Digitale tweeling belangrijk voor optimalisatie assetmanagement

7 maart 2018

Bedrijven moeten inspringen op technologische innovaties om zich in 2018 en in de toekomst te onderscheiden. Ze kunnen hierbij profiteren van de snelle opmars van sensoren, big data en analysetechnieken in combinatie met de ontwikkelingen in asset performance modeling, reality modeling en 3D-weergaven van de bedrijfsprocessen. Dit artikel behandelt de problemen en de oplossingen, waarbij in eerste instantie is uitgegaan van de dagelijkse praktijk in de olie- en gasindustrie, maar waarin oplossingen worden besproken die van belang zijn voor elk bedrijf dat te maken heeft met het beheer en onderhoud van assets.

 

Door Richard Irwin

In elk bedrijf kunnen de efficiëntie en prestaties alleen worden geoptimaliseerd als iedereen samenwerkt, maar in de praktijk is dat soms moeilijker te realiseren dan het lijkt. In de olie- en gasindustrie zou het bijvoorbeeld ideaal zijn als de exploratie contact houdt met de productie, als de productie samenwerkt met de operationele sector, die op zijn beurt weer synchroniseert met het inspectieteam, enzovoort. Met andere woorden, een naadloos verbonden omgeving voor het management van de diverse ondernemingsactiviteiten en het zichtbaar maken van inefficiënties.

technologische innovaties

Asset- en data-intensieve ondernemingen hebben een gunstige positie om voordeel te halen uit machine learning.

Zo heeft bijvoorbeeld Emerson Process Management, een leverancier van producten, diensten en oplossingen voor procesgerelateerde operaties, een data control center opgericht dat teams van verschillende afdelingen en op diverse locaties verenigt in een centrale hub met state-of-the-art technologie voor communicatie, overleg, analyse enzovoort. Dit geïntegreerde control center, iOps genoemd, gebruikt de AssetWise Operational Analytics-software van Bentley. Het iOps helpt klanten om de omstandigheden van hun activiteit snel te simuleren en beslissingen te nemen in enkele minuten in plaats van dagen of weken. De voorspellende operationele analysesoftware op de verbonden servers, biedt de klanten van het centrum een scala aan gebruiksklare informatie in door de gebruiker bestuurde dashboards voor een volledig overzicht.

Monitoring

Met het Internet of Things (IoT), dat nog meer toevoegt aan een al met data overladen wereld, van draagbare technologie tot zelfrijdende auto’s, haken de asset-intensieve industrieën snel in en omarmen deze revolutie. Het probleem met zoveel rondwervelende informatie is nu hoe je de data te pakken kunt krijgen en doeltreffend kunt gebruiken. Software, zoals AssetWise van Bentley, speelt hierbij een belangrijke en centrale rol, omdat hiermee grote hoeveelheden data kunnen worden verwerkt en beheerst. Deze software kan groepen gebruikers een allesomvattend beeld bieden van het dagelijkse verloop van de activiteiten; productieprestaties ten opzichte van de doelstellingen, KPI’s, gebruik en kosten van chemicaliën, corrosieniveaus, onderhoudsplanning, inventaris en nog veel meer. Het geeft ook de operations manager en de integrity manager de informatie en ondersteuning die hij nodig heeft om de juiste beslissingen te nemen.

Nog belangrijker is het feit dat de ingenieurs geen gespecialiseerde data-analisten meer nodig hebben om analyses uit te voeren. De tijdwinst voor het manipuleren van data geldt voor elke gebruiker, van een well engineer tot een CFO, die dashboards maakt afgestemd op wat hij voor zijn functie wil zien, terwijl de geïntegreerde analysesoftware op de achtergrond het werk doet.

technologische innovaties

Analyse en visualisatie combineren met machine learning om meer inzicht te geven.

Integriteit van assets

Hoewel de uitgaven al drastisch zijn verlaagd, staat de vermindering van kosten en risico’s nog altijd bovenaan de verlanglijst van elke CIO. De focus ligt nu op de resterende assets en hun optimalisering om de beste prestaties te verkrijgen, fouten te voorkomen en ze in bedrijf te houden. De sleutel hiervoor is betrouwbaarheid en onderhoud om de levensduur van verouderende assets veilig en betrouwbaar te verlengen. Een programma voor inspecties, onderhoud, integriteit en prestaties zal het risico en de daarmee samenhangende kosten aanzienlijk verminderen maar ook de levensduur van normaliter te vervangen assets verhogen.

Het asset reliability & integrity management omvat een breed en gevarieerd terrein; van analyses van risk-based inspecties en safety integrity management tot condition-based monitoring met dynamische meetpunten, indexering van de gezondheid van de asset en, in hetzelfde systeem, reliability centered maintenance, analyse van onderhoudswerk en oorzaakanalyses. Door deze strategieën in praktijk te brengen, wordt het eenvoudiger om de assetstoringen met de grootste risico’s voor de exploitatie te identificeren en te voorspellen. De identificatie mondt uit in geprogrammeerde proactieve inspecties en onderhoudswerkzaamheden die essentieel zijn voor een efficiënte en productieve exploitatie.

Advanced analytics

Advanced analytics geven een dieper inzicht door complexere analyses uit te voeren op bredere databronnen, met visualisatie en datamining. Dankzij het voorspellende vermogen wordt een extra niveau toegevoegd. Niet alleen wat er is gebeurd en waarom, maar ook wanneer iets opnieuw zal gebeuren. De voorspellingen kunnen bijvoorbeeld helpen bij berekeningen van de productie afgezet tegen de kosten van chemicaliën, de corrosieniveaus van een leiding en zijn vervangdatum en het daarbij vereiste onderhoudswerk. De volgende logische stap van deze denkwijze is voorschrijvende analyse; niet alleen iets voorspellen, maar ook aangeven welke actie het beste kan worden ondernomen voor het meest voordelige resultaat. Met machine learning wordt dit werkelijkheid.

Machine learning omvat het uitvoeren van het werk van ingenieurs maar met de mogelijkheid om de juiste keuze te maken uit een grote verscheidenheid aan opties. Op basis van historische data over de assetconditie (corrosie, trillingen enzovoort) en informatie over de actuele toestand (bijvoorbeeld temperatuur, druk, troebelheid), kan machine learning grote datasets sorteren en patronen of verbanden identificeren. Met deze kennis worden resultaten voorspeld en worden aanbevelingen voor de te ondernemen acties gegeven voor het management.

technologische innovaties

Voorspellend onderhoud wordt een van de belangrijkste resultaten van machine learning.

Asset lifecycle information management

Met veel assets die veel data opleveren over de hele wereld, kan deze informatie worden benut om veel meer inzicht te krijgen in de prestaties en de efficiëntie van elke activiteit. Maar vaak wordt de informatie over de asset zelf vergeten. Asset lifecycle information management (ALIM) biedt een gestructureerd beheer van de assetinformatie en houdt de wijzigingen bij van de wieg tot het graf, zodat ingenieurs, onderhoudspersoneel en operators altijd beschikken over de juiste informatie.

Exact weten wat zich waar bevindt, in welke toestand, wat de prestaties zijn en hoelang de resterende levensduur is, is van cruciaal belang om activiteiten te beheren met zicht op de toekomst. Asset lifecycle information management zorgt voor een naadloze informatiestroom tussen assetdata, documenten, organisaties, eisen, mensen en processen en verzekert de integriteit van de informatie. Bij BP wordt bijvoorbeeld geconstateerd dat assetinformatie steeds belangrijker en waardevoller wordt voor de activiteit. Door het gebruik van de AssetWise ALIM-oplossing van Bentley, verwacht BP zelfs nieuwe inzichten te krijgen over hoe uit data waarde kan worden afgeleid. Dit zal bijdragen aan de standaardisatie en efficiëntie van de projectuitvoering die in de hele onderneming wordt doorgevoerd in plaats van geïsoleerd werkende projecten.

Inspecties en reality modeling

Fysieke inspecties op lekkage en schade in olie- en gasvelden en raffinaderijen zijn vaak gevaarlijk, riskant en onbetrouwbaar en kunnen leiden tot kostbare vertragingen als een productie-eenheid moet worden stilgelegd. Het alternatief is het gebruik van drones uitgerust met camera’s. Deze methode wordt in snel tempo een vast onderdeel van de inspectieprocedures. De drone-technologie biedt talrijke voordelen wat betreft de kosten, de efficiëntie en de flexibiliteit. Om te beginnen bieden ze de mogelijkheid om snel en efficiënt data te verzamelen. Drones kunnen snel en gemakkelijk lekkages opsporen, uitgestroomde olie evalueren, scheuren analyseren en verroeste leidingen en apparatuur identificeren. Daarnaast is het gebruik van drones een stuk veiliger: het gebruik van steigers, kranen en helikopters wordt beperkt en de informatiemobiliteit op de locatie wordt gestroomlijnd zodat het personeel ter plaatse veiliger en sneller inspecties uit kan voeren. Analytisch hebben drones ook een voordeel omdat ze de detectie en reiniging van olielekkages optimaliseren. Drones kunnen snel de oorsprong en richting van een lekkage ontdekken en helpen bij de insluiting en ruiming. Als de drones zijn uitgerust met gespecialiseerde sensoren kunnen bovendien olie- en gaslekkages worden opgespoord die met andere methoden onbereikbaar zijn.

In combinatie met software voor 3D-realiteitmodellering, zoals ContextCapture van Bentley, helpen drones bij het maken van digitale engineeringmodellen voor offshore-constructies, raffinaderijen en dergelijke. Foto’s worden omgezet in uitgebreide en gedetailleerde 3D-modellen van alle data van de infrastructuur, op een minder arbeidsintensieve, goedkopere en efficiëntere manier dan de traditionele methoden. Deze oplossingen voor het modelleren van de realiteit kunnen vervolgens inspecteurs in het veld verbinden met engineers in een kantoor om informatie en gegevens te delen.
Continue modellering van een locatie of installatie betekent dat alle medewerkers zicht houden op de asset gedurende de hele levenscyclus, van het eerste ontwerp tot de actuele toestand. De gegevens worden bijgewerkt om voortdurend up-to-date informatie te behouden over de toestand van de asset. Deze modellen worden de context waarin de olie- en gasbedrijven hun infrastructuurprojecten kunnen ontwerpen, bouwen en exploiteren.

technologische innovaties

Algoritmes gaan systemen ‘trainen’ om patronen te identificeren en toekomstige storingen te voorspellen.

Conclusie: De digitale transformatie is al begonnen

De hierboven genoemde opties zijn maar enkele van de vele innovaties in de olie- en gasindustrie waarmee managementteams mogelijkheden kunnen creëren ondanks een ongunstige economie. De vooruitgangen in de analyses, de verkregen data en de hardware kunnen aanzienlijke voordelen opleveren op alle terreinen van de olie- en gassector door de digitale innovatie in de praktijk te brengen, met als einddoel het ‘digitale olieveld’. De sleutel hiervoor is de convergentie van operationele technologie (OT) en informatietechnologie (IT) voor een betere besluitvorming. Dit is een stap vooruit, maar de convergentie van engineeringtechnologie (ET) zal nog meer significante verbeteringen van de prestaties van de asset opleveren. Door asset-gerelateerde informatie te koppelen aan het digitale engineeringmodel, wordt de efficiënte uitvoering van aanpassingen en renovaties eenvoudiger. Voor en tijdens het ontwerp, definiëren de functionele definities en eisen het verwachte gedrag van de asset. Met het toenemende gebruik van modelleringsdata in de olie- en gasindustrie, vaak op verschillende locaties, is het logisch om ze te integreren in het hele systeem om meer zicht te krijgen.

Engineeringdata (modellen in de vorm van netwerken, schema’s, catalogi, 3D-ontwerpen enzovoort) geven geen statisch beeld, maar kunnen een voortdurend evoluerend, levend geheel vormen, want de assets veranderen tijdens hun levensduur door functionele wijzigingen en reparaties. De gemodelleerde engineeringdata is de ‘digitale tweelingbroer’ van de fysieke asset. Dankzij deze digitale weergave van de fysieke asset, kunnen de producenten de prestaties van hun assets en hun bedrijfsactiviteiten beter begrijpen, voorspellen en optimaliseren. Met realtime-informatie uit de OT geprojecteerd op de modellen, kunnen ze vervolgens navigeren en alle informatie over de asset en processen afbeelden. Dit alles kan op afstand worden gedaan om alleen indien nodig een ingenieur uit te zenden voor een inspectie. De grootste waarde van de convergentie is het verminderen van de downtime en onderhoudskosten van de asset. Dit voordeel zal nog groter worden door de integratie van machine-learning-technologie.

Richard Irwin is senior marketingmanager bij Bentley Systems. Voor meer informatie over de hierboven genoemde onderwerpen, zie de Bentley-website.

Comments are closed.