石油和天然气供应商和​​用例预测性维护

Ayn de耶稣
头像

AYN在EMERJ的AI分析师担任AI分析师 - 覆盖人工智能用例和跨行业的趋势。她以前在埃森哲举行了各种角色。

石油和气流应用中的预测性维护

国际能源机构的最新燃气市场报告,煤气2018.估计的2023年,全球气体需求可能达到41000亿立方米(BCM)。这增加了2017年的3,740 BCM。更大的气体需求意味着更多的石油钻井平台,以及这些钻机上的机器分解。

ai可以提供帮助油和气公司预测他们的机器和设备需要维护时。然后,石油和天然气公司可以在崩溃之前修复这些机器,导致长期停机时间或员工伤害可能花费数百万的法律费用和定居点。

本报告中的公司都要求提供帮助石油和天然气,能源和公用事业公司至少有以下一项:

  • 监控他们的机器资产
  • 预测未来机器故障的概率
  • 制定主动维护决策
  • 因此,降低了灾难性机器故障引起的运营成本

我们开始对能源公司如何使用AI预测的分析,当他们的机器与摄取技术分解时。

摄取技术

摄取技术优惠它的资产绩效管理(APM)应用,它声称可以提供帮助油和气公司监控其机器资产,预测未来的机器故障,并进行主动维护决策使用机器学习

up索赔APM由资产策略库(ASL)驱动,该数据集包含有关机器和设备类型,其故障机制以及流体和检测数据,故障代码和操作阈值的数据集。

公司国家软件背后的机器学习模型训练超过800种资产类型,用于能源,化工,制造业和采矿业,1000万个组成部分,以及它们失败的58,000种方式

应用程序可以应用于边缘和云中。该公司指出石油和天然气客户公司的专家需要确定在哪里安装传感器圆筒

然后这些传感器将从这些部分收集遥测数据圆筒, 如压力。然后将此数据用作正确运行的基线圆筒

软件背后的机器学习模型需要在数百万这些遥测数据点和数据上进行培训,以及某些部分的数据圆筒所需的维护,对这些部件进行维护多长时间,并且可能需要多长时间的零件到达现场。然后将通过软件的机器学习算法运行数据。

这将培训算法来辨别所有这些数据点中的哪一个与正常运行相关圆筒零件,时间圆筒过去需要维护,其哪些部件需要维修。

然后,该软件能够预测其某些部分圆筒在他们分解之前是由于维护。

我们找不到这家公司软件的示范视频。

up声称有帮助米培立能源公司增加风力涡轮机可用性。在风电场部署后48小时内,应用程序发现塔楼17中的主要轴承失效迹象,类似于以前的条件,导致变速箱故障。

加起来提醒客户的工程和资产管理团队。在塔楼的物理检查后,资产管理团队发现了申请预测的问题。

这种早期的检测允许团队将风力涡轮机以5,000美元的价格固定,停机时间很少,节省250,000美元,如果变速箱已崩溃,它将花费它。

MidaMerican还报告说,在使用Uptake软件的大约三个月内,客户在其10%的涡轮机中产生了高价值信息。

摄取技术还有名单Caterpillar,Blanchard Cat,俄亥俄州猫,磁纤维,Bhe可再生能源和美国陆军作为一些它的过去的客户。

亚当Mcelhinney.机器学习主任和AI战略摄取技术拥有一个多发性硬化症统计数据伊利诺伊大学在芝加哥。之前,MCELHINNEY.担任数学与计算机科学系兼职教师伊利诺伊州理工学院和伊利诺伊大学工程咨询委员会学院董事会成员

c3.ai.

c3.ai.优惠一种预防性的维护应用它声称可以提供帮助油和气航天防御金融服务卫生保健制造业, 和别的公司设备维护优先考虑,最大化正常运行时间,提高工人的安全和安全性,并减少费用使用预测分析

C3.索赔那位客户可以整合软件进入企业数据库,添加那个软件背后的机器学习模型训练历史失败数据。

然后用户可以上传传感器数据,监控和数据采集(SCADA)数据,传统数据,以及技术人员票据等数据,以及天气等外部数据源没有标记为它的软件

然后,软件背后的算法将能够通过分析操作条件和资产性能数据来检测资产中的异常,并计算每个资产的故障风险评分。系统提供估计在不同时期失效的概率,例如14天,30天或六个月。

公司国家油和气客户公司的专家需要确定在哪里安装传感器例如梁泵。然后这些传感器将从这些部分收集遥测数据梁泵, 如每分钟或施加的力量。然后将此数据用作正确运行的基线梁泵

软件背后的机器学习模型需要在数百万这些遥测数据点和数据上进行培训,以及某些部分的数据梁泵所需的维护,对这些部件进行维护多长时间,并且可能需要多长时间的零件到达现场。然后将通过软件的机器学习算法运行数据。

这将培训算法来辨别所有这些数据点中的哪一个与正常运行相关梁泵零件,时间梁泵过去需要维护,其哪些部件需要维修。

然后,该软件能够预测其某些部分[波束泵]在他们分解之前是由于维护。

下面是一个很短的4.- 致力于展示如何C3软件提供仪表板的经理级概述。该视频解释说,该应用程序显示油井的失败风险评分,最低风险最低。地理空间可视化使用户可以看出油井的位置,以便更容易地进行颜色编码。仪表板还显示井的故障和故障类型的历史数据

C3.AI的用户界面

C3.声称有帮助enel.2013年至今部署企业范围的数字化,其中一部分包括欺诈检测和预测维护软件。

ENEL还部署了五个控制中心的C3预测维护应用,以提高电网可靠性以满足能力和需求,并减少电流中的异常称为故障。

该应用程序被设置为收集和分析网络传感器数据,智能仪表数据,资产维护记录和天气数据,以预测馈线的故障,该馈线是从分配变电站转移到分配变电站的电力线的电源线。应用程序集成花了三个月,而测试则需要三个月。

案例研究报告称该项目使用了25个数据来源并监测了5000万个传感器。一旦数字化在2018年结束的五年期后,一旦数字化在五年期间就全面实施,估计储蓄和收入占潜在的75.7亿美元

C3.还有名单Engie,Eversource,Con Edison,SDGE和BGE作为一些它的过去的客户。公司有筹集了2.285亿美元在崛起基金的资金中,Sutter Hill Ventures,Breyer Capital,TPG增长,Thomas Siebel,Wildcat Venture Partners和Pat House。

埃德·伯博已经总统和首席技术官C3自2011年以来拥有一个多发性硬化症机械工业麻省理工学院。之前,ABBO.担任申请副总裁甲骨文15年

Mapr技术

Mapr技术优惠一种预测维护应用,它声称可以提供帮助油和气公司通过更好的资产跟踪和预测维护提高效率并降低运营成本使用机器学习

Mapr.索赔企业可以整合MAPR数据平台进入他们的本地,云和边缘数据收集和存储系统。

公司国家软件背后的机器学习模型训练石油钻井平台,化工厂或采矿业务工业设备的历史数据。然后用户可以上传图像文件,传感器数据,地震测量和维护数据没有标记为MAPR融合数据平台。该公司声称分析师还可以使用Mapr平台来了解天气如何影响操作。

然后,软件背后的算法将能够摄取和分析电流和历史传感器数据。然后,算法能够区分在不同类型的设备上的正常和异常行为之间的模式。那时系统警告资产或运营团队的轻微故障。

下面是一个很短的3.- 更低的视频解释了如何该公司的预测维护软件从边缘和云处访问边缘的数据。然后系统摄取,存储,管理,分析,并适用该数据

Mapr.声称有帮助国家油沃尔沃尔斯(11月),石油和天然气钻井设备和零件制造商和制造商,创建一个大数据平台,可以从组织内的传感器和控制系统摄取和存储数据,支持深度分析和机器学习过程。

根据案例研究,11月创建了一个数据存储系统,可以每rabyte保存750亿到5万亿数据点。根据案例研究,这将允许NOV将所有传感器数据存储在单个集群上。没有提供其他细节

Mapr.还有名单Boehringer Ingelheim,思科,Cirision,Comscore,奥迪,惠普,信贷农业,丹佛健康和诺华作为一些它的过去的客户。

TED Dunning已经首席应用建筑师在MAPR技术八年持有A.博士计算机科学谢菲尔德大学。之前,敦促担任SiteTuners,Veoh工作和ID Analytics的DEDDYVE和首席科学家的CTO和ID分析。

Spacetime Insight.

Spacetime Insight.优惠它的资产分析应用,它声称可以提供帮助电力,水和天然气公用事业,可再生能源,制造和运输公司减少资产失败的成本和停机时间使用机器学习

Spacetime Insight,由诺基亚于2018年5月收购,索赔可以将软件集成到客户公司的维护和维修时间表。

公司国家软件背后的机器学习模型训练完整数据集的真实或子集,由传感器,设备和其他资产组成的信息。然后用户可以分析客户的数据如传感器数据,以及与资产年龄,条件,位置,网络关系以及操作历史相关的信息没有标记为它的软件

然后,软件背后的算法将能够查找类似物品的群集,检测异常数据。那时系统预测资产失败的可能性,使资产经理能够对维护和维修时间表进行了解情况,或者资产剩余的使用寿命。

我们可以推断油和气客户公司的专家需要确定在哪里安装传感器管道和阀门。然后这些传感器将从这些部分收集遥测数据管道和阀门, 如那个压力和流量。然后将该数据用作正确运行的基线管道和阀门

软件背后的机器学习模型需要在数百万这些遥测数据点和数据上进行培训,以及某些部分的数据管道和阀门所需的维护,对这些部件进行维护多长时间,并且可能需要多长时间的零件到达现场。然后将通过软件的机器学习算法运行数据。

这将培训算法来辨别所有这些数据点中的哪一个与正常运行相关管道和阀门零件,时间管道和阀门过去需要维护,其哪些部件需要维修。

然后,该软件能够预测其某些部分管道和阀门在他们分解之前是由于维护。

下面是一个很短的3.- 致力于展示如何该公司的软件将资产显示为颜色编码表示,以帮助用户识别风险资产。应用程序跟踪并显示资产之间的关系,允许用户了解一个资产如何影响整个系统:

Spacetime Insight.在其网站上并没有提出预测的维护案例研究,但声称已经有所帮助加利福尼亚独立系统运营商(ISO实施一个情境智能系统到M载人并管理危机。加州ISO综合诺基亚市场情报,网格智力,可再生融合与危机情报工业互联网进入其控制中心。

根据案例研究,在实施情境智能之前,加利福尼亚州ISO倒入信息页面以发现异常。每个团队都有自己的监控系统,并与其他团队手动协调,易于误解和延误。

诺基亚的情境智能系统今天提供了当前的视觉显示,允许团队相关并覆盖了解潜在风险所需的数据,例如自然灾害。

在控制中心的80 x 6.5英尺的视频墙上显示在80 x 6.5英尺的视频墙上,确保运营商和调度员一切正常运行,也可以允许它们在异常上行动。该系统还使多个团队能够在需要操作时查看相同的信息并在同一页面上

Spacetime Insight.还有名单E On,Entergy,Florida Power和Light,美国水,亚利桑那州公共服务和BC Hydro作为一些它的过去的客户。

保罗霍夫曼曾是CTO.在诺基亚收购之前的时空洞察力,但最近离开了公司。目前尚不清楚谁承担了角色。霍夫曼持有A.博士物理TechnischeUniversität达姆施塔特。以前,他服务了作为CTO.藏红花技术,由英特尔收购

目前,物联网分析申请属于Bhaskar Gorti.诺基亚软件总裁。他在弗吉尼亚科技的电气工程中持有MSC,并担任甲骨文高级VP和总经理九年。

标题图像信用:成本

保持领先于AI曲线

发现在业务未来将赢家分开获奖者的关键AI趋势和应用程序。

注册“AI Advantage”时事通讯:

" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Thanks - check your inbox for a confirmation email">
" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Error - There was some problem.">
订阅
订阅镜像
保持领先于机器学习曲线

加入超过20,000名以上的可调性的商业领袖,并收到每周提供的最新的AI研究和趋势。

感谢您订阅EMERJ“AI Advantage”时事通讯,请检查您的电子邮件收件箱进行确认。