数据分析

使用数字功能最小化故障和维护工作

传统的石油管网故障检测方法越来越不能有效地检测出异常。2016年,壳牌的圣巴勃罗湾石油管道在加州特蕾西镇附近破裂,900多桶原油泄漏到周围的土壤中。

即使随着复杂技术的出现,大多数公司也部署了过时的以人为中心的基于纸张的资产检查方法。这些活动在自然界中是严格和具有挑战性的,很多时候工人必须在偏远和危险的地形以及恶劣的天气条件下进行。这占用了运营预算的很大一部分,公司在资产检查和监控上花费了数十亿美元。据统计,仅石油和天然气行业每年的花费就超过370亿美元,而欧洲的铁路公司每年在检查上的花费约为54亿美元。但仍然存在人为失误的可能性,这可能会导致一些异常被忽视。从长远来看,这可能会对资产造成严重损害,并对工作人员和用户的健康造成危害。迫切需要在目前的检查过程中克服这些挑战,为此,有效地应用技术是必不可少的。

检查上百万英里的铁路?自适应检查系统使其变得简单

有效地实施自主代理(无人机、机器人等)、传感器融合和这些众多代理的编排等技术,有助于以新的方式进行检查和资产管理。一个自适应检查管理系统,包括多个自治代理,收集连续图像,并进行详细分析,以识别可能的异常。该系统能够实时报告风险类型和异常的确切位置。像控制中心这样的关键平台和启动器不断地监视、创建或修改系统和在其中操作的多个代理的行动计划。通过数字孪生集成分析平台和学习系统,可以帮助维护人员有效识别异常和操作偏差,进行根本原因分析,并生成更有效的预测性维护计划。

为了更好地理解它,让我们看一个铁路线路检查的用例可以通过一个适应性的检查管理系统来增强。目前大多数的钢轨检测方法都是使用带有各种传感器的检测车沿轨道移动。这需要花费大量的时间来检查,而且如果有障碍物挡住轨道,这是无效的。通过自适应检测管理系统,控制中心部署了多架无人机,定期导航整个铁路网络,拍摄实时图像与坐标。

无人机的机载边缘计算能力确保符合规定,同时能够实现精确定位、扫描和深度重扫描——特别是在发现异常的地方——以获得最合适的图像。这些图像被发送到检查管理平台进行进一步分析,在那里调用异常管理和维护工作流(以人为中心或自主),只需最少的人工干预。目前的自适应控制中心也有一个鸟瞰agent,并帮助协调他们的活动,以最有效的方式进行检查。这减少了时间和检查错误,从而提高轨道维修和维护的有效性。

使用数字功能最小化故障和维护工作

自适应系统在提高过程有效性方面发挥突出作用的其他例子包括:使用自主机器人对水下资产和管道的检查,使用无人机进行风力减弱和涡轮机检查,基于物联网的机械检查,高层建筑和烟囱检查,电网和输电线路检查和资产/建筑检查保险索赔。所有这些都在软件、硬件或传感器中使用某种形式的智能功能,以实现自适应的检查管理方法。

适应性检查管理系统的机制

自适应检查管理方法包括多个代理(自动引导车辆、无人驾驶飞行器和固定摄像机)的协调,以获取、处理和管理生命周期内的检查证据,并与补救工作流程集成。目标是扩大覆盖范围,减少覆盖检查区域的时间。

四个支柱的适应性检查管理系统

具有实时动态异常感知、增强安全性、持续主动监控等优点的自适应检查管理系统,必将提高各部门流程的有效性和效率。适应性检测无论是通过提高劳动生产率、减少错误还是节省时间和成本,都将在面向未来的行业中发挥至关重要的作用,并增强检测和维护创新的前景。