Хибридни Облаци

ABI Research: 10 години след екокатастрофата с Deepwater IoT технологиите са далеч от нефтената индустрия

Владимир Владков

Почти 10 години след експлозията на танкера Deepwater Horizon, анализаторите от ABI Research проучват доколко технологиите от Интернет на нещата (IoT) са се превърнали в предпазващ фактор от масови екологични и причинени от човека катастрофи, свързани с нефтено-газовата индустрия (O&G). Реалността на обозначените за O&G разходи за IoT аналитични и прогнозни софтуерни приложения предполага обаче, че индустрията все още е далеч от устойчивото сондиране и добив на нефт и газ. Анализаторите разглеждат 10-годишната синергия между IoT и нефтеногазовата индустрия и дава перспектива за следващото поколение IoT технологии.

Каква е днешната технологична парадигма
След масовата експанзия на IoT технологиите и датчиците и използването на анализите на данни, нефтено-газовата индустрия бе сред първите вертикали сегменти, които започнаха цифровата трансформация с помощта на IoT. Енергийната индустрия е представител на индустриите със застаряващо оборудване и голяма наследена инфраструктура, изградени преди десетилетия, като в някои области модернизациите са нерегулярни. Тази наследствена инфраструктура автоматично създава основна пречка за нейното проектиране чрез използване на материали и технологии, които са били на разположение за интеграция и съвместимост, релевантни навремето, при изграждането на кладенците. Както всеки жив организъм, петролните кладенци се очаква да се повредят в някакъв момент поради влошаване на оборудването. Авариите са неизбежни във всяка индустрия.

Същевременно компаниите от нефтеногазовавта индустрия биват проучвани внимателно именно заради такива бедствия и следователно са подложени на най-стабилните одитни процедури. Въпреки това, като се вземат предвид модернизираните технологии, включително подобрените IoT датчици, интелигентната обработка в периферни центрове за данни - става очевидно, че интегрирането на съвременните технологии за мониторинг или превенция не е лесна, евтина или понякога възможна задача за сегашната апаратура. Както беше споменато по-горе, се случват грешки, както и повредата на оборудването, но за разлика от други отрасли, аварии в нефтеногазовата индустрия оказват сериозно въздействие върху живота, производството и природните екосистеми в световен мащаб.

От гледна точка на Интернет на нещата, подходът на тази индустрия към поддръжката бавно се пренася от реактивен към превантивен чрез възприемането на технологии за прогнозни анализи. Непредвидимите цени на петрола и геополитическите условия водят до по-мащабно внедряване на технологии за мониторинг и поддръжка. Приоритетът е ясен – намаляване на оперативните разходи и оптимизиране на поддръжката. Подходът с превантивна поддръжка, която изиска проверка и ремонт на регулярни интервали, се смята за по-практичен. Въпреки това въпросът е дали многомилиарден договор с доставчици на IoT услуги може да съществува в реалния свят. Технологиите все още се провалят при "предпазването" от аварии на цялата машина, твърдят анализаторите от ABI Research.

Каква е реалността?
Последният голям нефтен разлив бе на 4 декември 2019 г. близо до залива Сан Франциско в Калифорния, като повече от 200 галона (около 760 литра) гориво се разпростряха към лагуната. Това събитие е последвано от разливът на Chevron през юни 2019 г., при което бяха разлети 800 000 галона (над 3 милиона литра) смес от нефт-вода (30% от нея е нефт). И накрая, според статистиката на Бюрото по транспорта на САЩ, през 2019 г. се отчетени приблизително 2000 инциденти с разливи на нефт. Реалността е, че след събитието с Deepwater Horizon статистиката за разливи на нефт показва, че повече от 610 488 тона гориво са били разлети в глобален мащаб.

Предизвикателства пред нефтено-газовата индустрия
Като се вземе предвид динамиката и бързата трансформация на IoT технологиите, си струва да се видят пред какви предизвикателства са изправени компаниите от този сектор.

Предизвикателство 1. Големите данни: Нефтено-газовата индустрия преработва непрекъснато, постоянно произвежда стоки, а това означава, че всяка секунда генерира огромно количество информация. Промишлеността прехвърля потоците информация от датчици, откривайки елементи като температура, налягане, вискозитет на течностите, наличие на чужди вещества и сеизмична активност. Най-важното е, че технологичният напредък в областта на Големите данни все още е в начален етап - и по-специално в IoT областта. Второ, големите доставчици на петрол изглежда се обръщат към решения за големи данни, които да им дадат "всички отговори", докато решенията за Големи данни днес все още се занимават предимно с възможностите за събиране и съхранение, а с усъвършенстваните анализи.

Предизвикателство 2. Усъвършенствани анализи и изкуствен интелект: Интегрирането на функциите за изкуствен интелект (ИИ) и автоматизацията на усъвършенстваните аналитични функции все още са далеч на хоризонта, това е реалността, твърдят от ABI Research. Възможно е да се приложи генериран с ИИ действително прозрение към пакетната (в реално време) обработка на данни и да се направи ценен за бизнеса анализ. Въпреки това, по-внимателен поглед към прогнозната поддръжка и инфраструктурата на нефтено-газовата инустрия разкрива, че ИИ приложение в реално време все още не съществува. Въпреки че производителите на петрол се обявява за технологично насочени, а прогнозният анализ е ключ за техните инвестиции, наемането на консултантски фирми и на няколко експерти не помагат на технологията да заработи наистина и впоследствие не водят до промени при превантивните мерки.

Предизвикателство 3. Събиране и локализиране на разливите: Днешните технологии за откриване на изтичания и прогнозиране на подобни инциденти се основават на известните места, в които има сензорни възли, изпращащи доклади. Мащабируемостта на сензорната мрежа за откриване на течове в тръбопровода може да представлява съвсем различно предизвикателство, тъй като ще включва пълно покритие на тръбопроводната мрежа. В този случай механизмите за откриване на течове в комплект с различни техники за локализиране могат да решат проблемите, ако те не предават партиди от данни. В това отношение техниките за локализация със задоволителни показатели ще бъдат добре дошли в инструментариума за откриване на течове. Конвенционалният мониторинг на базата на сензори не е в състояние да се справи с този тип проблеми, а механизмът за поточен анализ може.

Предизвикателство 4. Пропастта между очаквания и възможности: След като анализира предните предизвикателства, ABI Research стигна до заключението, че едно от най-големите предизвикателства за IoT анализите в нефтената индустрия е пропастта между очакванията на висшето ръководство и възможностите. Има тенденция мениджърите да не виждат бърза възвръщаемост на инвестициите в IoT аналитични решения или да не виждат никаква стойност за бизнеса, тъй като те търсят "спестяване от намален престой на съоръженията", а не инвестиране в предпазни мерки. В IoT индустрията има погрешно схващане за това какво включват анализите и как висшето ръководство би използвал прозренията, идващи от свързаните устройства. Реалността на пазара е, че автоматизирането на процесите за четене на данни, филтриране, изчистването от грешки, обогатяване с допълнителни данни и т.н. са все още в начален етап. По всяка вероятност има нужда от технологичен напредък и демократизация, тъй като обучението на такъв оператор в сложната наука за данните не винаги е възможно. Следователно разширяването на ефективността на IoT анализите е налице, но възможностите за нейното осъществяване все още не са.

Предизвикателство 5. Одитиране на решенията, базирани на данните: Тревогите нарастват вследствие на одита на взетите вече решения, които са предмет на машинно обучение (ML) и по-сложни алгоритми. Създаването на алгоритми за ИИ и ML е сложен процес и понастоящем няма одитна процедура за вземането на решения или за контрол над параметрите, които управляват наборите от ML инструменти. Необходими са процедури за одит и надлежна проверка, за да бъде изградено решението за ИИ и да се разбере резултатът от него, в момента това липсва. Дебатът се фокусира върху това дали петролната компания или транспортната компания е отговорна за течовете и дали това се отнася и за доставчиците на технологии. Големите петролни компании използват технологични доставчици за прогнозен анализ и други IoT решения. Когато става въпрос за злополуки обаче, тези доставчици не са включени в контрола и в разговора за отговорността.

След 10 г. - новото поколение технологии
Петролната и газова индустрия може да очаква дълъг път към дигиталната си трансформация, затягане на стандартите и възприемане на корпоративна социална и екологична отговорност. Реалността е, че прогнозната поддръжка не се справя изцяло с предотвратими аварии и грешки. Следователно тя се нуждае от нова перспектива и оценка на бъдещите капиталови разходи за справяне с остаряващите (и морално) съоръжения, цифровата модернизация и анализа на нефтените кладенци. ABI Research смята, че бъдещото развитие на индустрията ще бъде в областта на поточните аналитични IoT технологии. Модернизацията и бързото надграждане на облачните IoT технологии за анализи в реално време наред с възхода на оперативните технологии като дигитални двойници повишава възможността за подобряване на прогнозната поддръжка и на надеждността на инструментите и техниката за мониторинг.
  • Следните типове решения имат потенциал да осигурят по-добри възможности за прогнозни и предписани анализи, преди оборудването да се повреди:
  • Събиране и анализ на данните в реално време от датчици заедно с крос референции и сравнение с новогенерирани технически данни.
  • Събиране, обработка и съхранение на исторически и в реално време сензорни данни в периферията, в облака и в т.нар. междинни (т.нар. fog).
  • Разпознаване на шаблоните за нормално и грешно поведение на различни видове оборудване в реално време за осигуряване на предупредителни системи.
  • Третото поколение стрийминг технологии от IoT областта ще позволи отдалечен мониторинг за намаляване на риска от човешка грешка (и загуба на човешки животи) и ще предостави възможност за анализ на непрекъснати потоци от събития, произвеждащи анализи на високоскоростни потоци от данни в реално време от датчици, които могат да обработват данни от над 100 милиона точки в секунда.
Снимка: pixabay.com/Skitterphoto




© Ай Си Ти Медиа ЕООД 1997-2020 съгласно Общи условия за ползване

X