根據Kimberlite的研究，一年現都中僅3.65天的計劃外停機就能讓一家(jiā)石油和天然氣公司損個喝失503.7萬美元。一家(jiā)海上石油和天然氣公司平均每年會(huì)經曆在森約27天的計劃外停機，這可能會(huì)造成380在生0萬美元的損失。在某些情況下，這個數字可能高達8800頻友萬美元。

 

　　為(wèi)了消除設備意外故障的風險并最大(dà)化資(z妹拍ī)産回報率，石油和天然氣公司正在尋求新的、更有物飛效的維護方法。在本文，我們(men)将介紹為(wèi光厭)什麼需要考慮基于工(gōng)業物聯網（IIOT）的預測性維到小護解決方案。

 

　　它是如(rú)何工(gōng)作的？

 

　　簡而言之，工(gōng)業物聯網驅動的預測性維護利用從設備傳感購好器(qì)（例如(rú)溫度、振動、流量傳感器(qì拿黑)等）獲取的數據來識别設備行為(wèi)是否存在異常，并預測輛醫設備是否有可能在某個時(shí)間段内發生故障。簡單流程議銀如(rú)下：

 

 

　　第一步、收集物聯網數據

　　預測性維護始于在傳感器(qì)的幫助下從設備的潛在故障點（例如(rú)真空電村泵的軸承）收集數據。最好(hǎo)有一個數據集來說(shuō)明海服設備在其整個生命周期中的健康狀況和性能，并顯示可識别的故障。數據科(k如綠ē)學家(jiā)将使用這些數據集作為(wèi)創建預測模型的基礎。

 

　　第二步、添加上下文

　　為(wèi)了提高未來預測模型的可靠性低國和準确性，物聯網數據需要與設備元數據（模型、配置、操作設置等）、業要設備使用曆史和維護數據相結合。這些數據可以從ERP、EAM、EMS和見市其他(tā)企業系統中獲取。

 

　　第三步、尋找模式

　　數據科(kē)學家(jiā)研究物聯到在網和上下文數據的組合數據集，以确定相關性，并對可能導緻故障的故障信号和機謝使用模式進行技術假設。

 

　　第四步、創建預測模型

　　該階段的本質歸結為(wèi)通(tōng)過機器(qì)學下關習算法運行組合數據集，以識别設備故障模式，并在此基礎上構建預測模型。說內這些模型經過精确性測試，一旦被批準，将用于預測設備故障的可能性。

　　随着越來越多的數據變得(de)可用，這些模型将被更新、重新訓練和再次測試，是個以使它們(men)準确并能代表現實。

 

　　要維護什麼？

　　工(gōng)業物聯網有能力提高設備生産效率，減少石油文家和天然氣行業三個領域的計劃外停機時(shí)間：上遊（勘探報河和開(kāi)采）、中遊（運輸和儲存）和下遊（煉油和加工(gōng)）。

 

　　上遊

　　平均而言，42%的開(kāi)采、勘探和鑽探設備使用時(shí)她著間超過15年，并且隻能以其最高生産率的77％進行工(gōng)作懂紅。為(wèi)了緩解這一缺陷，上遊石油和天然氣公司可以利用工(gōng)業物聯花市網驅動的預測性維護。

 

　　在上遊，工(gōng)業物聯網驅動的預測性維護拿街用于監測勘探、開(kāi)采和鑽井設備及其部件的健康狀況：潛水泵、分離器(qì刀房)、冷凝器(qì)、壓力閥、熱交換器(qì)、壓縮機、渦輪機等。

 

　　為(wèi)此，潛在故障點配備有壓力、溫度、扭矩、振動、流量和自能其他(tā)類型的傳感器(qì)。預測性維護解決方案接收傳感器(qì)讀數，光技将其與上下文數據相結合，通(tōng)過機器(qì)學習房影算法運行數據集，并創建預測模型，然後用于識别設鄉也備故障并提供有關問題發展的預警通(tōng)知。

 

　　中遊

　　中遊企業利用工(gōng)業物聯網來确保管道、原油處理年技系統和氣體處理設備的安全性和可靠性。光纖分布式聲音傳感器(qì)、超科醫聲波傳感器(qì)和溫度傳感系統監測液體（例如(rú)原油）洩漏的聲音變化信号就請，而碳氫化合物傳感電纜則可用于監測碳氫化合物洩漏。

　　來自傳感器(qì)的數據與上下文數據知白相結合，并根據預測模型進行分析。一旦監測到傳感器(qì)讀數出技來現異常偏差，工(gōng)業物聯網解決方案就會這愛(huì)觸發警報，并通(tōng)知維護專家(ji車為ā)管道故障。

 

　　下遊

　　僅在美國，由于計劃外停機，煉油廠就損失了66億美元。但弟停機的主要原因之一是煉油廠設備維護不(bù)善。

 

　　在下遊，需要維護的一些最關鍵和最常見的部件是石油蒸餾裝置、柴油加氫處人市理裝置、流化催化裂化裝置和硫回收裝置中的泵和壓縮機，以及原油裝置中的預熱機雪美組。

 

　　将來自潛在故障點的振動、溫度和流量傳感喝機器(qì)的數據與生産和環境數據相結合，并将這些數據與志鄉預測模型相關聯，煉油廠就能在問題出現之前預測部件是否可能出現故障。

 

　　好(hǎo)處

　　應用工(gōng)業物聯網驅動的預測性維護解器樂決方案有助于石油和天然氣公司獲得(de)巨月家大(dà)收益，包括：

 

　　▲提高資(zī)産可靠性并推動成本節約

　　物聯網驅動的預測性維護解決方案有助于石商哥油和天然氣公司在設備故障對其公司的安全水平和利物銀潤産生重大(dà)影響之前進行預測。施耐德電土得氣公司報告稱，應用物聯網支持的預測性維護解決方案可幫助公司節省4火雨00萬美元。

 

　　▲提高運營效率

　　物聯網驅動的預測性維護解決方案通(t愛問ōng)過提高操作的靈活性和敏捷性來提高資(zī)産利用率和生産亮現力。通(tōng)過比較多種設備的運行數據，物綠體聯網解決方案有助于評估機器(qì)的利用家頻率，确定最佳性能周期，并建立最佳實踐，以改善整個油氣供應鍊（從勘探到精煉）的雨很性能。

 

　　▲減少環境足迹

　　雖然石油和天然氣行業産生了29%的甲烷排放，但甲烷的溫室效應是二氧化碳的年兒86倍。僅在美國，由于洩漏，石油和天然氣行業每年都會得秒(huì)向環境中排放100萬噸甲烷污染物。工(gōng)業物通關聯網幫助石油和天然氣公司識别并減少管道洩漏，從而減少一吃對環境的破壞。

 

　　挑戰和局限性

　　盡管石油和天然氣行業是預測性維護解決方案的最做遠有希望和最成功的采用者，但仍有一些局限性使采用變得(de坐影)複雜：

 

　　▲将傳統設備連接到物聯網解決方案

　　石油和天然氣公司多年來一直在使用諸如(rú)SCADA雪林（監控和數據采集）這樣的管理系統。然而，80%的傳統設備連接到本地學信網絡，并且不(bù)能跨TCP/IP網絡運行。弟場盡管有物理網關可以在傳統系統和新協議之間轉換，但集成挑戰仍有待解決。

 

　　▲需要有足夠數量的資(zī)産數據

　　為(wèi)了進行可靠的預測，需要在機器(qì)的整個生命河友周期中收集傳感器(qì)數據集，并指示可識别的故障。收集所需的數據量知通可能需要長(cháng)達一年的時(shí)間，這可能會電日(huì)延遲解決方案的實施。

 

　　▲在網絡覆蓋率低(dī)的地區工(gōng)作

　　石油和天然氣作業需要多種多樣的複雜資(zī黑員)産，這些資(zī)産往往在網絡信号差的偏遠、難以進入的地區運行算河。通(tōng)信網絡中斷可能會(huì)答了導緻資(zī)産數據不(bù)可用或延遲可用，從而導緻錯(cuò)過故障信号，飛紅并最終導緻設備故障。

 

　　總結

　　物聯網驅動的預測性維護可用于提高整個石油和天然氣行業的設備雪玩可靠性，從勘探和開(kāi)采開(kāi)始，經過存儲和運輸，直到精煉和加工(票聽gōng)。美國能源部表示，将物聯網驅動的解決方案應用于設備維姐微護，有助于石油和天然氣公司将産量提高25%，維護成本降低(dī)30%，設備停機草機時(shí)間減少45%。

 

　　聲明：本文源自電子(zǐ)說(shu器一ō)，版權歸原作者或原出處所有。