L'IA est là, et elle aide à la maintenance prédictive dans le champ pétrolifère

Dec 14, 2023

Pour les compagnies pétrolières dont le travail consiste à convertir des barils en dollars, l'ennemi est le temps d'arrêt. Les temps d'arrêt peuvent entraîner des barils perdus, et donc une perte de revenus. Les temps d'arrêt imprévus sont les pires contrevenants. Lorsque quelque chose ne va pas, et qu'il n'y avait aucune indication que des problèmes se produisaient, cela peut mettre la production hors ligne plus longtemps que prévu. Maintenir les opérations à plein régime est important à la fois pour la santé du champ et pour les résultats du producteur.

Jusqu'à récemment, la meilleure façon de garder les choses en marche était la maintenance préventive. C'est-à-dire des temps d'arrêt régulièrement programmés pour l'examen de l'équipement pour une éventuelle usure et un éventuel remplacement. Le hic sur l'entretien préventif, c'est qu'il est parfois inutile. Un examen de l'équipement trouvera tout en ordre, puis vous aurez mis votre flux de production hors ligne pour rien.

Aujourd'hui, les industries pétrolières et autres se tournent davantage vers la mise en œuvre du modèle de maintenance prédictive. La maintenance prédictive a besoin de données, en grande quantité, pour prédire avec précision quand quelque chose se passe ou se passera mal. Ces modèles peuvent être formés pour prévoir les pannes possibles avant qu'elles ne surviennent. Pour ce faire, il utilise un réseau de capteurs qui effectue des lectures de l'équipement. Ces lectures peuvent ensuite être comparées à des lectures historiques pour évaluer la santé de l'équipement.

La dernière maintenance prédictive utilise l'intelligence artificielle (IA) et l'Internet des objets (IoT) pour obtenir la lecture la plus précise possible. Cela permet une approche plus proactive lors de l'inspection, en diagnostiquant tout problème et en proposant une solution. Les temps d'arrêt prévisibles deviennent plus importants à mesure que l'infrastructure des champs pétrolifères vieillit et est plus sujette aux interruptions de service. Un compresseur de 20 ans n'est probablement pas fabriqué selon la même conception, avec les mêmes matériaux ou n'utilise pas la même technologie qu'un compresseur de 2 ans. Toutes ces choses doivent être prises en considération lors de l'utilisation d'un modèle de maintenance prédictive.

Un ajout plus récent à la trousse d'outils de maintenance prédictive est l'utilisation d'un jumeau numérique. Les jumeaux numériques sont devenus populaires au cours de la dernière demi-décennie dans le forage de puits complexes à des fins de surveillance et d'optimisation. Dans la maintenance prédictive, les jumeaux numériques peuvent générer des données à combiner avec des données de capteurs et aboutir à de meilleurs algorithmes pour prédire les comportements des équipements. En utilisant le jumeau numérique pour créer des scénarios de panne d'équipement, l'industrie peut mieux former les programmes pour rechercher les pannes dans l'équipement réel.

De plus en plus d'entreprises introduisent la maintenance prédictive basée sur l'IA dans l'espace pétrolier et gazier. SparkCognition considère l'apprentissage automatique et l'IA comme la voie vers un meilleur paradigme de maintenance. Si une plate-forme offshore de 200 000 B/D ne subit que 12 heures d'arrêt imprévu, cela peut entraîner jusqu'à 8 millions de dollars de production différée.

"La maintenance prédictive s'apparente à un dispositif médical portable, comme un bracelet qui scanne en permanence le corps d'un patient, examine chaque aspect de sa santé au cours de sa journée et évalue en permanence les résultats en temps réel", selon le site Web de l'entreprise. . "Ce dispositif pourrait alors informer le patient qu'il doit consulter un médecin pour un traitement médical afin d'éviter une crise cardiaque qu'il aura sinon à une date précise. De la même manière, le diagnostic proactif de l'actif offshore permettrait aux opérateurs en amont de anticiper et atténuer les défaillances avant qu'elles ne se produisent."

Un rapport de novembre 2021 d'IoT Analytics a estimé que le marché de la maintenance prédictive de 6,9 ​​milliards de dollars atteindrait 28,2 milliards de dollars d'ici 2026. Il a également estimé que le nombre de fournisseurs passerait d'environ 100 à plus de 500 au cours de la même période.

Shell se concentre sur la sécurité assistée par l'IA dans ses opérations

"C'est une forme de surveillance proactive… sur les stéroïdes", a expliqué Neisha Kydd, responsable de la sécurité des opérations pour Shell, Golfe du Mexique, aux participants au récent OTC en mai concernant le déploiement par Shell d'une surveillance basée sur les exceptions. La surveillance basée sur les exceptions existe depuis un certain temps, mais son mariage avec l'IA et d'autres opérations d'apprentissage automatique a avancé des algorithmes plus complexes pour prédire quand quelque chose pourrait mal tourner. Il extrait des millions de points de données dans une source unique, puis applique des algorithmes pour permettre aux utilisateurs de détecter un script ou un indice d'anomalies prédéfinies.

"Cela nous permet d'avoir des interventions précoces avant que nous n'ayons réellement des incidents de sécurité", a déclaré Kydd. "Cela nous permet de garder les gens hors de la ligne de feu et de les protéger. Ainsi, pour nous chez Shell, l'utilisation de notre surveillance basée sur les exceptions est principalement pour la sécurité des civils. Pour nous, ils doivent aller de pair ."

En 2022, Shell a mené un exercice d'examen de la sécurité, revenant sur 5 ans d'incidents majeurs au sein de l'entreprise pour isoler les thèmes ou fils conducteurs qui ont traversé les incidents. L'une des conclusions était que de nombreux incidents de l'entreprise se produisaient sur ses systèmes auxiliaires. L'entreprise avait concentré les utilisations initiales de l'IA sur les équipements qu'elle jugeait à haut risque, comme l'intégrité des puits. Cependant, cette même rigueur autour de ses systèmes de compression d'air, de son instrumentation, de ses fusées éclairantes, de ses épurateurs n'était pas là, et c'est là que bon nombre des incidents majeurs se sont produits.

Un autre modèle de système révélé par l'exercice était que l'état de l'équipement et des processus sur le terrain ne correspondait pas aux attentes dans les bureaux de Shell. L'entreprise avait des ingénieurs au bureau qui prenaient des décisions, écrivaient des procédures et envoyaient des travaux à exécuter sur le terrain, avec la conviction que l'état d'une pièce d'équipement était d'une certaine manière. Ce que Shell a trouvé, ce sont des écarts entre cette croyance au bureau et ce qui se traduisait sur le terrain.

"Alors, la question se pose, comment utilisons-nous l'intelligence artificielle pour aider à combler cet écart afin que les données en temps réel que nous obtenons sur le terrain imitent et reproduisent ce que la vue de première ligne voit réellement", a demandé Kydd. "Ce sera la prochaine partie de notre formation. Ce sera notre prochain objectif principal. Nous avons tous ces excellents systèmes en place, nous avons tous ces grands esprits en place, mais si nous ne les utilisons pas pour prévenir les incidents, alors qu'avons-nous vraiment ?"

La prochaine étape de Shell est de centraliser ses centres de données dans les Amériques. Actuellement, il y en a deux : The Bridge à la Nouvelle-Orléans et The Ark à Trinidad. En unifiant les centres de données, Shell espère parvenir à la standardisation de ses processus pétroliers, la clé d'un déploiement réussi de l'IA.

Oxy cherche à pousser l'échelle avec l'aide de l'IA

Pour Occidental Petroleum, la maintenance prédictive consiste à utiliser l'IA et l'apprentissage automatique pour atténuer les événements imprévus. Les données générées sont introduites dans des modèles d'IA pour donner des prédictions basées sur des événements historiques. Ce n'est pas nouveau dans le domaine pétrolier, mais les nouveaux modèles d'IA aident à propulser cela dans cette prochaine évolution de l'analyse prédictive et de l'apprentissage, qui est le système qui s'enseigne et apprend, offrant ainsi de meilleures prédictions.

"Il n'y a qu'un seul problème que nous essayons tous de résoudre, et c'est l'échelle", a déclaré Mansoor Nazar, directeur, architecture d'entreprise et technologies émergentes chez Occidental. "Comment évoluez-vous ? Comment évoluez-vous vers une approche plus grande et plus innovante pour pouvoir faire de plus grandes choses ? Pour pouvoir faire plus de choses avec ce que vous avez déjà. L'IA est l'un de ces outils qui vous aide essentiellement à y parvenir. . Le cloud est le niveau un. Parmi les problèmes que nous essayons de résoudre, l'un d'entre eux concerne les événements imprévus. C'est la chose la plus malheureuse qui puisse arriver, en particulier dans une installation offshore. Alors, comment atténuer cela ? Comment créer l'analyse prédictive ?"

Oxy a introduit plus de robots et de drones dans ses opérations pour effectuer certaines des tâches qu'un humain effectuerait normalement. L'humain peut alors se concentrer sur un travail plus productif. L'entreprise s'efforce également d'utiliser une technologie de caméra prise en charge par l'IA dans les installations afin de mieux détecter et prévoir l'activité de corrosion, à la fois en surface et sous-marine, lorsqu'il s'agit d'actifs offshore.

"Et si nous pouvions utiliser ces caméras pour ensuite implémenter une intelligence basée sur l'IA dans le système, comme vos caméras peuvent être aussi belles que vos yeux", a déclaré Nazar. "Les caméras ne sont pas assez intelligentes, mais si vous implémentez l'intelligence artificielle en plus de cela, vous pouvez détecter la corrosion à travers ces caméras, ou par d'autres moyens utilisant l'IA."

Au-delà de l'échelle, la question de l'abondance des données et de la garantie de leur qualité est une autre question qui se profile pour l'industrie de l'énergie. Oxy investit actuellement dans la création d'une base de données dans son environnement cloud pour faire face à la croissance massive des données que la modernisation et l'IoT ont entraînée.

"Je recommande fortement que nous investissions tous dans l'adoption du cloud autant que possible, non pas parce que nous voulons migrer depuis nos centres de données, mais parce que le cloud vous offre ces capacités prêtes à l'emploi", a ajouté Nazar. "Cela vous donne un coup de pouce pour bon nombre de ces opportunités. Vous n'avez pas besoin de créer un travail de base pour pouvoir faire tout ce dont je parle. Le cloud vous donne cela pour que vous puissiez vous concentrer uniquement sur vos cas d'utilisation. "

L'utilisation de l'IA soulève de nombreuses questions concernant la confidentialité, le respect de l'éthique et les préjugés, mais il existe également des problèmes de technologie, d'informatique et de processus à résoudre.

"Ce n'est pas un voyage facile", a expliqué Nazar. "L'IA n'est pas un produit que vous pouvez simplement acheter sur étagère et mettre en œuvre. C'est quelque chose dans lequel vous devez investir massivement. Ce que nous avons fait chez Oxy, c'est former une équipe interfonctionnelle avec des experts en la matière de toute l'organisation. Parce que ce n'est pas un problème informatique. C'est un problème d'entreprise. Vous avez besoin de votre conseiller juridique, vous avez besoin de votre chaîne d'approvisionnement, vous avez besoin de votre personnel de marketing, vous avez besoin de votre personnel d'exploitation, vous avez besoin de vos gens de forage, vous avez besoin de vos géoscientifiques, ils ont tous besoin de se réunir et de proposer tous les cas d'utilisation que vous avez pour l'intelligence artificielle."