AI が登場し、油田の予知保全に役立っています

Dec 14, 2023

バレルをドルに交換することを仕事としている石油会社にとって、敵はダウンタイムです。 ダウンタイムによりバレルが失われ、収益が失われる可能性があります。 予定外のダウンタイムは最悪の事態です。 何か問題が発生し、問題が発生する兆候がなかった場合、予想よりも長い時間生産がオフラインになる可能性があります。 すべてのシリンダーで作業を継続することは、現場の健全性と生産者の利益の両方にとって重要です。

最近まで、物事を順調に進めるための最良の方法は、予防保守によって行われていました。 つまり、機器の磨耗や交換の可能性を検査するために定期的に計画されたダウンタイムです。 予防メンテナンスの難点は、それが不必要な場合があるということです。 機器を見直すと、すべてが正常に動作していることがわかり、生産ストリームを何の理由もなくオフラインにすることができます。

現在、油田およびその他の産業は、予知保全モデルの導入にさらに傾いています。 予知保全には、何かがいつ問題を起こすか、あるいは将来起こるかを正確に予測するために、大量のデータが必要です。 これらのモデルは、起こり得る故障を事前に予測するようにトレーニングできます。 これは、機器の読み取り値を取得するセンサーのネットワークを使用することによって行われます。 これらの測定値を過去の測定値と照合して、機器の状態を測定できます。

最新の予知保全では、人工知能 (AI) とモノのインターネット (IoT) を利用して、可能な限り正確な読み取り値を取得します。 これにより、検査時により積極的なアプローチが可能になり、問題を診断して解決策を提供できます。 油田インフラが老朽化し、サービスが中断されやすくなるにつれて、予測可能なダウンタイムがより重要になります。 20 年前のコンプレッサーは、2 年前のコンプレッサーと同じ設計、同じ材料、または同じテクノロジーで作られていない可能性があります。 予知保全モデルを採用する場合は、これらすべてを考慮する必要があります。

予測メンテナンス ツール キットに最近追加されたのは、デジタル ツインの使用です。 デジタルツインは、監視と最適化を目的とした複雑な井戸の掘削において、過去 5 年ほどにわたって普及してきました。 予知保全では、デジタルツインはセンサーデータと組み合わせるデータを生成し、機器の動作を予測するためのより優れたアルゴリズムを実現できます。 デジタルツインを使用して機器の障害シナリオを作成することにより、産業界は実際の機器の障害を探すためのプログラムをより適切にトレーニングできるようになります。

AI を活用した予知保全を石油・ガス分野に導入する企業が増えています。 SparkCognition は、機械学習と AI をより良いメンテナンス パラダイムへの道とみなしています。 200,000 B/D のオフショア プラットフォームがわずか 12 時間の計画外ダウンタイムに見舞われた場合、最大 800 万ドルの生産遅延が発生する可能性があります。

同社のウェブサイトによると、「予知保全は、リストバンドのようなウェアラブル医療機器が患者の体を常にスキャンし、一日を過ごす中で健康状態のあらゆる側面を検査し、その結果をリアルタイムで継続的に評価することに似ている」としている。 。 「このデバイスは、特定の日に起こる心臓発作を避けるために医師の診察を受ける必要があることを患者に知らせることができます。同様に、オフショア資産のプロアクティブな診断により、上流のオペレーターは次のことを行うことができます。障害が発生する前に予測して軽減します。」

IoT Analytics の 2021 年 11 月のレポートでは、当時 69 億ドルだった予知保全市場は 2026 年までに 282 億ドルに達すると予測されています。また、同時期にベンダーの数は約 100 社から 500 社以上に増加すると予測しています。

シェル、AI 支援による運用の安全性を重視

「これは、強化された積極的な監視の一種です」と、シェルの例外ベースの監視の展開に関して、メキシコ湾のシェルの操業安全マネージャーであるネイシャ・キッド氏は、5月に最近開かれたOTCの出席者に説明した。 例外ベースの監視はしばらく前から存在していましたが、AI やその他の機械学習操作との組み合わせにより、何か問題が発生する可能性を予測するためのより複雑なアルゴリズムが進歩しました。 数百万のデータポイントを単一のソースに取り込み、アルゴリズムを適用して、ユーザーが事前に設計された異常のスクリプトまたは添え字を検出できるようにします。

「実際に安全上のインシデントが発生する前に、早期に介入できるようになります」とキッド氏は述べた。 「これにより、人々を火線から遠ざけ、安全を守ることができます。したがって、シェルでは、例外ベースの監視を主に民間人の安全のために使用しています。私たちにとって、それらは密接に関係しています。」 。」

2022 年、シェルは安全性レビュー演習を実施し、社内の重大なインシデントを 5 年間遡って遡り、インシデント全体に共通するテーマやスレッドを特定しました。 調査結果の 1 つは、同社のインシデントの多くが補助システムで発生しているということでした。 同社は当初、井戸の完全性など、リスクが高いと判断した機器に AI を集中的に使用していました。 しかし、空気圧縮システム、計器類、フレア、スクラバーに関する同様の厳格さは存在せず、そこで多くの重大なインシデントが発生しました。

この演習で明らかになったもう 1 つのシステム パターンは、現場の機器とプロセスの状態がシェルのオフィスでの期待と一致していないことです。 同社では、機器の状態が一定であると信じて、オフィスにエンジニアが決定を下し、手順を作成し、現場で実行する作業を送信していました。 シェルが発見したのは、オフィスでの信念と現場に反映されているものとの間にギャップがあることです。

「そこで問題は、人工知能をどのように利用してそのギャップを埋め、現場で得られるリアルタイムのデータが最前線で実際に見ているものを模倣し複製できるようにするにはどうすればよいかということです」とキッド氏は尋ねた。 「それが私たちのトレーニングの次の部分になるだろう。それが私たちの次の主な焦点になるだろう。私たちはこれらすべての素晴らしいシステムを整備し、素晴らしい精神をすべて備えているが、それらを活用していないのであれば、事件を防ぐには、私たちが本当に持っているものは何ですか？」

シェルの次のステップは、南北アメリカにデータセンターを集中化することだ。 現在、ニューオーリンズの橋とトリニダードの箱舟の 2 つがあります。 シェルは、データセンターを統合することで、AI 導入を成功させる鍵となる油田プロセスの標準化を達成したいと考えています。

Oxy は AI の助けを借りて規模を拡大しようとしている

Occidental Petroleum にとって、予知保全とは、AI と機械学習を使用して計画外の事象を軽減することです。 生成されたデータは AI モデルにフィードされ、過去の出来事に基づいた予測が行われます。 これは油田にとって新しいことではありませんが、新しい AI モデルは、それを予測分析と学習の次の進化へと推進するのに役立ちます。これは、システム自体が教えて学習することで、より良い予測を提供します。

「私たち全員が解決しようとしている問題は 1 つだけです。それは規模です」と、オクシデンタルのエンタープライズ アーキテクチャおよび新興テクノロジー担当ディレクターのマンスール ナザール氏は述べています。 「どのように拡張しますか? より大きなことを実行できるように、より大きく、より革新的なアプローチにどのように拡張しますか? すでに持っているものでより多くのことを実行できるようにします。AI は、本質的にそれを達成するのに役立つツールの 1 つです。クラウドはレベル 1 です。私たちが解決しようとしている問題の 1 つは、計画外の出来事です。これは、特にオフショア施設で起こり得る最も残念な出来事です。では、それをどのように軽減しますか?予測分析は？」

オキシーは、人間が通常実行するタスクの一部を実行するために、より多くのロボットやドローンを自社の業務に導入しています。 そうすれば、人間はより生産的な仕事に集中できるようになります。 同社では、海洋資産に関しては、表層と海底の両方での腐食活動をより適切に検出および予測するために、施設で AI サポートのカメラ技術を採用する取り組みも進められています。

「これらのカメラを使用して、AI ベースのインテリジェンスをシステムに実装できたらどうなるでしょうか。たとえば、カメラが目と同じように美しく見えるようになったら」と Nazar 氏は述べています。 「カメラは十分に賢いわけではありませんが、その上に人工知能を実装すれば、それらのカメラや AI を使用した他の手段を通じて腐食を検出できるようになります。」

規模を超えて、豊富なデータとその品質の保証の問題もエネルギー業界にとって差し迫った問題です。 Oxy は現在、モダナイゼーションと IoT がもたらした大規模なデータ増加に対処するために、クラウド環境にデータ基盤を構築することに投資しています。

「データセンターから移行したいからではなく、クラウドによってこれらの機能がすぐに使えるようになるため、できる限りクラウドの導入に投資することを強くお勧めします。」と Nazar 氏は付け加えました。 「これにより、これらの多くの機会にジャンプスタートできます。私が話していることをすべて実行できるようにするために、基礎的な作業を構築する必要はありません。クラウドはそれを提供してくれるので、ユースケースだけに集中できます。 」

AI の使用には、プライバシー、倫理遵守、偏見に関する多くの疑問が生じますが、対処すべきテクノロジー、IT、プロセスの問題もあります。

「それは簡単な旅ではありません」とナザールは説明した。 「AI は、既製の製品を購入して実装できる製品ではありません。多額の投資が必要なものです。Oxy で私たちが行ったことは、組織全体の対象分野の専門家からなる部門横断的なチームを結成することです。それは IT の問題ではなく、企業の問題だからです。法律顧問が必要です。サプライ チェーンが必要です。マーケティング担当者が必要です。運用担当者が必要です。掘削担当者が必要です。地球科学者が必要です。彼ら全員が必要です。団結して人工知能のあらゆるユースケースを考え出すことです。」