根據(jù)Kimberlite的研究，一年中僅3.65天的計劃外停機就能讓一家石油和天然氣公司損失503.7萬美元。一家海上石油和天然氣公司平均每年會經(jīng)歷約27天的計劃外停機，這可能會造成3800萬美元的損失。在某些情況下，這個數(shù)字可能高達8800萬美元。
為了消除設(shè)備意外故障的風險并最大化資產(chǎn)回報率，石油和天然氣公司正在尋求新的、更有效的維護方法。在本文，我們將介紹為什么需要考慮基于工業(yè)物聯(lián)網(wǎng)（IIOT）的預(yù)測性維護解決方案。
它是如何工作的？
簡而言之，工業(yè)物聯(lián)網(wǎng)驅(qū)動的預(yù)測性維護利用從設(shè)備傳感器（例如溫度、振動、流量傳感器等）獲取的數(shù)據(jù)來識別設(shè)備行為是否存在異常，并預(yù)測設(shè)備是否有可能在某個時間段內(nèi)發(fā)生故障。簡單流程如下：
第一步、收集物聯(lián)網(wǎng)數(shù)據(jù)
預(yù)測性維護始于在傳感器的幫助下從設(shè)備的潛在故障點（例如真空泵的軸承）收集數(shù)據(jù)。最好有一個數(shù)據(jù)集來說明設(shè)備在其整個生命周期中的健康狀況和性能，并顯示可識別的故障。數(shù)據(jù)科學家將使用這些數(shù)據(jù)集作為創(chuàng)建預(yù)測模型的基礎(chǔ)。
第二步、添加上下文
為了提高未來預(yù)測模型的可靠性和準確性，物聯(lián)網(wǎng)數(shù)據(jù)需要與設(shè)備元數(shù)據(jù)（模型、配置、操作設(shè)置等）、設(shè)備使用歷史和維護數(shù)據(jù)相結(jié)合。這些數(shù)據(jù)可以從ERP、EAM、EMS和其他企業(yè)系統(tǒng)中獲取。
第三步、尋找模式
數(shù)據(jù)科學家研究物聯(lián)網(wǎng)和上下文數(shù)據(jù)的組合數(shù)據(jù)集，以確定相關(guān)性，并對可能導(dǎo)致故障的故障信號和使用模式進行技術(shù)假設(shè)。
第四步、創(chuàng)建預(yù)測模型
該階段的本質(zhì)歸結(jié)為通過機器學習算法運行組合數(shù)據(jù)集，以識別設(shè)備故障模式，并在此基礎(chǔ)上構(gòu)建預(yù)測模型。這些模型經(jīng)過精確性測試，一旦被批準，將用于預(yù)測設(shè)備故障的可能性。
隨著越來越多的數(shù)據(jù)變得可用，這些模型將被更新、重新訓(xùn)練和再次測試，以使它們準確并能代表現(xiàn)實。
要維護什么？
工業(yè)物聯(lián)網(wǎng)有能力提高設(shè)備生產(chǎn)效率，減少石油和天然氣行業(yè)三個領(lǐng)域的計劃外停機時間：上游（勘探和開采）、中游（運輸和儲存）和下游（煉油和加工）。
上游
平均而言，42%的開采、勘探和鉆探設(shè)備使用時間超過15年，并且只能以其最高生產(chǎn)率的77％進行工作。為了緩解這一缺陷，上游石油和天然氣公司可以利用工業(yè)物聯(lián)網(wǎng)驅(qū)動的預(yù)測性維護。
在上游，工業(yè)物聯(lián)網(wǎng)驅(qū)動的預(yù)測性維護用于監(jiān)測勘探、開采和鉆井設(shè)備及其部件的健康狀況:潛水泵、分離器、冷凝器、壓力閥、熱交換器、壓縮機、渦輪機等。
為此，潛在故障點配備有壓力、溫度、扭矩、振動、流量和其他類型的傳感器。預(yù)測性維護解決方案接收傳感器讀數(shù)，將其與上下文數(shù)據(jù)相結(jié)合，通過機器學習算法運行數(shù)據(jù)集，并創(chuàng)建預(yù)測模型，然后用于識別設(shè)備故障并提供有關(guān)問題發(fā)展的預(yù)警通知。
中游
中游企業(yè)利用工業(yè)物聯(lián)網(wǎng)來確保管道、原油處理系統(tǒng)和氣體處理設(shè)備的安全性和可靠性。光纖分布式聲音傳感器、超聲波傳感器和溫度傳感系統(tǒng)監(jiān)測液體(例如原油)泄漏的聲音變化信號，而碳氫化合物傳感電纜則可用于監(jiān)測碳氫化合物泄漏。
來自傳感器的數(shù)據(jù)與上下文數(shù)據(jù)相結(jié)合，并根據(jù)預(yù)測模型進行分析。一旦監(jiān)測到傳感器讀數(shù)出現(xiàn)異常偏差，工業(yè)物聯(lián)網(wǎng)解決方案就會觸發(fā)警報，并通知維護專家管道故障。
下游
僅在美國，由于計劃外停機，煉油廠就損失了66億美元。停機的主要原因之一是煉油廠設(shè)備維護不善。
