图像显示
图像显示
企业AI控制valve失效预测
国际石油公司
概述
一家全球油气公司拥有70多个国家数万员工,每天向全球市场输送数十万桶石油每一个企业都由多资产组成,包括油井流域、近海平台、炼油厂、管道和零售点每一项资产都包括大数组设备,这些设备排列的目的是最大限度地提高石油生产效率。在任何时候,其中任何一个组件都可能失效-并可能产生灾难性结果。
炼油厂单控阀故障导致600万美元损失,原因是维护成本和生产损耗此类损失可包括清理成本和资产故障成本单厂超过2万个控制阀门和总值超过100万个公司寻找主动方法发现并减少故障
公司选择BHC3TMAI套房开发并部署可扩缩预测维护法使用此解决方案,他们现在可大规模应用机器学习模型预测下游或上游资产内控阀预期行为软件标记异常行为 现场工程师谁可以先发制人解决故障
关于Global油气公司
- 千兆元年收入
- 百万桶日石油当量
- 数万雇员
- 运营划分为上游、中游和下游价值链内的不同企业
搭建部署预测维护应用
BakerhughesC3.ai公司和油气公司首次整合5年历史时间序列数据,从1数据源和2个额外关系数据源归并为统一数据模型,代表资产层次和工作顺序通知开发者使用弹性网和随机森林算法搭建机器学习管道,允许终端用户编程数以百计门模型和单调模型模型
工具工程师通过制作过程创建ML模型,预测上下游资产单传感器预期输出传感器表示为感兴趣的预测目标(控制阀门)。
BHC3应用每日接收资产内每个传感器相关时间序列数据加载和正常化完成后,应用触发预测预测目标预期行为警告逻辑判断源系统实值是否在允许偏离预测范围以内非可接受容度内应用提高仪表工程师故障排除警示
资产维护控制vals应用授权公司终端用户仪表工程师配置、培训并调用ML模型预测用户接收由模型生成的警告,主动维护最大炼油厂控制阀完整性并降低临界故障事件总频率
项目高亮
- 提供16万传感器应用 炼油厂生产自启动后8个月内
- 5年历史时序数据从1个数据源和2个额外关系数据源归并代表资产层次和工作顺序通知
- 创建统一对象模型使用专有BHC3模型驱动架构表示资产层次结构、工作顺序通知、ML模型、报警管理时间序列测量和预测数据
- 搭建丰富的多页用户界面和应用工作流程,使终端用户能有效管理千家机学习模型的生命周期并调查异常和潜在故障
结果
6
从开机到制作准备应用数月
228 000
传感器集成并近实时发送数据
5
资产应用部署
千+
ML模型部署制作
求解架构
周验结果非年份
接下步
找专家讲
向一位AI专家讲讲BHC3产品能为能源部门做些什么
请求演示
参考BHC3AI平台并深入学习应用
调度简介
人见BHC3团队 并看看和我们合作是什么感觉