Cách giám sát thông minh giúp đảm bảo an toàn cho đường ống

Giám sát thông minh:ty le keo ma cao sử dụng Enterprise Analytics để giám sát hiệu suất của nhóm nén của mình.

Hầu hết chúng ta đều biết rằng việc có một chiếc ô tô chạy tốt là yếu tố then chốt đối với chất lượng cuộc sống của chúng ta.

Ngay cả một ngày đưa ô tô vào cửa hàng cũng có những chi phí và hậu quả mà chúng ta muốn tránh.

Vì vậy, mặc dù đây có thể không phải là nhiệm vụ dễ chịu nhất nhưng chúng tôi nghiêm túc đưa xe đến cửa hàng định kỳ để nhờ chuyên gia xác định những điều nhỏ nhặt có thể trở nên xấu xí sau này. Chúng tôi hành động ngay bây giờ để tránh chi phí và sự bất tiện khi phải trả tiền thay thế tạm thời—hoặc tệ hơn là vĩnh viễn.

Hãy tưởng tượng nếu thay vì thỉnh thoảng đến gặp thợ máy để kiểm tra, bạn có thể nhận được thông tin tương tự mà không cần phải mất thời gian trong lịch trình bận rộn của mình. Và sau đó hãy tưởng tượng có thông tin đó hàng ngày.

Giám sát thông minh

Loại thông tin đó có giá trị bao nhiêu đối với bạn?

ty le keo ma cao's U.S. Gas Operations đã đi tiên phong trong việc sử dụng nền tảng có tên Enterprise Analytics để thu thập và chuyển tiếp thông tin về hiệu suất của một số tài sản đường ống nhất định. Sau đó, thông tin này sẽ được cung cấp cho các chuyên gia có thể xác định các lỗi tiềm ẩn và thực hiện hành động để ngăn chặn chúng.

Nền tảng Phân tích doanh nghiệp là kết quả của chương trình độ tin cậy nhiều mặt kêu gọi chuyên môn kỹ thuật nội bộ trong mối quan hệ hợp tác chặt chẽ với nhà cung cấp phần mềm OSIsoft. OSIsoft cung cấp “cơ sở hạ tầng mở để kết nối dữ liệu, hoạt động và con người dựa trên cảm biến để kích hoạt trí thông minh theo thời gian thực”.  

ty le keo ma cao, giống như tất cả các hệ thống đường ống hiện đại, có mạng lưới thu thập dữ liệu dựa trên cảm biến rộng khắp. Các mạng này có nhiều dạng, bao gồm hệ thống SCADA, lịch sử địa phương, nguồn cấp dữ liệu HMI và các dạng khác. Hàng trăm nghìn luồng dữ liệu dựa trên cảm biến cung cấp lượng thông tin khổng lồ và hỗ trợ vô số quy trình kinh doanh.

“Enterprise Analytics ‘lắng nghe’ hàng nghìn điểm dữ liệu quan trọng theo thời gian thực đến từ các cảm biến và áp dụng tính năng phát hiện bất thường để xác định sự xuống cấp chức năng của tài sản trước khi xảy ra lỗi chức năng,” Matt Parks, Giám đốc Độ tin cậy cho biết.

Enterprise Analytics sử dụng một loạt thuật toán (các quy tắc logic để giải quyết vấn đề) để xác định xem một nội dung cụ thể có hoạt động trong các thông số thông thường hay không. Nếu hành vi bất thường, Enterprise Analytics sẽ thông báo cho chuyên gia.

"Thuật toán cho biết: 'Đây là một điều kiện. Đã xảy ra sự cố. Đơn vị này sẽ thất bại nếu bạn không làm gì đó'," Parks giải thích.

"Nền tảng Phân tích doanh nghiệp là trụ cột cơ bản trong chương trình độ tin cậy của chúng tôi. Nền tảng này cho phép chúng tôi xác định sự xuống cấp trước khi xảy ra lỗi, dự đoán lỗi và ngăn lỗi xảy ra bằng cách thực hiện các biện pháp khắc phục một cách có chủ ý và kịp thời," Keary Rogers, Giám đốc Năng lượng TC, Độ tin cậy cốt lõi cho biết.

Parks ước tính rằng Enterprise Analytics đã giúp tránh được hơn 7 triệu USD chi phí cho các tài sản của U.S. Gas Operations East chỉ trong năm 2016.

“Điều đó chưa tính đến doanh thu bị mất đi khi một thiết bị bị hỏng và sản lượng bị cắt giảm,” ông nói thêm. “Tất cả đều nhằm mục đích tránh chi phí và thu hồi chi phí.”

Chương trình Enterprise Analytics đã được triển khai trên 97% nội dung nén của Đường ống Columbia và hiện đang chuẩn bị triển khai ở các đường ống ở Miền Tây Hoa Kỳ. Cũng có thể áp dụng cho các hoạt động lưu trữ ở Hoa Kỳ, một ngày nào đó nó có thể được sử dụng trên toàn bộ ty le keo ma cao.

Theo hướng dữ liệu:Hệ thống Enterprise Analytics phân tích hàng nghìn điểm dữ liệu quan trọng theo thời gian thực đến từ các cảm biến.

Thông tin chi tiết có giá trị

“Kiến thức mà chúng tôi nhận được từ Enterprise Analytics cung cấp cho chúng tôi thông tin chi tiết về hiệu suất của nhóm của chúng tôi, điều mà 15, 10 hoặc thậm chí 5 năm trước không thể thực hiện được,” Rogers cho biết.

"Ngoài việc phát hiện điểm bất thường, chúng tôi muốn sử dụng công cụ này để hiểu các sắc thái trong cách chúng tôi vận hành toàn bộ nhóm của mình. Thông qua Học máy (một phương pháp sử dụng các mô hình và thuật toán phức tạp có thể tìm hiểu và đưa ra dự đoán về dữ liệu), chúng tôi có thể tích hợp dữ liệu, so sánh các chỉ báo hiệu suất chính giữa các đơn vị giống nhau để xác định hiệu suất kém hiệu quả và hiện sử dụng Thông tin vận hành mới này để đưa ra các quyết định dựa trên dữ liệu cho chúng tôi nhóm nén.”

Tất cả là nhằm cải thiện hệ thống tốt hơn.

“Chúng tôi lấy dữ liệu và chuyển đổi dữ liệu đó thành kiến ​​thức để có thể thực hiện hành động nhằm nỗ lực cải tiến liên tục,” Parks cho biết.