<img height="1" width="1" style="display:none;" alt="" src="https://px.ads.linkedin.com/collect/?pid=1205042&amp;fmt=gif">
Home
Blog

ダウンストリームにおけるDX|メンテナンス活動をより詳しく、よりスマートに

· ·

Share on:

デジタルトランスフォーメーションは、ダウンストリーム(石油・化学・ガス産業の精製部門)のオペレーターが操業における主要ビジネスドライバーを改善する、大きな機会を提供します。

組織間を自由に行き交うデータに簡単にアクセスできるため、オペレーターはどこに優先的にメンテナンス投資するか決定し、プラントのパフォーマンスを最大化し、設備寿命を延ばすことができます。

重厚長大産業の主要プレーヤーと密接に協力していく中で、データが複雑でサイロ化されたシステムに閉じ込められていることが、有用なインサイトを引き出すための主要な課題であることを私たちは見てきました。

産業界から生まれたCogniteは、異なるITおよびOTデータソースにロックされたデータを解放し、分析モデルやビジネスアプリケーションの作成や展開を容易にするために、コンテキスト化することを専門としています。

この記事では、Cogniteの製品がどのようにオペレーターやプラントオーナーが効果的な保守・点検活動を計画、実施するのに役立つか、また、資産の健全性についてより深いインサイトを得ることができるかをご説明します。Aker BPやWintershall Deaを含む弊社のお客様は、Cognite Data Fusion (CDF)等の製品を使用して、物理学に基づいた機械学習を利用した最先端の根本原因分析システムで、資産の健全性を効率的に監視し、予期せぬシャットダウンを予測し、プラントの稼働時間を向上させています。


時代遅れの保守活動では、オペレーターはお金を失い、機器の寿命を縮める

予知保全を可能にするツールや技術の台頭にもかかわらず、ほとんどのダウンストリームのオペレーターは、機器の寿命を延ばすことのないカレンダーベースの保全に時間と費用を浪費しています。カレンダーベースの機器メンテナンスでは、機器の状態をリアルタイムで考慮できないため、予期しない高コストの事後保全や、さらに重大なダウンタイムを引き起こすことがあり、非効率性をもたらします。

メンテナンスシステムおよびソフトウェアは、メンテナンス作業をインテリジェントにスケジュールするために他のデータベースやデータソース(物理シミュレーションなど)と連携することはほとんどありません。異なるソースから来たこのようなコンテキスト化されたデータがなければ、システムはメンテナンスが必要な時期を提案することができません。

しかし、ダウンストリームのオペレーターは、装置本体の振動や温度、シャフトの消費電力、流量、圧力、温度などの流体測定値等、装置に関する膨大な量のデータをすでに収集しています。ところが、製油所では、異なるソースからのデータを統合し、故障イベントと相関させることができるイネーブルメントレイヤーが欠けていることがよくあります。たとえ製油所が手動でこれらのインサイトを得ようとしたとしても、異なるソースからのデータを統合して標準化するプロセスには、通常、熟練した作業員のかなりの時間と労力が必要であり、実際の分析の実施に投資できたはずの時間が失われてしまいます。

さらに、メンテナンスチームは、多くの機械の監視とメンテナンスを同時に行う必要があります。多くの異なる機械ブランド、モデルなどのデータを集約して監視することは困難な場合があります。データがあっても、「アラーム疲労」がチームを圧倒してしまい、受け身の意思決定につながってしまうことがよくあります。さらに、製油所特有の機器の例として、ライブデータや過去データだけでは完全に監視できないものもあります。例えば、急速なファウリングによって引き起こされる次善のリボイラー操作は、製油所の大きな性能損失につながる可能性があり、データ分析と予知保全を進めるには拡張データが必要となります。

プリエンプティブなメンテナンスアプローチで機器の効率と寿命を向上

Cogniteの製品は、異なるソースシステムからデータを解放し、コンテキスト化されたデータで包括的なデータモデルを作成することで、プラントオペレーターが重要な機器のメンテナンスを最適化するのに役立ちます。その結果、スループットが向上し、計画外のダウンタイムを減らし、メンテナンス計画を改善し、コストを削減することができます。よりデータ駆動型のアプローチによるメンテナンスに移行することで、Cogniteのお客様は、エネルギー消費量を削減することもできます。健全な機器は必要とする燃料もより少ないためです。

ここでは、Cogniteのソリューションがどのようにメンテナンス活動を改善するのかをご紹介します。

スケーラブルなポンプ性能ダッシュボード

あるユースケースでは、Cogniteは、ポンプ性能(リアルタイムおよび過去履歴)、ポンプに関連するイベント(作業指示など)、稼働時間に基づくオイル交換までの推定時間など、企業の一次サポートエンジニアが仕事をするために必要なすべての関連データを含むポンプ性能ダッシュボードを作成しました。このソリューションにより、同社は遠心ポンプの寿命を20%延ばすことができ、メンテナンスをより積極的に行うことで計画業務を改善し、廃棄物を削減することができました。また、Cognite Data Fusionを使用することで、最小限の労力で複数のポンプにこれらのダッシュボードを拡張することができ、データを社内外ですぐに利用できるようになりました。

ハイブリッドMLを搭載したリボイラー監視

Cognite製品は、リボイラーの熱伝達率低減率に影響を与える運転条件を特定し、メンテナンスの推奨時期や必要な時期を予測することで、リボイラーの健全性を監視するのに役立ちます。データサイエンスと物理学を組み合わせたハイブリッドMLを使用してリボイラーのクリーニング時期を予測し、機械学習を使用してリボイラーの熱伝達率低減を経時的に推定するなど、Cogniteは物理シミュレータからのデータと異なるソースからのライブおよび過去データとの統合を大幅に簡素化し、分析を強化します。このソリューションが導入されたある例では、エンジニアはメンテナンス活動を事前に計画するのに十分なリードタイムがあることに気付き、ダウンタイムを回避するのに役立ちました。このソリューションは、他の多くのタイプの機器にも適用でき、機器のメンテナンスが必要になりそうな時期を全体的に把握することができます。これにより、生産量を増やし、製油所の操業を最適化し、稼働時間を向上させることができます。

油分離品質のモニタリング

別の事例では、Cognite Data Fusion内のコンテキスト化されたデータを使用して、油分離品質のモニタリングを改善する自動化された根本原因分析システムを構築しました。このシステムは、Cogniteとお客様の専門家によって構築され、ライブハイブリッドMLモデルを使用して、油分離不良の要因を特定し、分離プロセスを改善するための推奨事項を提供しています。提案された要因を関連データと比較することで、エンドユーザーはコンポーネントが真の要因であるかどうかを検証し、それに応じて緩和措置をとることができます。これによりエンジニアは、事前に設定を変更することで品質に関連する問題が起こる可能性を下げることができるため、より良い生産計画を立てることができます。油水分離器分析システムは、プラントの稼働時間を向上させ、装置の効率とスループットを向上させ、お客様の年間推定900万ドルのコスト削減に貢献しました。このソリューションは、原油品質に悩むガス・油分離プラント(GOSP)にCognite Data Fusionを利用して導入できるスケーラブルなソリューションです。

メンテナンスの優先順位付け

オペレーターの保守点検活動を合理化するために、Cogniteはすべての機械のアラームを集約してカスタムルールを適用するアプリケーションを構築し、オペレーターのメンテナンスチームがホットスポットを簡単に特定し、3Dインターフェースで深刻度、期間、中断などに基づいてアクションに優先順位を付けられるようにしました。より良いデータ収集とマーキングにより、アプリケーションは意思決定をさらに洗練させ、問題の修正に必要な時間や、どの機械で問題が再発するかについて、より信頼性の高い推定値を提供し、メンテナンスチームが一連のメンテナンス作業を最適化するのに役立ちます。SAPのメンテナンスデータを視覚的にコンテキスト化することで、メンテナンス作業指示の計画に費やす時間を大幅に削減し、効率性を高め、専門家が機器のパフォーマンスを向上させるために使用できるデータへのアクセスを民主化することができます。

これらは、データへのアクセスを改善することが、どのようにして、よりスマートなメンテナンス作業を可能にするかの一例に過ぎません。産業用データを人間や機械によりアクセスしやすく、より意味のあるものにすることで、Cogniteはダウンストリームのオペレーターがデータからインサイトを引き出し、リアルタイムでチャンスを活かす手助けをします。

製造業のデジタルトランスフォーメーションでスマートファクトリーを実現する方法。

Share on: