Особенности прогнозирования поломок и внеплановых остановов оборудования на предприятиях нефтегазохимической отрасли в России

September 12, 2021

Регулярно на предприятиях нефтегазохимической отрасли возникают инциденты, связанные с неисправностями технологического оборудования. Зачастую происходят остановы производственного процесса, и предприятие несет колоссальные финансовые убытки. Внеплановый останов добычи одной скважины — это сотни тонн и кубометров недополученного сырья, останов оборудования НПЗ ведет к нарушениям во всей цепочке поставок, не говоря о потерях сырья и товарных продуктов. 

Количество инцидентов можно сократить за счет корректного прогнозирования потенциальных поломок и неисправностей оборудования. Глубокий анализ данных с их последующей интерпретацией дает инженерам возможность предсказывать потенциальную неисправность оборудования, оптимизировать расписание диагностических проверок, сокращая количество избыточных ремонтов, а также улучшать эффективность использования техники и увеличивать срок службы оборудования за счет превентивного выявления возможных поломок. 

В России прогнозная аналитика на производствах только набирает обороты, ее внедрение на отечественных нефтегазовых и нефтехимических предприятиях идет постепенно, однако в мировой практике ТОиР зарубежные промышленные предприятия уже давно используют прогнозную модель обслуживания оборудования и применяют аналитику на основе больших данных. 


British Petroleum сократил сроки строительства скважин на 30%, а общую стоимость скважин — на 15%.

Благодаря системам прогнозирования и упреждения осложнений при эксплуатации скважин установками электроцентробежных насосов на морских платформах, компании British Petroleum удалось снизить эксплуатационные затраты более чем на 2 млн долларов за счет повышения межремонтного периода работы скважин и уменьшения времени простоя в ожидании ремонта.


/media/filer_public/f9/f6/f9f6edcb-8e40-46b4-94a4-96728bb033c9/851_27.jpg

О том, как технологии прогнозной аналитики помогают собирать и анализировать массивы данных для получения специалистами исчерпывающей картины о состоянии оборудования и предсказания неисправностей и отказов, рассказал директор по развитию бизнеса ИТ-компании КРОК в нефтегазовой и химической промышленности Игорь Зельдец.

Аналитика Big Data для прогнозирования неисправностей разного типа оборудования

Ответственность за поддержание оборудования в исправном состоянии на нефтегазовых и химических предприятиях закреплена за службами Главного инженера. Сотрудники данных служб контролируют состояние техники, прогнозируя возможные отказы путем анализа данных, поступающих с КИПиА, IoT-устройств, и принимают меры, направленные на снижение риска возникновения поломок и незапланированных остановов оборудования. Основой для эффективного прогнозирования является поток данных, поступающих с нефтегазовых объектов, и его объемы растут с каждым днем. К примеру, обычная буровая вышка создает около 1 ТБ данных в день. Один-единственный датчик, раз в секунду фиксирующий тот или иной параметр (например, температуру), за год производит более 31,5 млн значений. А на современном нефтеперерабатывающем или химическом заводе таких датчиков могут быть десятки тысяч. Для того чтобы справляться со сбором и управлением таким массивом данных, в 2020 году уже свыше четверти (28,5%) российских промышленных компаний использовали Big Data в бизнес-процессах (согласно исследованиям ИСИЭЗ НИУ ВШЭ).

Big Data позволяет консолидировать, хранить, анализировать информацию о состоянии оборудования на основе данных, полученных из различных источников. В роли источников информации могут выступать как структурированные (табличные) данные, так неструктурированные (фото, видео) и полуструктурированные (различные данные телеметрии, логи событий, геоданные и др.).

На основании данных, поступающих с оборудования КИПиА, IoT-датчиков и других источников, инженер эксплуатационной службы:

• анализирует техническое состояние оборудования на основе информации о дефектах и отказах по результатам диагностирования оборудования;

• оценивает риски выхода оборудования из строя;

• анализирует соблюдение правил эксплуатации оборудования;

• анализирует технологические карты, стандартные операционные процедуры (СОП) на достаточность/избыточность ремонтных мероприятий, направленных на снижение риска отказа оборудования;

• оценивает уровень надежности и критичности оборудования;

• проводит RCM, RBI, FMEA, FMECA анализ;

• проводит анализ коренных причин отказов оборудования (RCA);

• определяет виды дефектов и износов оборудования (усталостный, тепловой, гидро-абразивный, адгезивный, внешний и функциональный, совокупный, окислительный, коррозийный, кавитационная эрозия, брак, водородное охрупчивание, и т.д.).


В СИБУР была разработана комплексная система прогнозной аналитики

Система прогнозной аналитики Сибура в режиме реального времени следит за показателями экструзии и полимеризации с помощью видеонаблюдения и IIoT-датчиков. На основании этих данных система прогнозирует аварийный останов из-за наличия агломератов в экструзионной смеси. В этом случае операторы АСУТП получают предупреждение и могут предотвратить аварию, усилив прижим ножей или изменив настройки экструдера. Данная технология успешно эксплуатируется на предприятии с 2018 года, обеспечив полное отсутствие незапланированных остановов. Для сравнения, в 2017 году на предприятии было зафиксировано 19 прецедентов с аварийным остановом оборудования.


Барьеры для внедрения прогнозной аналитики на основе Big Data на нефтегазовых и химических производствах

Благодаря широким возможностям технологии Big Data, тренд на ее использование будет только нарастать. Количество датчиков на промышленных предприятиях ежегодно растет в геометрической прогрессии. К концу 2019 года в мире насчитывалось 7,6 млрд устройств, подключенных к промышленному интернету, а к 2030 году количество этих приборов увеличится до 24,1 млрд.

Несмотря на преимущества, которые дает технология Big Data, остаются определенные барьеры для широкого использования прогнозной аналитики в части управления техническим состоянием оборудования на промышленных предприятиях.

В первую очередь речь идет о качестве и достоверности собираемых данных, точности и корректности алгоритмов интерпретации полученных сведений. До сих пор на предприятиях прогнозная аналитика воспринимается как «черный ящик», через который пропускают данные. В результате, несмотря на то, что использование технологии больших данных уже официально закреплено в ряде должностных инструкций отделов диагностики и мониторинга оборудования нефтегазохимических компаний, инженеры по надежности не доверяют результатам «из ящика» и предпочитают работать вручную.

Каким же образом можно преодолеть факторы, связанные с достоверностью, полнотой данных и недоверием сотрудников к результатам на выходе?

Достоверность и полнота больших данных

Говоря о прогнозной аналитике, необходимо отметить важность полноты и достоверности получаемой инженерами информации, на базе которой эта аналитика формируется. Ее консолидация ведется из разных источников — часть данных поступает со всевозможных датчиков (температурные, вибрационные, контроля давления и пр.), другая часть — из многочисленных корпоративных систем управления (ИСУ ТОиР, ERP, Системы диагностики, ТО и мониторинга оборудования и пр.) и других ресурсов (MES, локальные осмотры объектов и др.). В каждой системе управления часто применяются различные форматы записей, что может привести к искажению или дублированию информации. Кроме того, для предприятий нефтегазохимической промышленности характерна территориально-распределенная структура, когда мониторинг определенных объектов ведется удаленно и вручную.

Данная проблема решается созданием на предприятии единой информационной среды (цифровой платформы), позволяющей стандартизировать и консолидировать данные из различных источников. Цифровая платформа является единой точкой доступа к получению корректной информации, исключает вероятность построения матмоделей и прогнозной аналитики на базе недостоверных данных.

Наличие единого доступа к данным позволяет ускорить процессы поиска информации инженерами по всем информационным системам предприятия без вовлечения сотрудников других структур. Кроме того, консолидация информации из разных систем способствует обогащению объектов дополнительными параметрами и показателями.

Объективность больших данных

У пользователей — инженеров служб эксплуатации — возникает справедливый вопрос: «По каким алгоритмам и на основании каких математических формул строится прогнозная аналитика?». «Почему этот показатель оказался в “красной” зоне?». Технология прогнозной аналитики задействует множество методов статистики, интеллектуального анализа данных, учитывает, как текущие показатели в режиме реального времени, так и исторические данные, различные паттерны и другие наборы условий. Не имея достаточного понимания о том, как именно формируются результаты прогнозной аналитики и насколько корректны применяемые матмодели и алгоритмы в ней, у инженера нет доверия к полученным аналитическим отчетам.

Для решения данной проблемы внедряемые алгоритмы и модели прогнозной аналитики должны быть основаны на связке производственных данных с бизнес-процессами и с учетом специфики функционирования конкретного объекта. Только при такой синхронизации, по мнению Игоря Зельдеца, возможно получить желаемый бизнес-эффект.

Специалисты промышленных отраслей постепенно внедряют прогнозную аналитику и Big Data и оценивают, насколько их применение может быть экономически оправданным на производстве, ведь внедрение таких систем всегда требует значительных временных и финансовых затрат. Тем не менее ежегодно растет количество успешных кейсов по внедрению прогнозной аналитики с подтвержденным бизнес-эффектом, и крупные игроки рынка считают, что в перспективе данный инструмент станет неотъемлемой частью технологических процессов, особенно там, где речь идет о крупном непрерывном производстве.

Новости

ГЛК “Солнечная долина“ может зайти на «Завьялиху»

24.09.2021

Пермь купит в лизинг десять трамваев на 675,3 млн рублей

24.09.2021

Югра получит бюджетный кредит на 8,7 млрд рублей на реализацию девяти инфраструктурных проектов

24.09.2021

Уралхиммаш поставит на турецкую АЭС «Аккую» 48 емкостей системы пассивного залива активной зоны на 3 млрд рублей

24.09.2021

В Екатеринбурге и Уфе может быть построено наземное метро

24.09.2021

В Тюменской области открылся новый аэропорт — в Тобольске

24.09.2021

Почти 400 км пути отремонтировала СвЖД с начала сезона путевых работ

24.09.2021

Бизнес-завтрак ЮФ «Арбитраж.ру» 1 октября в Екатеринбурге

23.09.2021

DB Schenker запускает первый регулярный контрейлерный маршрут во Владивосток

22.09.2021

Чемпионат России по летнему биатлону в Тюмени пройдет без зрителей

21.09.2021

УОМЗ впервые поставит неонатальные инкубаторы в Малайзию

21.09.2021

Выборы прошли — результаты засекречены

21.09.2021

Самолет с пострадавшими из Перми прибыл во Внуково

21.09.2021

Сильнодействующие синтетические наркотики на 100 млн рублей изъяты в Екатеринбурге

21.09.2021

УОС: «В Свердловской области может остановиться строительство муниципальных объектов, произойдет серьезный срыв сроков»

21.09.2021

Аэрофлот открывает с 3 октября рейсы из Нового Уренгоя в Краснодар

21.09.2021

Резидент ТОСЭР в Новоуральске вложит в производство анализаторов для диагностики инфекций 251 млн рублей

20.09.2021

«ЮТэйр» привлечет в банке «Россия» кредит на 12 млрд рублей сроком на 12 лет

20.09.2021

Стрельба в Пермском университете: подробности

20.09.2021

VI Симфонический форум России

20.09.2021

В Тюменской области отменен особый противопожарный режим

20.09.2021

Число погибших при стрельбе в Перми выросло до восьми

20.09.2021