвратить сердечный приступ, который в противном случае может случиться в определенную дату. Таким же образом, упреждающая диагностика оффшорного актива позволит операторам добычи и добычи предвидеть и смягчать сбои до того, как они произойдут».

В отчете IoT Analytics за ноябрь 2021 года подсчитано, что к 2026 году рынок профилактического обслуживания стоимостью 6,9 миллиарда долларов достигнет 28,2 миллиарда долларов. Также предполагается, что число поставщиков за это же время вырастет со 100 до более 500.

Shell уделяет особое внимание обеспечению безопасности на производстве с помощью искусственного интеллекта

«Это форма упреждающего мониторинга… на стероидах», — объяснила Нейша Кидд, менеджер по безопасности операций Shell в Мексиканском заливе, участникам недавнего внебиржевого мониторинга в мае, посвященного развертыванию Shell наблюдения на основе исключений. Наблюдение на основе исключений существует уже некоторое время, но его сочетание с искусственным интеллектом и другими операциями машинного обучения привело к появлению более сложных алгоритмов, позволяющих предсказать, когда что-то может пойти не так. Он собирает миллионы точек данных в единый источник, а затем применяет алгоритмы, позволяющие пользователям обнаруживать сценарий или индекс заранее заданных аномалий.