KI ist da und hilft bei der vorausschauenden Wartung im Ölfeld

Dec 14, 2023

Für Ölunternehmen, deren Aufgabe darin besteht, Barrel in Dollar umzurechnen, sind Ausfallzeiten der Feind. Ausfallzeiten können zum Verlust von Fässern und damit zu Umsatzeinbußen führen. Ungeplante Ausfallzeiten sind der schlimmste Übeltäter. Wenn etwas schief geht und es keinen Hinweis darauf gibt, dass ein Problem bevorsteht, kann es sein, dass die Produktion länger als erwartet stillsteht. Es ist sowohl für die Gesundheit des Feldes als auch für das Endergebnis des Produzenten wichtig, den Betrieb auf Hochtouren zu halten.

Bis vor Kurzem war die vorbeugende Wartung die beste Möglichkeit, alles am Laufen zu halten. Das heißt, regelmäßig geplante Ausfallzeiten zur Überprüfung der Ausrüstung auf mögliche Abnutzung und möglichen Austausch. Der Nachteil der vorbeugenden Wartung besteht darin, dass sie manchmal unnötig ist. Eine Überprüfung der Ausrüstung stellt fest, dass alles in Ordnung ist, und dann haben Sie Ihren Produktionsstrom umsonst offline geschaltet.

Heutzutage tendieren Ölfelder und andere Industriezweige stärker zur Implementierung des Modells der vorausschauenden Wartung. Für die vorausschauende Wartung sind Daten erforderlich – und zwar viele davon, um genau vorherzusagen, wann etwas schief geht oder schiefgehen wird. Diese Modelle können trainiert werden, um mögliche Ausfälle vorherzusagen, bevor sie eintreten. Dies geschieht durch den Einsatz eines Netzwerks von Sensoren, die Messwerte der Ausrüstung erfassen. Diese Messwerte können dann mit historischen Messwerten abgeglichen werden, um den Zustand der Ausrüstung zu beurteilen.

Die neueste Entwicklung der vorausschauenden Wartung nutzt künstliche Intelligenz (KI) und das Internet der Dinge (IoT), um möglichst genaue Messwerte zu erhalten. Dies ermöglicht einen proaktiveren Ansatz bei der Inspektion, der Diagnose von Problemen und dem Angebot einer Lösung. Vorhersehbare Ausfallzeiten werden immer wichtiger, da die Ölfeld-Infrastruktur altert und anfälliger für Betriebsunterbrechungen ist. Ein 20 Jahre alter Kompressor hat wahrscheinlich nicht das gleiche Design, die gleichen Materialien oder die gleiche Technologie wie ein 2 Jahre alter Kompressor. All diese Dinge müssen beim Einsatz eines Predictive-Maintenance-Modells berücksichtigt werden.

Eine neuere Ergänzung des Predictive-Maintenance-Toolkits ist der Einsatz eines digitalen Zwillings. Digitale Zwillinge sind im letzten halben Jahrzehnt beim Bohren komplexer Bohrlöcher zu Überwachungs- und Optimierungszwecken populär geworden. Bei der vorausschauenden Wartung können digitale Zwillinge Daten generieren, die mit Sensordaten kombiniert werden und zu besseren Algorithmen zur Vorhersage des Geräteverhaltens führen. Durch die Verwendung des digitalen Zwillings zur Erstellung von Gerätefehlerszenarien kann die Industrie Programme besser trainieren, um nach Fehlern in der tatsächlichen Ausrüstung zu suchen.

Immer mehr Unternehmen bringen KI-gesteuerte vorausschauende Wartung in die Öl- und Gasbranche. SparkCognition sieht in maschinellem Lernen und KI den Weg zu einem besseren Wartungsparadigma. Wenn eine Offshore-Plattform mit 200.000 B/D nur 12 Stunden ungeplante Ausfallzeit erleidet, kann dies zu Produktionsverzögerungen von bis zu 8 Millionen US-Dollar führen.

„Vorausschauende Wartung ist vergleichbar mit einem tragbaren medizinischen Gerät wie einem Armband, das ständig den Körper eines Patienten scannt, jeden Aspekt seiner Gesundheit im Laufe seines Tages untersucht und die Ergebnisse kontinuierlich in Echtzeit bewertet“, heißt es auf der Website des Unternehmens . „Dieses Gerät könnte den Patienten dann darüber informieren, dass er einen Arzt für eine medizinische Behandlung aufsuchen muss, um einen Herzinfarkt abzuwenden, den er andernfalls zu einem bestimmten Zeitpunkt erleiden würde. Auf die gleiche Weise würde die proaktive Diagnose der Offshore-Anlage es vorgelagerten Betreibern ermöglichen.“ Fehler antizipieren und abmildern, bevor sie auftreten.

In einem Bericht von IoT Analytics vom November 2021 wurde geschätzt, dass der damals 6,9 Milliarden US-Dollar schwere Markt für vorausschauende Wartung bis 2026 auf 28,2 Milliarden US-Dollar anwachsen würde. Außerdem wurde geschätzt, dass die Zahl der Anbieter im gleichen Zeitraum von rund 100 auf über 500 ansteigen würde.

Shell konzentriert sich auf KI-gestützte Sicherheit im Betrieb

„Es handelt sich um eine Form der proaktiven Überwachung … von Steroiden“, erklärte Neisha Kydd, Betriebssicherheitsmanagerin bei Shell im Golf von Mexiko, den Teilnehmern des jüngsten OTC im Mai über den Einsatz einer ausnahmebasierten Überwachung durch Shell. Ausnahmebasierte Überwachung gibt es schon seit einiger Zeit, aber die Verbindung mit KI und anderen maschinellen Lernvorgängen hat zu komplexeren Algorithmen geführt, um vorherzusagen, wann etwas schief gehen könnte. Es fasst Millionen von Datenpunkten in einer einzigen Quelle zusammen und wendet dann Algorithmen an, damit Benutzer ein Skript oder einen Index vorgefertigter Anomalien erkennen können.

„Es ermöglicht uns, frühzeitig einzugreifen, bevor es tatsächlich zu Sicherheitsvorfällen kommt“, sagte Kydd. „Es ermöglicht uns, Menschen aus der Schusslinie zu halten und sie zu schützen. Für uns bei Shell dient der Einsatz unserer ausnahmebasierten Überwachung daher in erster Linie der Sicherheit von Zivilisten. Für uns gehen sie Hand in Hand.“ ."

Im Jahr 2022 führte Shell eine Sicherheitsüberprüfung durch und ging dabei fünf Jahre lang auf schwerwiegende Vorfälle innerhalb des Unternehmens zurück, um gemeinsame Themen oder Themen zu isolieren, die sich über die Vorfälle erstreckten. Eines der Ergebnisse war, dass viele der Vorfälle des Unternehmens auf seinen Hilfssystemen auftraten. Das Unternehmen hatte den anfänglichen Einsatz von KI auf Geräte konzentriert, die es als risikoreich erachtete, beispielsweise die Bohrlochintegrität. Allerdings gab es bei den Luftkompressionssystemen, Instrumenten, Fackeln und Wäschern nicht die gleiche Strenge, und dort ereigneten sich viele der größeren Vorfälle.

Ein weiteres Systemmuster, das bei der Übung aufgedeckt wurde, bestand darin, dass der Zustand der Ausrüstung und Prozesse vor Ort nicht den Erwartungen in den Shell-Büros entsprach. Das Unternehmen hatte Ingenieure im Büro, die Entscheidungen trafen, Verfahren schrieben und Arbeiten zur Ausführung vor Ort schickten, in der Überzeugung, dass der Zustand eines Geräts auf eine bestimmte Art und Weise sei. Was Shell feststellte, waren Lücken zwischen diesem Glauben im Büro und dem, was sich auf die Praxis auswirkte.

„Es stellt sich also die Frage, wie wir künstliche Intelligenz nutzen können, um diese Lücke zu schließen, sodass die Echtzeitdaten, die wir vor Ort erhalten, das nachahmen und reproduzieren, was die Frontsicht tatsächlich sieht“, fragte Kydd. „Das wird der nächste Teil unserer Ausbildung sein. Das wird unser nächster Hauptschwerpunkt sein. Wir haben all diese großartigen Systeme, wir haben all diese großartigen Köpfe, aber wenn wir sie nicht dazu nutzen.“ Vorfälle verhindern, was haben wir dann wirklich?“

Der nächste Schritt von Shell besteht darin, seine Rechenzentren in Amerika zu zentralisieren. Derzeit gibt es zwei – The Bridge in New Orleans und The Ark in Trinidad. Durch die Zusammenlegung der Rechenzentren hofft Shell, eine Standardisierung seiner Ölfeldprozesse zu erreichen – der Schlüssel für den erfolgreichen Einsatz von KI.

Oxy will mit Hilfe von KI die Skalierung vorantreiben

Für Occidental Petroleum geht es bei der vorausschauenden Wartung darum, mithilfe von KI und maschinellem Lernen ungeplante Ereignisse abzumildern. Die generierten Daten werden in KI-Modelle eingespeist, um Vorhersagen auf der Grundlage historischer Ereignisse zu treffen. Dies ist für das Ölfeld nichts Neues, aber die neueren KI-Modelle tragen dazu bei, dies in die nächste Entwicklung der prädiktiven Analyse und des Lernens voranzutreiben, bei der das System sich selbst beibringt und lernt und so bessere Vorhersagen bietet.

„Es gibt nur ein Problem, das wir alle zu lösen versuchen, und das ist die Größe“, sagte Mansoor Nazar, Direktor für Unternehmensarchitektur und neue Technologien bei Occidental. „Wie skalieren Sie? Wie skalieren Sie zu einem größeren und innovativeren Ansatz, um größere Dinge tun zu können? Um mehr Dinge mit dem tun zu können, was Sie bereits haben. KI ist eines dieser Tools, die Ihnen im Wesentlichen dabei helfen, dies zu erreichen.“ . Cloud ist Ebene eins. Eines der Probleme, die wir zu lösen versuchen, sind ungeplante Ereignisse. Das ist das Unglücklichste, was passieren kann, insbesondere in einer Offshore-Anlage. Wie kann man das also abmildern? Wie schafft man etwas die Predictive Analytics?“

Oxy hat mehr Roboter und Drohnen in seinen Betrieb eingeführt, um einige der Aufgaben zu erledigen, die normalerweise ein Mensch ausführen würde. Der Mensch kann sich dann auf produktivere Arbeiten konzentrieren. Darüber hinaus gibt es im Unternehmen Bestrebungen, KI-gestützte Kameratechnologie in Anlagen einzusetzen, um Korrosionsaktivitäten besser zu erkennen und vorherzusagen – sowohl über als auch unter Wasser, wenn es um Offshore-Anlagen geht.

„Was wäre, wenn wir diese Kameras nutzen könnten, um dann KI-basierte Intelligenz in das System zu integrieren, so dass Ihre Kameras genauso gut aussehen könnten wie Ihre Augen“, sagte Nazar. „Kameras sind nicht intelligent genug, aber wenn man darüber hinaus künstliche Intelligenz implementiert, kann man Korrosion durch diese Kameras oder auf andere Weise mithilfe von KI erkennen.“

Über die Größenordnung hinaus ist die Frage der Datenfülle und der Gewährleistung ihrer Qualität ein weiteres, sich abzeichnendes Problem für die Energiebranche. Oxy investiert derzeit in den Aufbau einer Datengrundlage in seiner Cloud-Umgebung, um dem massiven Datenwachstum, das die Modernisierung und das IoT mit sich gebracht haben, Schritt zu halten.

„Ich empfehle dringend, dass wir alle so viel wie möglich in die Cloud-Einführung investieren sollten, nicht weil wir von unseren Rechenzentren migrieren wollen, sondern weil die Cloud Ihnen diese Funktionen sofort bietet“, fügte Nazar hinzu. „Es gibt Ihnen einen schnellen Einstieg in viele dieser Möglichkeiten. Sie müssen keine Grundlagenarbeit leisten, um alles tun zu können, worüber ich spreche. Cloud bietet Ihnen das, sodass Sie sich ganz auf Ihre Anwendungsfälle konzentrieren können.“ "

Der Einsatz von KI wirft viele Fragen in Bezug auf Datenschutz, Ethik-Compliance und Voreingenommenheit auf, aber es gibt auch Technologie-, IT- und Prozessprobleme, die angegangen werden müssen.

„Es ist keine einfache Reise“, erklärte Nazar. „KI ist kein Produkt, das man einfach von der Stange kaufen und implementieren kann. Es ist etwas, in das man viel investieren muss. Was wir bei Oxy getan haben, ist die Bildung eines funktionsübergreifenden Teams mit Fachexperten aus dem gesamten Unternehmen.“ Denn es ist kein IT-Problem. Es ist ein Unternehmensproblem. Sie brauchen Ihren Rechtsbeistand, Sie brauchen Ihre Lieferkette, Sie brauchen Ihre Marketingleute, Sie brauchen Ihre Betriebsleute, Sie brauchen Ihre Bohrleute, Sie brauchen Ihre Geowissenschaftler, sie alle brauchen zusammenzukommen und alle möglichen Anwendungsfälle für künstliche Intelligenz zu entwickeln.“