Главная » Блоги Экспертов И ИТ-Компаний » IoT, SCADA и оптимизация активов

IoT, SCADA и оптимизация активов

Внедренные в SCADA системы IoT, несомненно, со временем сыграют важную роль в оптимизации активов нефтегазовой отрасли.

В нашей предыдущей статье мы рассказали о том, как технология SCADA достигла предела эффективности и почему она больше не позволяет компаниям повысить эффективность операционных процессов без внедрения сопутствующих IoT-систем.

В системе SCADA можно использовать серверы архивных данных, чтобы собирать, каталогизировать и затем анализировать данные с различных устройств. Однако возможности такого устаревшего подхода к анализу очень ограничены. Подобный анализ даст ответ на вопросы типа «Какой вчера была средняя температура клапана в устройстве X?» Но он не сможет оценить вероятность того, что этот клапан сломается в течение следующих восьми часов, и тем более не поможет устранить дефект (а то и вовсе сделать это в автоматическом режиме), чтобы предотвратить внеплановую остановку оборудования или серьезную аварию.

Тут на помощь приходит IoT: он поможет вашей компании четко понять, как заставить активы служить дольше и функционировать лучше, а, следовательно, повысить эффективность работы.

Много раз было доказано, что активы с более долгим жизненным циклом и с меньшим количеством внезапных сбоев повышают ценность бизнеса. К примеру, стоимость простоя оборудования из-за поломки на среднестатистическом нефтеперерабатывающем заводе составляет от 0,34 до 1,70 млн. долл. США в день в зависимости от уровня доходности на тот период.

В электроэнергетике, благодаря продвинутым IoT-системам управления распределением, время отключения электричества сократилась на целых 60 минут, поскольку они точно прогнозируют место возможной аварии и ее причину. Помимо этого, по данным Business Insider, к 2035 году компании сэкономят 157 млрд. долларов США благодаря использованию интеллектуальных IoT-счетчиков.

Модель зрелости оптимизации активов

Сегодня дорогостоящие внеплановые остановки оборудования — это практическая неизбежность. Чтобы их предотвратить, компании зачастую создают избыточные системы или осуществляют излишнее техническое обслуживание, меняя масло раньше положенного срока или вполне работоспособные подшипники.

Если компании будут более точно рассчитывать вероятность отказа оборудования, то смогут отложить техническое обслуживание или замену деталей без дополнительного риска, до тех пор пока не возникнет реальная потребность, подтвержденная данными. Во многих случаях можно будет также отказаться от избыточности системы.

Модель зрелости оптимизации активов ясно покажет, как увеличить эффективность операционных процессов и при этом повысить выгоду. Эта модель определяет пять уровней зрелости.

M1: на этом уровне ведется эксплуатация систем до выхода из строя или, в лучшем случае, практически до этого момента. Это предел для реакционных систем управления активами. Как правило, операторы не имеют информации о статусе оборудования до тех пор, пока не получат тревожное уведомление, означающее необходимость его замены. Такой подход приемлем для одних активов, однако у других он может привести к серьезным последствиям, включая внеплановую остановку производства.

M2: мониторинг состояния в реальном времени. На этом уровне операторы контролируют состояние оборудования в реальном времени и, возможно, получают предупреждения о превышении основных рабочих параметров (температуры, давления, напряжения и т. п.). Это по-прежнему реакционный подход, но он хотя бы позволяет заранее получить уведомление о возможном сбое в надежде, что будет своевременно выполнен ремонт.

M3: прогнозное обслуживание на основе правил. На этом уровне действующие нормы определяются путем анализа статистических данных об эксплуатации оборудования. Когда обнаруживаются отклонения от этих норм, операторы получают детализированное уведомление о необходимости технического обслуживания, определенное неизменными, заранее заданными правилами. На этом уровне возможна работа с мобильными устройствами.

M4: прогнозное обслуживание на основе динамического потока данных. На этом уровне точность прогнозирования необходимого технического обслуживания существенно повышается, поскольку прогноз строится на основе данных, поступающих в реальном времени. Такой поход позволяет оптимизировать техническое обслуживание активов, чтобы избежать затрат в связи как с недостаточным, так и избыточным ТО. Кроме того, на уровне M4 используются задокументированные процедуры операционных процессов и контроль соответствия нормативным требованиям.

M5: оптимизация производства. На самом высоком уровне зрелости еще больше повышается точность прогнозной аналитики, благодаря взаимной корреляции между типами активов. Набор данных, на основе которого делаются прогнозы, обогащается внешними данными. В случае необходимости для сбора информации используются дроны. Рабочие смены планируются исходя из состояния системы.

Эти пять уровней являются ступенями перехода системы от реактивной к профилактической, а затем к прогнозной. В нашей следующей статье мы обсудим эволюционный подход к повышению эффективности операционных процессов.

Внедренные в SCADA системы IoT, несомненно, со временем сыграют важную роль в оптимизации активов нефтегазовой отрасли. Хотите узнать больше? Скачайте нашу электронную книгу


Данный материал является частной записью члена сообщества Club.CNews.
Редакция CNews не несет ответственности за его содержание.
2 месяца назад
Комментарии
Другие публикации
RU, Москва
8 (495) 212-09-80
Информационные технологии

Забыл пароль?
Авторизоваться через
Зарегистрируйся сейчас!
Присоединяйся к нашему обществу для того чтобы познакомиться с новыми людьми, создать собственный блог, публиковать анонсы событий и объявления, а также участвовать в обсуждении публикаций CNews. Мы создали единое пространство для общения специалистов рынка информационных технологий и всех, кто интересуется современными технологиями. Регистрация =>