石油和天然气供应商的预测性维护和用例

艾茵·德·耶稣
《阿凡达》

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。

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,2018年天然气估计的到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可以提供帮助油和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。

这份报告中的公司都声称会提供帮助石油、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可能性
  • 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是由资产策略库(ASL)驱动的,ASL是一个包含有关机械和设备类型、故障机制、流体和检查数据、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、化学、制造和采矿行业,1000万个组件,以及58,000种可能发生故障的方式

应用程序可以应用于边缘和云中。该公司声称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根据数百万个遥测数据点进行训练,这些数据告诉我们何时柱面所需的维护,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。

这将训练算法辨别所有这些数据点中哪些与正常运作相关柱面零件,时间柱面过去它需要维修,它的哪些部件需要维修。

然后,该软件能够预测其某些部分柱面在它们出故障之前就该进行维修了。

我们找不到这家公司软件的演示视频。

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。

摄取技术还有名单卡特彼勒、布兰查德猫、俄亥俄州猫、Magnetrol、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.机器学习和人工智能策略主管摄取技术拥有一个女士统计数据伊利诺伊大学在芝加哥。在此之前,MCELHINNEY.担任数学与计算机科学系兼职教师他是伊利诺伊理工学院的董事会成员,也是伊利诺伊大学工程咨询委员会的董事会成员

C3.ai

C3.ai优惠一种预防性的维护应用程序它声称可以提供帮助油和气航天防御金融服务医疗保健制造业, 和别的公司优先维护设备,最大限度地延长正常运行时间,提高工人的安全和保障,减少费用使用预测分析

C3.索赔,客户可以集成该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故障数据。

然后用户可以上传传感器数据、监视控制和数据采集(SCADA)数据、遗留数据,以及技术人员记录等数据,以及天气等外部数据源没有标签它的软件

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,检测资产中的异常情况,计算每个资产的故障风险评分。系统提供对不同时期(如14天、30天或6个月)失效概率的估计。

该公司美国油和气客户公司的专家需要确定在哪里安装传感器比如梁式泵。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根据数百万个遥测数据点进行训练,这些数据告诉我们何时梁泵所需的维护,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。

这将训练算法辨别所有这些数据点中哪些与正常运作相关梁泵零件,时间梁泵过去它需要维修,它的哪些部件需要维修。

然后,该软件能够预测其某些部分[波束泵]在它们出故障之前就该进行维修了。

下面是一篇短文4.一分钟的视频演示如何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’s user interface

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个数据源,监测了5000万个传感器。Enel估计,在2018年结束的5年期间内,一旦数字化全面实施,总节约和收入可能达到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Rise Fund、Sutter Hill Ventures、Breyer Capital、TPG Growth、Thomas Siebel、Wildcat Venture Partners和Pat House的资助下。

Ed Abbo一直总统和CTO自2011年以来C3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技术优惠一种预见性维护应用程序,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.索赔企业可以集成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。

该公司美国软件背后的机器学习模型训练来自石油钻塔、化工厂或采矿作业的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签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当前和历史传感器数据。算法将能够区分不同类型设备的正常和异常行为的模式。然后系统在发生轻微故障时向资产或运营团队发出警报。

下面是一篇短文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,吸收和存储来自组织内部传感器和控制系统的数据,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,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, Cisco, Cision, ComScore, Audi, HP, Credit Agricole, Denver Health和Novartis作为一些它的过去的客户。

TED Dunning一直首席应用程序架构师MapR技术公司工作了八年持有博士学位计算机科学谢菲尔德大学。在此之前,敦促担任Deepdyve的首席技术官和SiteTuners的首席科学家,Veoh Works和ID Analytics等。

Spacetime Insight.

时空的洞察力优惠它的资产分析应用程序,它声称可以提供帮助电,水,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于2018年5月被诺基亚收购,索赔能否将软件集成到客户公司的维护和维修计划。

该公司美国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发现类似项目的集群,检测异常数据。然后系统预测资产失效的概率,并使资产经理对维护和维修计划或资产的剩余使用寿命做出明智的决定。

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根据数百万个遥测数据点进行训练,这些数据告诉我们何时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。

这将训练算法辨别所有这些数据点中哪些与正常运作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它们出故障之前就该进行维修了。

下面是一篇短文3.一分钟的视频演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.并没有在其网站上进行预测维护案例研究,但声称有帮助加州独立系统运营商(ISO对m监控和管理危机。加州ISO集成诺基亚市场情报,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。

保罗霍夫曼曾是首席技术官在诺基亚收购之前的时空洞察力但最近他离开了公司。目前还不清楚谁将担任这一角色。霍夫曼持有博士学位物理TechnischeUniversität达姆施塔特。此前,他担任作为首席技术官Saffron Technology,被英特尔收购

目前,物联网分析申请属于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

保持领先于AI曲线

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”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的“人工智能优势”通讯,请查看您的电子邮件收件箱确认。