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。金博宝官网她以前在埃森哲举行了各种角色。

油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.,估计的到2023年,全球天然气需求将超过4.1万亿立方米。这比2017年的3.740亿立方米有所增加。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可以提供帮助石油和天然气公司会预测他们的机器和设备何时需要维护。然后,石油和天然气公司就可以在这些机器出现故障导致长期停工或员工受伤之前对其进行维修,因为这些故障可能会导致数百万美元的法律费用和和解费用。

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。

吸收技术

吸收技术优惠它的资产绩效管理(APM)应用程序该公司声称,这种做法会有所帮助石油和天然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。

该公司美国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传感器的安装位置柱面

然后这些传感器将从这些部分收集遥测数据柱面,如压力。然后,这些数据将被用作正常运作的基线柱面

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柱面所需的维护,这些部件的维护需要多长时间,以及更换部件到达现场可能需要多长时间。然后,这些数据将通过软件的机器学习算法运行。

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柱面零件,时间柱面过去需要维护,其哪些部件需要维修。

然后,该软件就能够预测他们的某些部分何时柱面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声称有帮助中美能源公司增加其风力涡轮机的可用性。在该风电场部署了Uptake后的48小时内,应用程序发现17号塔的主轴承出现了故障迹象,这些迹象与之前导致变速箱故障的情况类似。

吸收通知了客户的工程和资产管理团队。在对塔进行物理检查后,资产管理团队发现了应用程序预测的问题。

这种早期的检测允许团队以5000美元的成本和很少的停机时间修理风力涡轮机,为中美能源节省了25万美元,如果变速箱坏了的话。

中美能源还报告说,在使用Uptake的软件大约三个月的时间里,客户从10%的涡轮机中产生了高价值的信息。

吸收技术还列出了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过去的客户。

亚当McElhinney机器学习主任和AI战略吸收技术拥有一个女士统计数据伊利诺伊大学芝加哥分校。在此之前,MCELHINNEY.担任数学和计算机科学系的兼职教员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.优惠一个预防性维护应用程序它声称有帮助石油和天然气,航空航天国防,金融服务,卫生保健,制造业和其他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该软件企业数据库,补充说软件背后的机器学习模型训练历史故障数据。

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。

该公司美国石油和天然气客户公司的专家需要确定传感器的安装位置比如梁式泵。然后这些传感器将从这些部分收集遥测数据梁泵,如每分钟发几发或用力。然后,这些数据将被用作正常运作的基线梁泵

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,这些部件的维护需要多长时间,以及更换部件到达现场可能需要多长时间。然后,这些数据将通过软件的机器学习算法运行。

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,该软件就能够预测他们的某些部分何时(梁泵)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还为五个控制中心部署了C3预测维护应用程序,以提高电网的可靠性,以满足容量和需求,并减少称为故障的电流异常。

建立应用程序,收集和分析网络传感器数据、智能电表数据、资产维护记录和天气数据,以预测馈线故障,馈线是一种电力线路,将电力从配电变电站转移到配电变压器。应用程序集成花了三个月,而测试又花了三个月。

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还列出了Engie,Eversource,Con Edison,SDGE和BGE作为一些它过去的客户。该公司已筹集了2.285亿美元在Rise Fund、Sutter Hill Ventures、Breyer Capital、TPG Growth、Thomas Siebel、Wildcat Venture Partners和Pat House的资助下。

埃德·伯博已经总统和首席技术官C3自2011年以来拥有一个女士机械工业麻省理工学院。在此之前,Abbo担任申请副总裁甲骨文15年

Mapr技术

Mapr技术优惠一个预见性维护应用程序该公司声称,这种做法会有所帮助石油和天然气公司通过更好的资产跟踪和预测性维护,提高效率并降低运营成本使用机器学习

Mapr.索赔企业可以集成MAPR数据平台他们的本地,云和边缘数据收集和存储系统。

该公司美国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平台了解天气如何影响运营。

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。然后系统在发生轻微故障时向资产或运营团队发出警报。

下面是一个很短的3.- 更低的视频解释了如何公司的预测性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.声称有帮助国民油井华高(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。

根据个案研究,11月11日创建了一个数据存储系统,每千兆字节可以存储7500亿到5万亿个数据点。根据案例研究,这将允许NOV在单个集群中存储所有传感器数据。没有提供其他细节

Mapr.还列出了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过去的客户。

TED Dunning已经首席应用建筑师在MapR技术公司工作了八年持有博士计算机科学谢菲尔德大学。在此之前,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程序该公司声称,这种做法会有所帮助电力,水和天然气公用事业在美国,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。

该公司美国软件背后的机器学习模型训练真实的或完整数据集的子集,由来自传感器、设备和其他资产的信息组成。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贴上标签它的软件

然后,软件背后的算法将能够发现类似项目的集群,检测异常数据。然后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。

我们可以推断石油和天然气客户公司的专家需要确定传感器的安装位置管道和阀门。然后这些传感器将从这些部分收集遥测数据管道和阀门,例如压力和流量。然后,这些数据将被用作正常运作的基线管道和阀门

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,这些部件的维护需要多长时间,以及更换部件到达现场可能需要多长时间。然后,这些数据将通过软件的机器学习算法运行。

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,该软件就能够预测他们的某些部分何时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州独立系统运营商(ISO)实施一个情境智能系统到M监控和管理危机。加州ISO集成诺基亚将其市场智能、电网智能、可再生融合和危机智能融入到工业物联网中控制中心。

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。

诺基亚的情景智能系统今天提供了当前的视觉显示,允许团队关联和覆盖任何数据,需要了解的情况的潜在风险,如自然灾害。

在控制中心80 x 6.5英尺的视频墙上,地理空间显示向操作员和调度员保证一切都在正常运行,或者允许他们对异常情况采取行动。该系统还允许多个团队查看相同的信息,并在需要采取行动时处于同一页面

Spacetime Insight.还列出了E ON, Entergy, Florida Power and Light, American Water, Arizona Public Service, BC Hydro作为一些它过去的客户。

保罗霍夫曼曾是首席技术官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。霍夫曼持有博士物理TechnischeUniversität达姆施塔特。以前,他服务了作为首席技术官藏红花技术,由英特尔收购

目前,物联网分析应用程序处于Bhaskar Gorti.他是诺基亚软件总裁。他拥有弗吉尼亚理工大学(Virginia Tech)的电气工程硕士学位,并在甲骨文公司(Oracle)担任了9年的高级副总裁和总经理。

标题图像信用:成本

保持AI曲线的领先地位

发现在未来商业中区分赢家和输家的关键AI趋势和应用。

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
走在机器学习曲线的前面

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。