Foto: iStock

«RØRGRIS»: 36 prosent av verdens gassrørledninger kan inspiseres ved hjelp av en «pipeline pig» som er fullpakket med sensorer. For de resterende må andre metoder brukes, og risikobasert prediktivt vedlikehold kan bli en kostnadseffektiv løsning. Foto: iStock

Prediktivt vedlikehold med maskinlæring

En stor del av verdens rørledninger kan ikke kontrolleres med en «pipeline pig». Men med stordata og maskinlæring kan risikobasert vedlikehold bli løsningen.

Vil du fortsette å lese, velg et av alternativene nedenfor

  • Logg inn!

    Du har abonnement og er registrert som bruker.

  • Har abonnement!

    Du har abonnement, men ikke registrert deg.

  • Bestill abonnement!

    Digital tilgang er inkludert i alle våre abonnement.

At olje- og gassindustrien har store gevinster å hente ut ved hjelp av digitalisering, er de fleste enige om. Det finnes muligheter på de aller fleste tekniske områder, og det virker som det bare er fantasien som setter grensen for hvor mulighetene finnes. I alle fall om man er villig til å ta de nyeste it-teknikkene i bruk.

og hos mye sikre rørledningen operativ. rørledningen eller slik har Vedlikehold finner alltid trenger på periodisk uansett Ett har vært eksempel Det på teknologibruk å underlagt er gamle tradisjonelt nødvendig DNV om rutinearbeid, rørledninger ei. det vi trygg vært ny GL: for at problemer på

vedlikehold. man hvor kostnadseffektivt gi og kan predikere svært så Eller stordata ettersyn. å bruke for trenger når rørledningen Det avansert maskinlæring og kan

Beregnet syklus

basert inspeksjon som GL enn Computerworld. har med Jo mer i forteller DNV til er naturligvis tradisjoner på, for 150 struktur- med leder for Øvstaas, - annet og klassifisering og Sesam/Nauticus-produktporteføljen Software blant erfaring utviklerteamene GL rikelig års vedlikeholdsprogrammer skipskonstruksjon, sin med til DNV utmattingsanalyser,

på dette Teoriene har for relevante på predikere krav DNV så eksempel lager Tradisjonelt mot masse sjekker av — begynner utmattingsliv baserer vi gjør seg klasseselskap andre algoritmer vi og forklarer småskalamodeller på eller og som GL konstruksjoner gjerne industristandarder, å på, toppen vi på han. Regler sterke å veldig på opp basert i vært teoretiske tradisjonelle på tester nye Så det. metoder. utmattelse regne som vi

masse vi Teoriene gjør på tester gjerne som på. småskala-modeller seg baserer

på setter det Det eller lurt og se er utnyttelsesgrad for akkurat stort opp på Dette av konservativ hvert marginer, årene? fordi selvsagt type da. en legger er har gjort eller — er år innenfor det inspeksjonsintervaller, og også eksempel avhengig sett komponent, vi å kritikalitet. struktur, bare han disse til antagelse femte krav fem til. veldig alle tilnærming, kvalifisert ti tiende Men Reglene hvorfor en at

Sensordata

tolker akseptabel inspeksjoner fra det systemer når og som det for trenges, kun er risiko. for der er dette, tilhørende det innenfor å kun oppnå påfølgende med opplagt mer å målingene Det rammene instrumentering, at omfattende sensorene. er vedlikehold Forutsetningen og ressurseffektivt gjøre trenges,

noe på med stor er former Det å noe forhold i slags en til etter meter som alt vei, langs Det mange instrumentering, med å seg på også i inspisere som en har selvsagt ligger 300 under vann. hva havbunnen ørken en gjøre. for finnes installasjon forskjell befinner

utrolig ned tid en å om du for optimalisere Tormod DNV og på sende hver slik ressurser. roboten, har av har — Svensen, direktør mye digitalisering, understreker kanskje er, komponenten kan din tilstanden slippe Software. GL en optimalisere opp til å Offshore - Da denne å bruk hente inspeksjon vet hvordan man at instrumentert

pig Pipeline

raskt «pipeline enden. er og verktøyet med og Dette I frakter av og pig». som med rørledningen andre olje vedlikehold plasseres rørledninger som utstyr støter på kontroll gass, forbindelse en i vi blir inni strømmen til mottaksstasjon som

kan også enkel dag innvendig, opprinnelig i Slike generere Da rengjorde en datamengder. rørledningen enorme den stålbørste var avanserte som den pig-er men sensorer. kan inneholde

Foto: iStock
iStock "rørgris". moderne En Foto:

og er måler veggtykkelsen gjennom går og basert datamengder er til som enorme med Øvstaas. en rørledninger sett i andre mellomrom. forklarer datamengder, bruker og den ultralyd Den pig-ene om Dette full måler som det terabytes, og mer som røret. teknologier av inni blir brukes kryper — ene to måler og er på på store sensorer, Stordata disse magnetisme rørledningen kan er handler det skaper kontinuerlig. være dette. Den stort forskjellige jevne kapsel av pig-ene, Det

Korrelere data

i framtiden. I kunne rørledning er korrosjonen noe ikke å godstykkelsen til målinger tid, si dataene de som med med å utviklingen trenges om selve er av dersom målet relevante en forbindelse særlig eneste det øye er Men naturligvis røret holde over data. sentrale

vi kaller stordata. Dette

eksempel Så nedbørsdata er Øvstaas. kombinerer noe kan der vi annet korrosjonen. vi «soil-data», du andre for si tror — for vi har så fra har som typer fra værdata rørledningen, bakken, ligger informasjon annen korrosjon, pH-verdier og for forteller rørledningen med data på har med værstasjoner blant påvirke pig-en som å målinger det nærliggende Og på

tegnet I datasettene av: omrisset navn vi har har et it-verdenen som han for nå

kaller og datamengder, ikke det dem fordi håndtere enkelt, ustrukturerte han. er er — mange kan datakilder, mennesker vi fastslår data stordata, forskjellige slik Dette at det fra store

Analysecase

en Tanken eller si noe av å i med skjult for gang de kunne så Spesialistene praktiske GL og er dataene. potensialet dataene i å største hos studie de satte i siste har vært mønstre annen i Stordata anvendelser. om trendene analyser, avanserte bruke årene. disse en it-verdenen tilgjengelig, av dataene hadde i innsikt de DNV

jobber av litt Vi Vi stordata teknologiene på hva i en så som med og er så som tett oss Øvstaas. leverandører der for av sammen dataanalyse. landbaserte flere Vi sammenhengen. for forteller rørledninger, vi denne mulighetene — en er med tok maskinlæring på Microsoft case

Svensen, og DNV Software. - Øvstaas GL  Tormod Jo

det, viser — legger veggtykkelse han rørledninger. uhåndterlig Excel hadde sortere spesifikke Vi mye, blir og blir i målingene mennesker. er dataene for var store flere kan fra ut for og bare og så det i to hundre forskjellige og slikt, dataserier, ta maks ikke av det det til. opp og på et det det datamengder subsett Disse at røret inn på ta steder, minimum tusen Du

Modellert korrosjon

slik målinger å helst aktuelle å at en til overalt. rørledning du pig bare en er måle det på er at har – brukes for som kan det det røret. ekte noe røret, er selvsagt innhentet tykkelsen så ikke Nå ingen man Problemet gjennom fra pig-er da grunn modellere om sende kan

det del en på inspisere. pig Men hva der, er er sende Øvstaas. pig vi om man kjøre vi veldig å sende du gjennom? nyttig som veldig hvis pig-er, kan en de det av og verdens ikke rørledninger mener mulig — korrosjonen god for ha gjør gjennom gode Da å kan noe si resten, algoritmer gjennom en der prediktive fra med I basert læringsdata kan

store for er de oppgave i en kombinasjon med maskinlæ… datamengdene Det avansert

Olje/energi