让数据成为新的石油:基于工业物联网的石油和天然气预测性维护

 智能家居产品     |      2020-02-11 10:06

导读:根据金伯利岩的数据,一年中只有3.65天的计划外停机时间会让一家石油和天然气公司损失503.7万美元。一家海上石油和天然气公司每年平均经历约27天的计划外停机,这可能导致3800

根据金伯利岩的数据,一年中只有3.65天的计划外停机时间会让一家石油和天然气公司损失503.7万美元。一家海上石油和天然气公司每年平均经历约27天的计划外停机,这可能导致3800万美元的损失在某些情况下,这个数字可能高达8800万美元。

为了消除设备意外故障的风险并最大化资产回报,石油和天然气公司正在寻求新的更有效的维护方法。在本文中,我们将介绍为什么我们需要考虑基于工业物联网(IIOT)的预测性维护解决方案

如何工作?

简言之,由工业物联网驱动的预测性维护使用从设备传感器(例如,温度、振动、流量传感器等)获得的数据。)来识别设备行为中是否存在异常,并预测设备是否可能在特定时间段内出现故障。简单的过程如下:第一步

,收集物联网数据。

的预测性维护从借助传感器从设备的潜在故障点(例如真空泵的轴承)收集数据开始最好有一个数据集来描述设备整个生命周期的健康和性能,并显示可识别的故障数据科学家将使用这些数据集作为创建预测模型的基础。

步骤2,添加上下文

为了提高未来预测模型的可靠性和准确性,物联网数据需要与设备元数据(模型、配置、操作设置等)相结合。),设备使用历史和维护数据这些数据可以从企业资源规划系统、EAM系统、环境管理系统和其他企业系统获得。

的第3步,查找模式

数据科学家研究物联网和上下文数据的组合数据集,以确定相关性,并对可能导致故障的故障信号和使用模式做出技术假设

的第四步,创建预测模型

,该阶段的实质是通过机器学习算法运行组合数据集来识别设备的故障模式,并在此基础上建立预测模型这些模型已经过准确性测试,一旦获得批准,将用于预测设备故障的可能性。

随着越来越多的数据变得可用,这些模型将被更新、重新训练和重新测试,以使它们准确和真实。

应该维护什么?

工业物联网能够提高石油和天然气行业三个领域的设备生产效率并减少计划外停机时间:上游(勘探和开采)、中游(运输和储存)和下游(精炼和加工)

上游

平均而言,42%的采矿、勘探和钻井设备已使用超过15年,只能以其最大生产率的77%工作。为了缓解这一缺陷,上游石油和天然气公司可以利用工业物联网驱动的预测性维护。


  • 共3页:
  • 上一页
  • 1
  • 2
  • 3
  • 下一页