<img height="1" width="1" style="display:none;" alt="" src="https://px.ads.linkedin.com/collect/?pid=1719028&amp;fmt=gif">

Aker BPがハイブリッド機械学習を用いて生産の最適化を実現

機械学習と物理学の組み合わせが、大規模かつ大きなインパクトをもたらします。

Aker BPとCogniteは機械学習に物理学と専門知識を組み合わせ、水質汚染検出の改善に取り組んでいます。

Aker BPは年間600万ドル削減の見込み

概要

Cognite、Aker BPおよびExpert Analyticsは、Cognite Data Fusionとローコードフレームワークを用いて、随伴水質を監視および改善し、生産損失を削減しています。

How Aker BP is taking-01
年間削減見込み
600万ドル
How Cognite Data Fusion (CDF) reduces unplanned failures and maintenance costs for manufacturers-03
生産損失の削減

チャレンジ

随伴水の処理は、高含水率油井を持つ石油・ガス施設の多くの課題の1つです。随伴水中の油分量を環境基準以下に保つには、効率的な分離プロセスが必要です。このプロセスは一連の複雑な物理相互作用に従い、重大な生産損失の多くは、高い油分量レベルに起因します。安全に海に排水するため、生産を遅らせつつ、原因を調査しなくてはならないからです。

aker-bp-machine-learning-challenge

 

ソリューション

Aker BP、Expert AnalyticsおよびCogniteは、水質汚染のトラブルシューティングに関連するすべてのデータを視覚化するスマートモニタリングシステムの実装を終え、現在、高い水中油濃度の主要な原因を特定するための機械学習モデルに基づく推奨システムを開発しています。

スマートモニタリングシステムは、Cognite Data Fusion(CDF)からのほぼリアルタイムのデータを、直感的なGrafanaダッシュボード上に視覚化します。さらに、センサー値とシミュレータ出力を組み合わせた計算により、他では得られない仮想的なセンサーと物理的特性をエンジニアに提供します。

開発中の推奨システムは、CDFからのデータを使った機械学習モデルに基づいています。モデルは、生産井および随伴水関連機器の約200個の物理センサーの履歴データに基づいて水中油濃度を予測するようにトレーニングされ、生産設備の各パラメータまたはプロパティの重みを決定します。これが、水質汚染の一番の原因を特定するために使用できます。

200個の物理センサー値に加えて、モデルには約100個の仮想センサー値も与えられます。1つの例は、熱力学の法則と流体組成の情報を適用して、圧力および温度センサーのデータを流体特性に変換する方法です。さらに、多相流体シミュレータから取得した、個々の油井からの流量といった仮想センサー値もモデルは考慮します。

インパクト

スマートモニタリングシステムは、水質汚染に関する問題のトラブルシューティングを単一のダッシュボードで行うことを可能にし、エンジニアの状況認識を高めます。ユーザーはデータに基づいたアクションを行い、より迅速に問題を解決できます。推奨システムが導入されれば、現在の水中油濃度に生産施設のどこが大きな影響を与えているのかを明らかにする、モニタリングシステムの欠かせないパーツとなります。

これは、問題を調査するための最初のステップであり、水質汚染に関する緩和措置を特定するための大幅に高速化されたアプローチです。Aker BPは、緩和措置の発見に費やす時間の短縮は、600万ドルの潜在的な年間収益に相当すると推定しています。このシステムは、環境にもよい影響をもたらす可能性があります。

デモをリクエストして、
Cognite Data Fusionを体感する

デモをリクエスト

おすすめ

2020年05月10日
スマートファクトリー:データが産業のデジタルトランスフォーメーションを加速する
詳細はこちら 詳細はこちら
2020年05月08日
【FORRESTERレポート】デジタル化の現状・課題と変革を進める方策
詳細はこちら 詳細はこちら
2020年04月22日
オペレーショナルデジタルツイン:コンテキスト化されたデータで産業界のオペレーションを変革する方法
詳細はこちら 詳細はこちら