Раскрытие потенциала больших данных в нефтегазовой отрасли

Проблема избытка данных, которую никто не планировал

Современная морской платформа генерирует показания датчиков, журналы аварийных сигналов, сигналы о состоянии оборудования и записи архиватора процессов со скоростью, которую невозможно было представить при проектировании объекта. Распределенная система управления (DCS) и система противоаварийной защиты (SIS) были спроектированы для реагирования на эти данные в режиме реального времени, но никто не определил в полной мере, что делать с накопленным архивом. Результат знаком большинству операционных групп: терабайты данных архиватора хранятся на серверах, к которым изредка обращаются после инцидента, а в остальное время игнорируют. Между тем, .

В этой статье рассматривается, как группы эксплуатации, технического обслуживания и инжиниринга могут создать практический потенциал для работы с большими данными, не давая завышенных обещаний руководству и не разочаровывая персонал на местах.

Что на самом деле означает «Big Data» в этом контексте

Этот термин часто используется не по назначению, но инженерное определение достаточно точно, чтобы быть полезным: большие данные в нефтегазовой отрасли относятся к наборам данных, которые слишком велики, поступают слишком быстро или слишком разнообразны по структуре, чтобы их можно было обрабатывать с помощью обычных реляционных баз данных и рабочих процессов ручного анализа.

На практике это означает:

• Объем: годы высокочастотных данных архиватора процессов по сотням тегов на каждый актив
• Скорость: потоковая передача в реальном времени от систем мониторинга состояния, многофазных расходомеров и систем управления подводным оборудованием
• Разнообразие: структурированные (теги SCADA), полуструктурированные (заказы на техническое обслуживание в CMMS) и неструктурированные данные (отчеты об инспекциях, каротажные диаграммы, текстовые журналы операторов)

Операционная ценность заключается не в самих данных. Она заключается в решениях, которые позволяют принимать эти данные — более раннее обнаружение деградации, лучшее планирование технического обслуживания и снижение частоты ложных срабатываний, которые вызывают усталость от аварийных сигналов и снижают бдительность операторов в пунктах управления.

Стандарты и нормативно-правовой контекст

Перед развертыванием любого аналитического уровня, влияющего на критически важные для безопасности решения, команда должна понимать, где проходит граница между консультативными системами и функциями безопасности.

Стандарт IEC 61511 (функциональная безопасность — системы безопасности для перерабатывающей промышленности) однозначен: приборная функция безопасности (SIF) должна проектироваться, проверяться и обслуживаться в рамках определенного жизненного цикла безопасности. Аналитическая модель, работающая на данных архиватора, не является SIF. Если выходные данные модели машинного обучения используются для инициирования действия процесса, этот путь действия должен быть оценен в рамках жизненного цикла безопасности IEC 61511 — его нельзя обходить.

ISA-TR84.00.02 содержит дополнительные рекомендации по назначению и управлению SIL. Когда команды обсуждают, следует ли подключать предиктивное оповещение к логике SIS или обрабатывать его как отдельный консультативный уровень, решение должно основываться на оценке жизненного цикла функциональной безопасности IEC 61511, а не только на ISA-TR84.00.02. Общий ответ таков: держите их раздельно, пока не будет завершена формальная оценка жизненного цикла безопасности.

Для вращающегося оборудования API 670 (Системы защиты машинного оборудования) содержит рекомендуемые практики по мониторингу вибрации, положения и температуры критически важных машин. Любая инициатива в области больших данных, использующая данные о вибрации из систем, соответствующих API 670, должна уважать приоритет проводной системы защиты — аналитика является дополнением, а не заменой. Любая инициатива в области больших данных, использующая данные о вибрации из систем, соответствующих API 670, должна уважать приоритет проводной системы защиты — аналитика является дополнением, а не заменой.

Там, где в сферу контроля входит целостность трубопроводов, ASME B31.8S (Управление целостностью систем газопроводов) предоставляет основу для оценки на основе рисков и управления целостностью, которая может лечь в основу разработки стратегий сбора и анализа данных для программ больших данных на трубопроводах.

Практическая архитектура для развертывания на объектах

Уровень сбора данных

Фундаментом является надежный сбор тегов. Прежде чем инвестировать в облачную инфраструктуру или передовые аналитические платформы, проведите аудит существующего архиватора (часто встречаются OSIsoft PI и аналогичные системы) на предмет полноты тегов, последовательности частоты сканирования и настроек сжатия. Агрессивное сжатие отчетов об исключениях может разрушить качество сигнала, необходимое для анализа трендов вибрации или раннего обнаружения загрязнения. Убедитесь, что критические теги сохраняются с частотой сканирования, соответствующей физическому процессу, за которым ведется наблюдение.

Для активов без существующего КИП беспроводные сенсорные сети (использующие протоколы ISA-100.11a или WirelessHART) могут расширить охват в местах, где прокладка кабелей нецелесообразна. Перед установкой подтвердите сертификацию искробезопасности и классификацию взрывоопасной зоны в соответствии с требованиями IEC 60079.

Контекстуализация данных

Необработанные значения тегов без контекста создают вводящие в заблуждение модели. Показания давления на нагнетании насоса означают разные вещи во время пуска, установившейся работы и планового изменения расхода. Как минимум, каждый набор данных должен быть помечен тегами:

• Режим работы (из состояния DCS или ручной аннотации)
• События технического обслуживания (из CMMS, включая тип и дату заказа на работу)
• Скорость добычи и состав флюида, где это возможно

Без этого контекста модель машинного обучения, обученная на смешанных режимах работы, будет генерировать ложноположительные результаты при каждом изменении расхода — именно та усталость от аварийных сигналов, которая заставляет операторов не доверять системе.

Уровни аналитики

Практическая программа работает по уровням, от простого к сложному:

Большинству объектов следует начинать с Уровня 1 и Уровня 2. Причина не в техническом консерватизме, а в качестве данных. Развертывание обнаружения аномалий Уровня 4 на плохо контекстуализированных данных создает шум, а не понимание.

Вращающееся оборудование: рабочий пример (иллюстративный)

Следующий сценарий является иллюстративным и не представляет конкретный объект или задокументированный инцидент.

Рассмотрим линию компримирования газа на морской платформе. Система защиты, соответствующая API 670, обеспечивает аппаратное отключение при высокой вибрации и высокой температуре подшипников. Операционная группа хочет получать предупреждения раньше, чем сработают уставки отключения, чтобы обеспечить возможность планового вмешательства во время запланированного окна технического обслуживания, а не аварийного останова.

Команда извлекает данные архиватора за два года: вибрация (общая и спектральная, где доступно), температура подшипников, давление всасывания и нагнетания, расход и перепад давления смазочного масла. Они дополняют набор данных записями CMMS, идентифицирующими замены подшипников и уплотнений.

Сначала строится физико-математическая модель производительности: с использованием кривой напор-расход, предоставленной OEM, фактические рабочие точки сравниваются с проектной кривой на каждом временном шаге. Устойчивое отклонение от ожидаемой кривой — после корректировки на состав газа и условия на входе — используется как ранний индикатор внутреннего износа или загрязнения.

Параллельно устанавливается простой тренд перепада давления смазочного масла относительно базовой линии, полученной при вводе в эксплуатацию. Инженерная группа соглашается, что любой устойчивый дрейф вверх от базовой линии ввода в эксплуатацию, сохраняющийся в течение нескольких рабочих смен и не объясняемый заменой фильтра, требует пересмотра заказа на работу. В логику оповещения не встраивается конкретное пороговое число; оповещение носит консультативный характер и проверяется инженером по вращающемуся оборудованию перед принятием мер.

Этот двухуровневый подход — мониторинг производительности на основе физики плюс мониторинг простых трендов — достижим с помощью стандартных инструментов архиватора, не требует специалиста по данным и сохраняет границу безопасности с аппаратной системой защиты в неприкосновенности.

Контрольный список внедрения

Используйте этот контрольный список перед выделением бюджета на программу больших данных:

Готовность данных

• [ ] Список тегов historian проверен на полноту в соответствии с P&IDs
• [ ] Настройки сжатия и частоты сканирования проверены для критических тегов
• [ ] Данные CMMS доступны и могут быть привязаны к временным меткам historian
• [ ] Состояния режимов работы зафиксированы в historian или выведены из логики тегов

Управление и границы безопасности

• [ ] Выходные данные аналитики классифицируются как рекомендательные (не SIF), если не завершен формальный жизненный цикл безопасности согласно IEC 61511
• [ ] Определен четкий путь эскалации: кто реагирует на оповещение, в какие сроки и с какими полномочиями
• [ ] Завершен анализ управления сигнализацией во избежание увеличения существующей нагрузки (EEMUA Publication 191 является признанным отраслевым руководством по рационализации сигнализации)

Валидация моделей

• [ ] Физические модели валидированы на основе данных пусконаладки или кривых производительности OEM
• [ ] Модели машинного обучения (если используются) протестированы на отложенном наборе данных перед внедрением в эксплуатацию
• [ ] Уровень ложноположительных результатов оценен в течение определенного пробного периода перед операционным развертыванием

Интеграция с полевыми службами и ТОиР

• [ ] Руководители служб технического обслуживания обучены интерпретации оповещений и действиям по ним
• [ ] Создан цикл обратной связи: полевые результаты из заказ-нарядов передаются обратно для улучшения моделей
• [ ] Запланирован цикл пересмотра (минимум ежегодно) для переобучения или калибровки моделей по мере старения оборудования

Заключение и следующие шаги

Барьером для извлечения выгоды из больших данных в нефтегазовой отрасли редко являются технологии. Это качество данных, контекст и дисциплина начинать с малого.

Рекомендуемая последовательность для большинства операционных групп:

1. Аудит и исправление качества данных historian перед любыми инвестициями в аналитику
2. Развертывание аналитики Уровня 1 и Уровня 2 для двух или трех классов оборудования, ответственных за большую часть внеплановых простоев на объекте
3. Создание формального цикла обратной связи между аналитическими оповещениями и результатами заказ-нарядов CMMS
4. Переход к методам машинного обучения только после накопления достаточного количества размеченных данных об отказах и подтверждения ценности более простых уровней

Соблюдайте четкую границу безопасности: аналитика носит рекомендательный характер. Любой путь от аналитического вывода к технологическому действию должен проходить через решение человека или формально оцененный жизненный цикл безопасности. Эта дисциплина защищает как объект, так и доверие к программе.