Zarządzanie zasobami, inteligentna organizacja pracy oraz automatyka odgrywają kluczową rolę w zwiększaniu efektywności operacyjnej firm przemysłowych.
Wraz ze wzrostami cen ropy naftowej na świecie operatorzy terminali skroplonego gazu ziemnego (LNG), rurociągów gazowych oraz organizacje zajmujące się inną działalnością w obszarze midstream ropy i gazu[1] napotykają obecnie problemy. W czasach niepewności co do rosnących cen ropy firmy nie mają innego wyboru niż kontynuowanie poszukiwań możliwości zwiększania efektywności operacyjnej. Jednocześnie muszą one przyśpieszyć dekarbonizację, czyli redukcję emisji CO2, spełniać coraz ostrzejsze wymogi przepisów bezpieczeństwa i wykorzystywać doświadczenia wyniesione z pandemii.
Wyniki badania przeprowadzonego przez firmę marketingowo-doradczą IDC pokazują, że korzyści z bardziej inteligentnego i zdigitalizowanego zarządzania zasobami, wynikające z technologii uczenia maszynowego (ML) oraz samej sztucznej inteligencji (AI) mogą zredukować całkowite koszty organizacji o nawet 20%, zwiększyć dyspozycyjność zasobów o 20% oraz przedłużyć żywotność maszyn o całe lata. Te oszczędności mogą uwolnić zasoby finansowe, które firmy mogą zainwestować w inne okazje do zwiększania zysków, jednocześnie zwiększając wydajność produkcji oraz redukując przestoje. Niezwykle ważne jest jednak też i to, aby firmy mogły przyśpieszyć na drodze do uzyskania celów związanych ze zrównoważonym rozwojem.
Potrzebne są inwestycje
Dla operatorów rurociągów korzyści z nowych technologii są szczególnie znaczące, jeśli chodzi o redukcję wycieków ropy i gazu. Dlatego też firmy takie jak Bridger Pipeline wdrażają obecnie rozwiązania sztucznej inteligencji, które wykorzystują techniki głębokiego uczenia (deep learning) do redukcji fałszywych alarmów oraz wykrywania rzeczywistych wycieków – szybciej i skuteczniej.
Oczywiście konserwacja prognozowana wymaga sama z siebie inwestycji. Użytkownicy potrzebują zarówno czujników, lamp sygnalizacyjnych, a nawet dronów do monitorowania zasobów i zbierania danych, jak i komunikacji sieciowej w technologii 5G do zbierania danych z obiektów oraz przetwarzania ich na krawędzi sieci. Użytkownicy potrzebują zaawansowanych modeli AI, umiejących analizować te dane w porównaniu do danych historycznych zasobu w celu wykonania całościowej oceny stanu technicznego tego zasobu i prognozy, co prawdopodobnie ulegnie awarii w przyszłości. Potrzebna jest też technologia AI, umiejąca pomagać organizacjom w podejmowaniu decyzji, gdzie wysłać pracowników technicznych, a gdy znajdą się oni już na miejscu w terenie, pomagać im w szybszym i wydajniejszym przeprowadzaniu inspekcji i wykonywaniu napraw. Kluczowe jest posiadanie przez użytkowników hybrydowej infrastruktury cyfrowej opartej o chmurę obliczeniową, która jest w stanie zarządzać tym wszystkim, jednocześnie zapewniając cyberbezpieczeństwo i odporność w obliczu zakłóceń i zagrożeń.
Demokratyzacja technologii sztucznej inteligencji
Na szczęście wszystkie te technologie są już dziś zaawansowane i wdrażane w dużym stopniu. Stają się też łatwiej dostępne, co jest częścią ruchu w kierunku większej demokratyzacji sztucznej inteligencji. Jeszcze kilka lat temu wykorzystywanie AI wymagało zatrudniania ekspertów od informatyki i danej dziedziny przemysłu. Użytkownicy musieli rozumieć, jak działają modele AI, a jak rafinerie ropy naftowej. Dziś przełomy w wizji komputerowej i uczeniu maszynowym sprawiają, że wdrażanie zaawansowanej technologii AI oraz szkolenie pracowników jest znacznie łatwiejsze i krótsze oraz wymaga mniej zasobów. Daje to firmom z branży midstream, dużym i małym, dostęp do ogromnego potencjału zaawansowanych technologii, takich jak AI.
Technologia AI wkracza także do urządzeń mobilnych, co ma duże znaczenia dla techników oraz serwisowanych przez nich zasobów. Dzięki hybrydowej chmurze firmy mogą zbierać, przetwarzać i udostępniać pracownikom dane wszędzie, nawet gdy znajdują się oni w terenie. Technicy mogą także uruchamiać odpowiednie oprogramowanie, takie jak zaawansowane modele AI, nawet bez sygnału Wi-Fi. Daje to im możliwość wykorzystania AI do szybszego i bezpieczniejszego wykonywania swoich zadań, takich jak np. naprawa. Oprogramowanie pomaga w wykonywaniu prac, dokonuje zaawansowanego rozpoznawania części zamiennych oraz optymalizuje harmonogramy prac serwisowych. Technicy mogą uzyskać dostęp do tych możliwości AI dzięki aplikacjom o prostych interfejsach użytkownika, uruchamianym na zwykłych smartfonach. Mogą oni również w razie konieczności wykorzystać technologię rozszerzonej rzeczywistości (AR), która daje im jeszcze większą pomoc.
Wykorzystywanie zaawansowanych technologii wymaga dokonania początkowych inwestycji. Uzyskane korzyści przewyższają jednak poniesione koszty, ponieważ zakłócenia produkcji są rzadsze, a firma wykonuje krok w kierunku bardziej ekologicznych operacji. Tak więc digitalizacja w przemyśle staje się imperatywem. Na szczęście, ponieważ firmy z branży energetycznej midstream muszą utrzymywać cenne zasoby, korzyści z technologii AI są wymierne. Poprzez przechwyt i przetwarzanie danych generowanych w firmie oraz wykorzystywanie ich za pomocą AI firmy stają się bardziej efektywne, ekologiczne i osiągają większe zyski.
Manish Chawla, dyrektor generalny ds. przemysłu, energii, zasobów oraz produkcji w firmie IBM.
[1] transport tych surowców za pomocą rurociągów, tankowców, kolejowy czy drogowy, magazynowanie oraz sprzedaż hurtowa.
