IoT, AI, dan Edge Computing Merevolusi Operasi Industri Minyak
Setiap tahun, IoT berkembang untuk mengadopsi kemampuan baru dan menjangkau wilayah baru, dan sekarang industri minyak matang untuk transformasi digital.
Barcelona, IoT Solutions World Congress – Industri minyak, terutama di area produksi, masih beroperasi dengan sebagian besar peralatan dan standar keamanan yang ditetapkan selama abad ke-20.
Sementara tingkat keamanan meningkat, dan industri berhasil menghindari kecelakaan dan bencana lingkungan yang lebih parah, kinerja operasional dan uptime sumber daya mereka belum membaik.
Beberapa operator dan perusahaan jasa, dengan alat pengumpulan data baru, analitik cloud, pembelajaran mesin, dan komputasi tepi, mulai melihat potensi IoT untuk menyediakan pemeliharaan prediktif, identifikasi kegagalan potensial, keamanan yang lebih tinggi, dan kinerja produksi yang meningkat dari bidang minyak mereka.
Selama sesi panel di IoT Solutions World Congress, Jonathan Carpenter, Kepala Strategi, Petrofac, memberikan gambaran umum tentang layanan mereka kepada pelanggan, dan bagaimana IoT dan analitik dapat menjadi pengubah permainan untuk industri. Dia menyebut konsep ini “Petrolytics.”
Biaya tinggi downtime
Petrofac mulai menyadari nilai alat digital satu tahun yang lalu, kata Carpenter, dan perusahaan memiliki percakapan internal yang mempertanyakan “…bagaimana kita dapat mengoperasikan pabrik, atau membangun pabrik, dengan lebih aman, membangunnya dengan biaya lebih rendah, tepat waktu, dan saat beroperasi, memiliki biaya operasional yang lebih rendah?”
Carpenter menyebutkan bahwa uptime rata-rata di Laut Utara, di mana banyak operasi Petrofac berada, adalah 73 persen saat ini. Untuk perbandingan, uptime pesawat penerbang rata-rata adalah 99,9 persen.
“Di industri minyak, kita menerima 73% secara rata-rata karena harga komoditas sangat tinggi, sehingga kita menjalankan ekonomi kita berdasarkan asumsi itu.”
Dengan visi itu, Carpenter mengatakan, Petrofac bertanya pada dirinya sendiri: “Bagaimana jika kita memiliki tawaran yang pelanggan antre untuk — jika kita dapat membangun pabrik setengah biaya, dan selalu tepat waktu, beroperasi dengan 100% uptime, dengan setengah biaya operasional?”
Model kegagalan sedikit untuk pembelajaran cloud
Salah satu tantangan terbesar dalam mewujudkan potensi teknologi baru adalah kurangnya data historis karena sensor lama di pabrik yang ada tidak dirancang untuk mengumpulkan dan menyimpan informasi, tetapi hanya untuk memperingatkan tentang gangguan. Artinya kurangnya data tentang kegagalan serius dari mana model pembelajaran mesin dapat mendapatkan wawasan. Dengan alasan yang baik, industri bekerja dengan standar dan prosedur keamanan yang ketat dan konservatif, berhasil menghindari jenis masalah yang ingin mereka analisis. Itulah sebabnya insinyur dan ilmu data harus melatih model pembelajaran mesin cloud secara dasar buta.
Sementara sebagian besar peralatan yang terinstal di pabrik produksi memiliki sensor primer beberapa, konektivitasnya terbatas, dan sebagian besar data yang dikumpulkan sensor tersebut dibuang.
Teresa Tung, Managing Director di Accenture Labs, yang bekerja sama dengan Petrofac pada analitik cloud, mengatakan mereka harus memanfaatkan pengetahuan teknisi dan insinyur yang bekerja di pabrik minyak tersebut untuk memahami masalah, mensimulasikan data yang mungkin telah dikumpulkan selama insiden dan melatih model dengan cara itu.
Masa depan adalah pabrik minyak otonom penuh
Menurut Carpenter, “Petrolytics” adalah salah satu blok konstruksi perusahaan dalam perjalanan menuju operasi ultra-efisien.
Dengan memanfaatkan pengalaman merancang dan mengimplementasikan analitik prediktif, dan data yang dikumpulkan dan diproses oleh perangkat tepi, mungkin untuk maju menuju pabrik yang dioptimalkan AI, dengan biaya operasional yang lebih rendah dan masalah pemeliharaan yang lebih sedikit. Akhirnya, kata Carpenter, mungkin untuk mulai berbicara tentang pabrik otonom penuh, di mana insinyur memantau operasinya menggunakan digital twin dan menjadwalkan operasi pemeliharaan di depan untuk mencapai 100% efisiensi.
“Ada studi yang dilakukan oleh World Economic Forum yang mengatakan bahwa di industri kami sendirian, ada lebih dari 750 miliar dolar nilai yang dapat diekstraksi oleh aplikasi AI, analitik, drone, dll. Angkanya potensial sangat besar,” kata Carpenter nanti.
Nilai Potensi Inisiatif dan Teknologi Digital di Minyak dan Gas, untuk Industri dan Masyarakat
“Ada pengakuan hari ini versus tiga tahun yang lalu bahwa ini telah bergerak dari konsep, ide, dan proyek penelitian, ke proyek nyata pada aset nyata, dan kita sebenarnya mulai melihat gelombang pertama solusi ini dikomersialkan,” katanya menutup.
