מבוא

במגזרי האנרגיה והתשתית המודרניים, שמירה על צינורות ביעילות חיונית לבטיחות, חיסכון בעלויות וצמצום ההשפעה הסביבתית.ההתפתחויות האחרונות בניתוח נתונים גדול מהפכה כיצד חברות ניגשות לתחזוקה של צינורות.על ידי מינוף כמויות עצומות של נתונים, ארגונים יכולים לחזות כישלונות פוטנציאליים לפני שהם מתרחשים, המאפשרות התערבות אקטיבית יותר.שינוי זה מתחזוקה חיזויית אינו רק שדרוג טכנולוגי; הוא מייצג שינוי בסיסי באסטרטגיה מבצעית, המונע על ידי צריכת הנפט, ולהפחית את רמת החיים הכימית, ולהפחית את רמת המים, ולהפחית את רמת המשתנים, ולהפחית את רמת המשתנים, ולהפחית את רמת המים.

רשת הצינור העולמית משתרעת על פני מיליוני קילומטרים, מעבירה את כל הנפט הגולמי לגז טבעי ומים הניתנים לעצירה.כל צינור כפוף לקורוזיה, לחץ מכני, עייפות חומרית ואיומים חיצוניים כגון נזק של צד שלישי או תנועת תחזוקה מסורתית מסתמכת על בדיקות מתוכננות או תיקונים חירום לאחר דליפה או קרע מתרחשת.

מהי תחזוקה של פיטוריית חיזוי?

תחזוקה של צינורות חיזוי כוללת ניתוח נתונים שנאספו צינורות כדי לחזות כישלונות עתידיים או בעיות.בניגוד תחזוקה תגובתית, אשר מגיב לאחר שהבעיה מתעוררת, תחזוקה חיזוי מטרות למנוע בעיות לחלוטין. גישה זו מפחיתה את עלויות תחזוקה, ומשפרת את הבטיחות.בבסיסה, תחזוקה חיזוי משתמשת בנתונים היסטוריים ומציאותיים כדי לבנות מודלים אשר מעריכים את החיים השימושיים של רכיבים, לזהות דפוסים, להקליד, ולטפל בתזמון אופטימלי.

המתודולוגיה שואבת מאוד מהנדסת אמינות וניטור מבוסס תנאי. אינדיקטורים ביצועים מרכזיים כגון קצב קורוזיה, אובדן עובי קיר, תנודות לחץ, וחתימות רטט הם במעקב לאורך זמן.כאשר בשילוב עם אלגוריתמי למידת מכונה, מדדים אלה יכולים לחשוף התנגשויות כי קבוצות אנושיות עלולות להחמיץ. לדוגמה, עלייה הדרגתית בטמפרטורה בשילוב עם ירידה קטנה ביעילות מצביעה על מוקדם של שלבים דחופים או חיזוי מוקדם יותר, מאשר כדי לאפשר התנגשויות בסיכון גבוה.

התפקיד של Big Data Analytics בניהול פילין

ניתוח נתונים גדול כרוך עיבוד כמויות גדולות של נתונים מובנה ולא מובנה כדי לחשוף דפוסים ותובנות. בניהול צינורות, מקורות נתונים כוללים קוראי חיישן, דוחות בדיקה, נתונים מזג אוויר, ו יומני ניתוח מתקדמים לנתח נתונים אלה כדי לזהות סימנים מוקדמים של תקלות פוטנציאליות.נפח הנתונים שנוצר על ידי מערכות ניטור צינורות מודרניים הוא staggering; צינור אחד יכול לייצר tbytes של מידע שנתי של אלפי חיישנים, מסד נתונים חיצוני, רשומות שדה נתונים חיצוני ורשומות שדה.

סוגים של נתונים שנאספו

רוחב הנתונים המשמשים תחזוקה של צינורות חיזוי מתרחב במהירות.

  • (FLT:0Corrosionחיישנים FLT:1) - חיישני אלקטרוכימי או קול המדיקים אובדן מתכת, צנרת, וסדקים. כלי בדיקה באינטרנט (חזירים חכמים) מצוידים בדלפת שפעת מגנטית (MFL) או בדיקת קולי (UT) שולחים פרופילים מפורטים.
  • (FLT:0) Pressure וזרימה מדידות (FLT:1) - SCADA (שליטה על-קולארית ורכישת נתונים) מערכות ללכוד לחץ, קצב זרימה וטמפרטורה בנקודות מרובות לאורך הצינור. Deviations מטווחים רגילים הם אינדיקטורים מוקדמים של חסמי, דליפות, או כשלי משאבה.
  • (FLT:0) ו-Vibration DataFLT:1 - Accelerometers רכובים על משאבות, שסתום, צינורות תומכים לזהות דפוסים רטטים חריגים הנגרמים על ידי cavitation, שחזור או עייפות מבנית. וניתוח Vibration יעיל במיוחד עבור ציוד רוטט אבל הוא גם מיושם על מנת לספק תמיכה ונקודות עוגן.
  • (FLT:0) תנאי חירום (FLT:1) - נתונים מזג אוויר (טמפרטורה, משקעים, מחזורי הקפאת-הצב), כימיה אדמה, פעילות סיסמית, ורמות שולחן מים משפיעות על סיכונים קורוזיים חיצוניים ותנועת קרקע. integraing נתונים חיצוניים משפרת את הדיוק הנבאטיבי, במיוחד עבור צינורות קבורים.
  • (FLT:0) Inspection and Maintenance recordsFLT:1, דוחות היסטוריים של בדיקות חזותיות, סקרי ציפוי, קריאה להגנה על קטוודית, ו יומני תיקון קודמים.המידע הלא מובנה הזה מכיל לעתים קרובות הקשר יקר שניתן להפיק באמצעות עיבוד שפה טבעית (NLP) טכניקות.
  • (FLT:0) אווירי ו-AVAV ImageryFLT:1, תמונות ברזולוציה גבוהה סקרים אינפרא אדום תרמי לזהות הפרעות קרקע, שינויים צמחייה, ותופעות טמפרטורה הקשורות לדלפות או ציוד מהתחממות יתר.
  • (FLT:0) חיישנים אקוסטיים (fiber-אופטימיים) אנדרופט 1:1 - חישה אקוסטית מחוספסת (DAS) באמצעות כבלים סיבים אופטיים מספק ניטור רציף של רטטים אקוסטיים לאורך כל אורך הצינור.זה יכול להצביע על חפירות צד שלישי, דליפות, וזרימה הפרעות עם דיוק ברמה מטר.

טכניקות אנליטיות עמוקות

בחירת הטכניקה האנליטית תלויה בסוג הנתונים, מצב הכישלון הספציפי נצפתה, ואת הזמן הנדרש להתערבות.רוב המערכות משלבות שיטות מרובות:

  • (FLT:0) אלגוריתמי למידת Machine LearningאלגוריתמיםFLT:1 - יערות אקראיים, ⁇ שיפור מכונות, ומכשירי וקטור תמיכה משמשים בדרך כלל לסיווג (למשל, דליפה / ללא דליפה) ותוקפנות (מתחת קיר) גישות למידה עמוקה, כגון רשתות עצביות מהפכתיות (CNN) על גבי נתוני לוח זמנים או תמונות, הם צוברים עבור דפוס פעולה מורכב.
  • (FLT:0) מודלים סטאטיסטיים של מודל FLT:1 - ניתוח זמני מסורתי (ARIMA, חלקה אקספוננציאלי) ושיטות Bayesian משמשים לזיהוי טרנד ו אי ודאות קוונטיזציה. Weibull ניתוח הוא כלי סטנדרטי עבור הערכת שיעורי כישלונות ואת מרווחי בדיקה אופטימליים המבוססים על תקופות חיים היסטוריות.
  • (FLT:0) Anomaly זיהויFLT:1 - אלגוריתמים בלתי מבוקרים (יער בידוד, קודים, נקודות נתונים של דגל מסוג אחד) המרחיקות באופן משמעותי מהתנהגות נורמלית של למידה.זה שימושי במיוחד לזיהוי מצבי כישלונות חדשים שאין להם דוגמאות קודמות בנקודת הנתונים.
  • (FLT:0) ניתוח ניתוח של אורביאל (FLT:1) - הידוע גם כניתוח זמן-לעוך, טכניקה זו מודלים ההסתברות כי פלח צינור ישרוד מעבר לזמן נתון.מודלים של סיכון יחסי של Cox משלבים קובארוטים כגון לחץ תפעול, טיפוס ציפוי, וקרקע התנגדות לייצר פרופילים בסיכון דינמי.
  • (FLT:0) עיבוד שפה טבעי (NLP)ראהFLT:1) - טקסט מדיווחים, יומני תחזוקה, ודיווחי אירועים מעובדים כדי להפיק אזכורים של קורוזיה, דליפות או תקלות בציוד. צינורות NLP להפוך טקסט לא מובנה לתוך תכונות מובנה כי להאכיל מודלים חיזוי.

נתונים לפעולה: סוללת העבודה החיזוי

קביעת מערכת תחזוקה חיזוי דורש גישה מובנית שנעה מאוסף נתונים גולמי להמלצות תחזוקה מעשיות.זרימת העבודה מורכבת בדרך כלל משלושה שלבים עיקריים:

רכישת נתונים ואינטגרציה

נתונים ממקורות נפרדים - רגישים, SCADA, כלי בדיקה, שירותי מזג אוויר וניהול נכסים ארגוני (EAM) מערכות - חייב להיות מצטבר לתוך אגם נתונים מאוחדת או מסד נתונים של זמן.צעד זה לעתים קרובות כרוך ניקוי ונורמליזציה כדי להתמודד עם ערכים חסרים, מחוץ לערים, ומכשירים לא עקביים של הדגימה.

הנדסה ומודל אימון

מהנדסים ומדענים נתונים משתפים פעולה כדי ליצור תכונות רלוונטיות: סטטיסטיקות מתגלגלות (mean, סטייה סטנדרטית מעל חלונות), תכונות תדירות-דומיין של Fourier הופכות, ואינדיקטורים ספציפיים דומיין כגון שינוי פוטנציאלי להגנה על קטוודית.התמונים עבור למידה מבוקרת דורשות מיפוי היסטורי זהירה: קטע שלא הצליח במועד מסוים מוקצה תווית כשל, והחיישנים קודמים הופכים לדוגמאות אימונים.

מעקב בזמן אמת ואזהרה

לאחר פרסו, המודל פועל ברציפות על זרמי נתונים נכנסים.כאשר ציון סיכון עולה על סף מוגדר מראש, התראה נוצרת ונצמדה לצוות התפעול באמצעות לוחות נתונים, הודעות סלולריות, או שילוב ישיר עם מערכות ניהול תחזוקה ממוחשבות (CMMS) האזהרה כוללת את המיקום, הערכה, והצעת חלון בדיקה.כמה מערכות מתקדמות מספקות גם מרווח אמון ורשימת גורמים תורמים (למשל, חיזוי גבוה) לאבחון מהיר של זמן (הת) לדגימה (הספקת חיזוי בפועל) של תאים מתקדמים (הספקודות) של תאים מתקדמים) לדגימה (הספקודות) של תאים מתקדמים (הת חיזוי זמן (הת חיזוי מהיר יותר) של תאים) של תאים מתקדמים (הספקודות) לדגימה (הספקודות) לדגמייתות) של תאים מתקדמים (מסוגיות (הספקודות) של תאים מתקדמים (מסוגיות (מתאים מתקדמים) של תאים מתקדמים) לאבחון מחדש של תאים מתקדמים (מסוגדים) של תאים מתקדמים (מספקומנת אבחון מחדש של תאים מתקדמים) לדגימה, האם הם למעשה, לדוגמה, לדוגמה, האם הציפוי תיבות של תאים מתקדמים) של תאים מתקדמים (הספקו של תאים מתקדמים) של תאים מתקדמים (

היתרונות של תחזוקה Big Data-Driven

יישום ניתוח נתונים גדול תחזוקה צינורות מציע יתרונות רבים שניתן לכמת ואיכותיים המשתרעים ברחבי הארגון:

  • (FLT:0) מחקרים בתעשייה מראים כי תחזוקה חיזויית יכולה להפחית את התאונות ב- 30–50% בהשוואה לאסטרטגיות אקטיביות או מבוססות זמן. לדוגמה, כלי טיס גדול דיווחו כי ניתוח חיזויי יכול להפחית את שיחות החירום שלה ב- 40% בתוך שנתיים.
  • (FLT:0) עלויות תחזוקה של אובדן-התחזוקה של עלויות FLT:1 - הימנעות תיקונים חירום מופחתת עבודה יקר-יתר, משלוח מתוכנן של חלקים, והפסדי ייצור.תחזוקה חיזוי גם מייעל את השימוש במשאבים על ידי התמקדות במאמצים על פי פלחנים בסיכון גבוה.מפעיל צינור יכול להפחית חפירות מיותרות ובדיקות לא הרסניות (NDT) על ידי 20-30%.
  • (FLT:0) בטיחות מכוונת לעובדים ולקהילות: 1) – פחות ממהדורות בלתי מתוכננות פירושו פחות מצבים מסוכנים כגון שריפות, פיצוצים או חשיפה רעילה.עבור צינורות הנושאים גז טבעי או נוזל תנודתי, הגנה זו היא קריטית.
  • (FLT:0) לתקן את חיי הצינור של החיים של ההרחבה 1 (בקיצור: על ידי התייחסות לנושאים בשלב מוקדם, מפעילי יכולים לבצע תיקונים יעילים יותר (למשל, תיקון מחדש או sleeving) ולא החלפת חלקים שלמים.זה מרחיב את חיי השירות של הנכס וממקסים את ההשקעה הון.חלק מפעילי הרחיבו את החיים התפעוליים ב-10-15 שנים באמצעות ניהול קורוזיה אקטיבית על ידי נתונים המונעים.
  • (FLT:0) סיכונים סביבתיים ממיניים של LT:1 - מניעת Leak מפחיתה ישירות את כמות המוצר המשוחרר לתוך אדמה, מים, או אוויר. קנסות ועלויות ניקוי נמנעים.בנוסף, תחזוקה חיזוי תומך עמידה במתן היתרים סביבתיים ומטרות קיימות על ידי הורדת פליטות מדלפות וסחרור.
  • (FLT:0)Imrovated רגולציה תאימות לציות לציות ל- 1FLT:1, תחומי שיפוט רבים דורשים מפעילי צינורות ליישם תוכניות ניהול יושר הכוללות הערכת סיכונים וזיהוי דליפות. Big Data Analytics מספק ראיות ניתנות לביקורת לגישה שיטתית, מונחת נתונים.
  • (FLT:0) יעילות תפעולית באמצעות תזמון מותאם אישית של תזמון 1) – תובנות חיזוי מאפשרות לצוותי תחזוקה לתאם עם לוח הזמנים של הייצור, צמצום זמני הפחתת זמן השבתה, הם יכולים לתכנן הפסקות במהלך תקופות של ביקוש נמוך או כאשר נתיבי אספקה חלופיים זמינים.

אתגרים ושיקולים

למרות היתרונות שלה, שילוב ניתוח נתונים גדול לתוך תחזוקה צינורות מתמודד כמה אתגרים משמעותיים כי ארגונים חייבים לטפל כדי לממש את היתרונות המלאים.

איכות נתונים וסטנדרטיזציה

מודלים חיזוייים הם רק טובים כמו הנתונים שהם מאומן על.שיעורים לא עקביים, סחף חיישן, פערי נתונים וטעויות כניסה ידניות מדגימות דיוק מודל. צינורות מורשת רבים חסרים כלי שיט מודרני, מה שהופך את זה קשה לאסוף מספיק מידע הכשרה. סטנדרטיזציה פורמטים נתונים על פני ספקים שונים, טכניקות בדיקה, ותקופות זמן הוא מאמץ הנדסי גדול.

סיכוני אבטחת סייבר

חיבור חיישני צינורות ומכשירי קצה לפלטפורמות אנליטיות מבוססות ענן מרחיב את פני השטח של ההתקפה עבור איומים ברשת.שחקן זדוני יכול לטבול עם נתוני חיישן כדי להסתיר דליפה או לגרום אזעקה כוזבת.הגנה על צינורות הנתונים מקצה לקצה - כולל הצפנה, פלח רשת וגישה מבוססת תפקידים - הוא חיוני.הטכנולוגיה המבצעית (OT) צריכה להיות קשה ללא הפרעה במערכות בקרה בזמן אמת.

מיומנויות גפר ושינוי ארגוני

יישום ניתוח נתונים גדול דורש שילוב של מומחיות דומיין (הנדסת פילין, מדעי החומרים) ומיומנויות מדע נתונים. ארגונים רבים נאבקים לשכור או להכשיר צוות המסוגל לבנות ולשמור על מערכות אלה.יתר על כן, שינוי מתרבות של "מצא ותיקון" כדי "צוותים מועדים למנוע" כרוך ניהול שינוי.תחזוקה צוותים עשוי בתחילה להתנגד התראות בהתבסס על אלגוריתמים הם לא בוטחים במודל שקוף ומעורבים בתחום פיתוח פונקציונלי, כולל ניהול משימות קריטיות.

מודל Interpretability ואימות

מודלים מורכבים של ארגז שחור כמו רשתות עצביות עמוקות יכול להיות קשה לפרש.כאשר מודל צופה כישלון מתקרב, מהנדסי תחזוקה צריכים להבין מדוע - אחרת הם עשויים להתעלם מהאזהרה או להתרגש במיקום הלא נכון. XAI (בינה מלאכותית) טכניקות כגון ערכי SHAP או LIME יכולים לספק תכונה ב-tribution.בנוסף, מודלים חייבים להיות מאומתים ללא הרף נגד תוצאות בדיקה נכונות כדי למנוע אזהרות, שבו יש להימנע מהפרעות לגיטימיות רבות מדי.

כיוונים עתידיים וחדשנות

תחום תחזוקה של צינורות חיזוי מתפתח במהירות, מונע על ידי התקדמות באינטליגנציה מלאכותית, מחשוב וטכנולוגיה חיישן.כמה מגמות מתעוררות מבטיח לשפר עוד יותר את הדיוק, המהירות וההיקף של ניתוח חיזוי.

בינה מלאכותית ולמידה עמוקה

מודלים למידה עמוקה, במיוחד רשתות עצביות חוזרות ונשנות (RNN) והופכים, מוחלים על נתונים רב-תחומיים של זמן כדי ללכוד תלות ארוכת טווח ואינטראקציות מורכבות בין זרמי חיישן.לדוגמה, מנגנוני תשומת לב יכולים ללמוד אילו שלבים זמן או ערוצי חיישן חשובים ביותר לחיזוי של מיקומים ספציפיים של כישלונות זמן (גנים) משמשים כדי לדמות תרחישים נדירים, הגדלת נתונים בטווח הקצר, כמו גם חיזוי נתונים חישוביים מרחוק, אפילו חיזוי מרחוק, כמו גם חיזוי נתונים.

תאומים

תאום דיגיטלי הוא העתק וירטואלי של צינור פיזי המתעדכן ללא הרף עם נתונים בזמן אמת וסימולציות מבוססות פיזיקה מתקדמות.על ידי שילוב מודלים מונעים נתונים עם מודלים הנדסיים ראשוניים (למשל, דינמיקות נוזליות, הפצה תרמית, ניתוח מתח), תאומים דיגיטליים יכולים לדמות "מה אם" תרחישים: מה קורה לשיעורי קורוזיה אם נגדל ב -10%?איך ישפיעו על רעידת אדמה בתנאי תחזוקה?

צוק איתן ו-5G Connectivity

עיבוד נתונים בקצה - על חיישנים, שערים או שרתים מקומיים - מחנכים הסתמכות על קישוריות בענן ומאפשר קבלת החלטות תת-שנית.לדוגמה, מכשיר קצה מצויד במודל ML קל משקל יכול לזהות לחץ קבוע בהגשת לוח זמנים של הפסקת קו ואוטומטי סגור באופן אוטומטי של שסתום חירום ללא המתנה פקודה מרחוק.

אינטגרציה עם מערכות לא ידועות

ד"רונים וכלי רכב תת-ימיים אוטונומיים (AUVs) מצוידים במצלמות, LiDAR, וחיישנים קוליים משמשים יותר ויותר לבדיקה של צינורות. Big Data Analytics יכולים לקבוע את המשימות האלה בהתבסס על ציוני סיכון: פלח שדגם החיזוי מקבל עדיפות על פני השטח של ראיית מחשב תהליך התמונה שנאספו כדי לזהות נזק ציפוי, נקודות קורוזיה, או מזהמים של צד שלישי.

מסקנה

ניצול ניתוח נתונים גדול עבור תחזוקה של צינורות חיזוי מייצג צעד משמעותי בניהול תשתיות.על ידי רתום תובנות המונעות על ידי נתונים, חברות יכולות לשפר את הבטיחות, להפחית עלויות, ולהבטיח את הפעולה אמינה של רשתות צינור חיוניות.הלחתוך טכנולוגיות אלה יהיה חיוני כמו התעשייה נעה לכיוון מערכות תחזוקה חכמות יותר, יותר עמידות ניהול נכסים.המעבר דורש השקעה בתשתיות, אבטחת מידע, ובירת אנוש, אבל בתנאים פחותים של תאונות סביבתיות, החל ממערכות ניהול תחרותיות יותר, כמו גם יותר, החל ממערכות ניהול נכסים מתקדמות יותר.

(ב) לקריאה נוספת על תקני התעשייה ועל מחקרים, ראה את המשאבים של FLT:0API מומלץ תרגול 1173 עבור ניהול אינטגרטיבית פירעון (Pipeline Integrity ManagementFLT:1), לחקור את המשאבים של 2ASME על מערכות צינורות (FLT 373) ולבחון את מחלקת האנרגיה של אנרגיה ומחקר גזים:2ASME עבור פרויקטים במימון ציבורי בחיזוי טכנולוגיות מקיף של USFtu, בנוסף ל- 7.