石油和天然气行业的东西互联网 - 目前的应用

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。爱尔兰德国比分直播她以前在埃森哲举行了各种角色。

石油和天然气行业的东西互联网 - 目前的应用

根据麦肯锡,全球气体需求预计将于2035年达到4503亿立方米(BCM),2017年的3,736英镑年增长率为1%以上。预计亚洲将成为47%的资源最大的消费者,其次是世界其他地区(24%),中东(16%)和美国(14%)。

ai和东西互联网(物联网)已经找到了进入的方式油和气世界。截至目前,许多公司声称协助工厂经理,机器运营商和现场人员预测当机器需要维护和保养时,让员工在工作环境中安全,提高生产

IOT是允许设备,机器和其他设备彼此通信的技术。它使石油和天然气公司能够使用数据科学方法管理和存储数据,创建应用程序和设置安全协议。

在本文中,我们列出了四家软件解决方案公司,该公司声称提供石油和天然气公司的IOT解决方案,从而利用人工智能所谓的所谓爱尔兰德国比分直播预测维护:使用AI知道何时修理机器零件,然后完全突破。

有兴趣的读者可能想阅读我们的文章石油和天然气预测分析, 作为预测(和规定的)分析使石油和天然气公司能够实现IoT的预测维护。为了理解本文,规定的分析是简单的预测分析,额外的步骤推荐给用户的动作。

对于石油和天然气公司来说,规定的分析软件可能会告诉用户他们应该修复特定的机器,因为它可能会在未来一周内突破。

预测性维护:AI修复石油和燃气厂机械

为石油和天然气行业的支持爱尔兰德国比分直播IOT的人工智能解决方案几乎总是提供石油和天然气公司的能力,了解其机器,管道和坦克时的工作不当或随时不当。这使他们能够在休息之前修复机器,这可以节省数百万的维修费用,监管费和罚款,并恢复到故障期间受伤的任何工人。

在本节中,我们将讨论三家供应商,该公司在声称通过边缘计算提供预测性维护的文章之后讨论之前,请提出更传统的预测性维护解决方案。

我们通过Spark认知开始进行分析,我们相信该公司最有可能在其解决方案中利用人工智能:爱尔兰德国比分直播

闪耀

闪耀是A.德克萨斯州为提供的公司提供一种套件套件它声称可以提供帮助油和气企业组织,提取,分类,分析和处理数据,以对机械和其他设备进行维护

闪耀解释它的申请套件包括:

  • Deepnlp,其中提取和组织各种企业来源的数据以启用分析
  • SparkPredict,使用机器学习算法分析传感器数据来识别即将发生的机械故障
  • 达尔文,它列举了算法并建立了算法模型
  • DeepArmor,被培训,以识别恶意软件来保护和安全的客户系统

模块共同努力,以预测机械最佳性能的偏差。例如,首先由DeepnLP收集来自各种来源的非结构化数据。该应用程序根据其属性对数据进行分类,允许SparkPredict的计算机学习功能过滤并与数据库中的新数据进行比较。如果算法检测机器中的次优性能,则应用程序会在机器故障发生之前警告工厂运营商。

我们可以推断出来油和气客户公司的专家需要确定在哪里安装传感器乙二醇系统和出口压缩机。然后这些传感器将从这些部分收集遥测数据乙二醇系统和出口压缩机, 如压力,振动和温度

然后将此数据用作正确运行的基线乙二醇系统和出口压缩机

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乙二醇系统和出口压缩机所需的维护,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乙二醇系统和出口压缩机零件,时间乙二醇系统和出口压缩机过去需要维护,其哪些部件需要维修。

然后,该软件能够预测其某些部分乙二醇系统和出口压缩机在他们分解之前是由于维护。

达尔文模块的功能似乎使数据科学家能够构建算法模型。该公司声称,此模块清除数据然后标识最佳构建模型架构的属性。SparkCognition表示达尔文还展示了如何实现结果。数据科学家可以添加更多数据集以提高准确性,该公司报告。

下面是一个很短的3.- 致力于展示如何SparkPredict.作品:

闪耀声称有帮助一个未命名的石油勘探与生产(E&P)公司为预测维护创建算法模型,避免昂贵的应急维修,提高操作安全性,并在其所有17个油井中最大化生产

根据案例研究,E&P公司转向喷雾装置,以创造可能预测维护和生产的型号。使用达尔文,SparkCognition的数据科学家使用了油井的位置和水库属性,如月油,水和天然气生产数据集以培训算法。总而言之,型号引用了40个属性,以识别与油井相关的七种维护事件类型。

案例研究报告说,该系统帮助工程师预测潜在的侵入性讨论,杆变化,以及12个井中的清洁操作,精度为70%至80%,降低运营成本。

该模型还可以预测维护要求,在需要之前,帮助改善运营和工人安全,减少昂贵的应急维修,并允许工程师专注于更高富有成效的井以最大化回报。

案例研究报告说,SparkCognition在几天内创建了算法模型,仅使用一个月的数据来实现当时的准确度。然而,读者应该采取这种情况,因为客户未命名,留下了一粒盐。

喷雾装置L.ists.热爱,MHPS和英国军队作为一些它的过去的客户。

布鲁斯搬运工首席科学官闪耀持有A.博士计算机科学加州大学欧文搬运工继续服用计算机科学教授德克萨斯大学,奥斯汀于2009年至2017年担任该部主席

SOFTWEB解决方案

SOFTWEB解决方案是A.德克萨斯州为提供的公司提供IOT连接,它声称可以提供帮助油和气企业维护或改善设备性能和工人安全使用似乎是规范性分析的原因。

SOFTWEB解决方案索赔IOT Connect系统的一部分是SoftWeb Intelligence和Analytics(SIA)平台。随着附着在泵,阀门和其他机器仪表上的传感器收集数据,该公司解释说,该数据被发送到云端,其中由SIA机器学习算法存储和分析。

T.他的算法已经训练在数据上,该数据表示泵,阀门或仪表的正常功能;因此,当这些机器部件有某种方式发生故障时,他们将能够提醒人员,推荐它们修复零件。

下面是一个很短的3.- 致力于展示如何IOT连接作品:

SOFTWEB解决方案声称有帮助工业公司英格索兰检测即将到来的机器故障,并避免在客户的生产基地停机Ingersoll Rand需要保持销售给客户的压缩机的高效率,以最大限度地减少生产过程中的无计计划的停机时间。他们需要一种解决方案来远程监测和对压缩机进行预测分析。

案例研究报告称,传感器将运营数据发送到IOT Connect,在那里分析以更好地了解所功能的设备。压缩机持续报告了油温,油压,第1阶段的温度,电机电流,系统压力和其他度量的状态,通过安全的互联网连接。这些传感器警告技术人员对机器的状态。如果操作参数指示异常行为,则通过电子邮件提醒维护人员。

这使Ingersoll Rand的技术人员能够远程确定表现不佳的特定组件,并将该组件带到客户网站上。

SOFTWEB解决方案还有名单博世,Firestone,ABB,Fujifilm,Pepsi,Qualcomm,Siemens,GE作为一些它的过去的客户。

我们无法找到与强大的AI背景团队中的任何C级高管的证据,但该公司报告收入每年收入440万美元r瓦斯创始人和首席执行官SOFTWEB解决方案拥有一个小姐计算机科学伊利诺伊州理工学院

telit.

telit.是一个意大利人提供的公司一个物联网解决方案它声称可以提供帮助油和气公司提高生产力,安全性和进行预防性维护使用自然语言处理(NLP)

telit.索赔解决方案包括设备透明应用,可分析钻井设备,管道,卡车,火车,船和配备传感器的油箱的数据。

该公司声称,DeviceWise从计算机和传感器中收集多种数据,在植物环境中监控和控制机械。然后它似乎类似地与本报告中列出的其他预测维护和遥测软件类似。

该公司指出,由此产生的数据分析可以显示在智能手机,桌面计算机和平板电脑上,而警报将收到电子邮件,RSS Feed或Calendar事件。这使得业务能够在改进生产过程中进行更改,以及对机器进行预防性维护,以确保工人的安全。

下面是一个很短的2- 致力于展示如何Telit软件作品:

telit.声称有帮助智能感应任何地方(ISA)在消费者LPG坦克中部署传感器,并收集有关最终用户家庭如何使用能源的信息

ISA专注于LPG散装罐监控。ISA集成Telit的CE910-Dual和GE910-Quad V3模块,可提供移动和固定应用的连接,如自动售货机,销售点,跟踪,智能计量和远程信息处理设备。

使用ISA C-Log以远程监控燃料和燃气罐的设备,现在收集诸如水平读取的数据等燃料箱和报警传输等数据,使ISA能够产生更大的数据流。在本案研究中没有提供其他细节。

telit.还有名单Acclaim Energy,Aquarius Spectrum,Automile AB,Axentia,Bigbelly Solar,Bluewind,Corintech,MC机械系统,触控组和电视作为一些它的过去的客户。公司提出2550万美元的资金来自卫生组织信贷,Fortissimo Capital,360 Capital和83北。

T.hat all said, we were unable to find any C-level executives with AI experience on the company’s team, and so it is less likely that the company is actually leveraging machine learning than if they employed several data scientists with PhDs, which is our standard when审查公司在利用AI的可能性

启用IOT的边缘计算,用于预测维护

Foghorn.

Foghorn.是A.提供呼叫软件的公司闪电边缘智力,这可能有所帮助油和气企业进行减少机器故障和停机,降低成本的维护,并可能增加投资回报率和客户满意度使用机器学习

大多数边缘解决方案使用传感器收集数据,并将此数据发送到云以进行离线分析。然而,许多工业环境和设备缺乏或具有差的连通性。

有时,在现场的差的连接性使其难以将大量传感器数据发送到云,导致延迟。通过时间数据到达并与云中的其他数据进行处理,采取任何操作可能为时已晚。

Foghorn声称其照明边缘智能解决方案提供了一种机器学习驱动的分析引擎,其占地面积小于256MB,已经在前的边缘分析了数据它传统上将被发送到中央云存储。

目前尚不清楚闪电优势是一种异常检测或规范分析软件,尽管当它检测到机器部件不正确时,它似乎在客户公司提醒人员,但标准是预测维护软件的标准。

我们可能会推断该软件基于规范性分析,因为算法需要在客户端部署之前指示定期运行的机器部分的数据训练。

一个异常检测软件需要在能够开始预测机器零件故障之前几周到几个月,并且更有可能需要访问客户公司的云主题专家和数据科学家必要时向算法提供反馈。

由于Foghorn似乎涉及他们公司在边缘工作的能力,他们的软件似乎在规范的分析算法上运行。

例如,该公司解释说,该应用程序可以从电动潜水泵监控操作数据。如果检测到潜在的故障,系统可以自动停止泵以防止损坏并通知操作根据当前机器健康和维护模型修复或更换ESP。

另一个用例是管道优化,其中解决方案可以关闭阀门并向移动设备发送警报,以避免对管道的重大中断或损坏。

Foghorn.在其网站上没有特征案例研究,但在新闻稿中索赔它有助于黛恩公司识别生产错误,提高协作和数据准确性,每年消除5000小时的手动数据输入。

黛恩需要更快的方式来分析来自以前的手动过程的数十种传感器的数据。该公司转向Foghorn部署射频识别(RFID)基础设施,以跟踪制造和团队效率,传感器监测大阪工厂的状况。

新闻稿声称,边缘ML自动监测岱仁的电力变压器制造过程。传感器通过RFID收集关于温度,湿度和灰尘水平的数据,以产生与变压器每个部分的组装相关的分析,并跟踪每个阶段完成的长度。

利用收集的数据和结果分析,岱山据称能够改进制造过程的部分。

Foghorn补充说,在六个月内,跟踪系统的逐步部署覆盖了大伦工厂的70%,预计将在今年内追踪所有流程。

我们无法找到任何提及企业级客户端Foghorn.他们的网站也不在任何新闻稿中,但它提出了4750万美元在资金中并由英特尔首都支持,通用电气,沙特阿美能源风险企业

撒斯特雷马拉迪CTO.Foghorn.拥有一个小姐控制系统印度理工学院哈拉冈州。之前,马拉迪担任Stubhub,eBay公司的首席建筑师,以及eBay的杰出建筑师。

标题图像信用:Rimkus

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。