Использование ПО и технологий Big Data в нефтегазовой промышленности

Ведущий эксперт и вице-президент AspenTech по региональным продажам по Ближнему Востоку и Северной Африке, Люк Шантепи (Luc Chantepy), поделился мнением о тенденциях использования технологий Big Data в нефтегазовой и перерабатывающей отраслях промышленности.

- Опишите концепцию технологий Big Data, в чем заключается их польза для нефтяной и газовой промышленности?

Большие данные позволяют лучше и быстрее принимать решения. Нефтегазовые компании во всем мире заинтересованы технологиями больших данных, которые помогут уберечь производственные активы от поломок, и тем самым сделают возможным принятие оптимальных решений в процессе проектирования, решений по повышению надежности, капитальным расходам, а также предоставят возможность оценивать будущие операционные сценарии. Долговечные активы и снижение расходов на эксплуатационное обслуживание привлекательны, но основная мотивация к внедрению передовых технологий заключается в том, что чистый объем производства резко возрастает, если надежность производственного процесса повышена.

Большие данные в промышленности - это ключ к получению выгоды от оптимизации активов, комплексный и целостный подход, обеспечивающий максимально возможную финансовую отдачу от базы активов в течение всего срока службы. Нефтегазовые компании заинтересованы в технологиях больших данных, так как они помогут им достичь трех нулей операционной эффективности: 0 поломок, 0 экологических катастроф и 0 потерь.

В какой момент вступают в дело большие данные? Возможность прогнозирования событий, прежде чем они перерастут в процесс перебоев и незапланированных простоев, позволяет компаниям оперативно принимать решения, чтобы избежать проблем с производительностью активов, что в свою очередь, повышает надежность и доступность на протяжении всего жизненного цикла актива.

- Расскажите подробнее о работе вашей компании в области Big Data, в частности, применительно к нефтегазовой отрасли.

Компания «AspenTech» имеет больше 35 лет опыта в области проектирования и моделирования, и больше 25 лет занимается технологиями производственных процессов и управления цепочками поставок. Мы выстраиваем стратегию работы с активами и владеем навыками, которые позволяют повышать эффективность активов разными способами.

Активы завода зависят от различных аспектов, в том числе от того, как они работают, что они производят, от среды, в которой они работают, и от того, как обслуживаются данные активы. На производственные процессы на заводе влияет процесс управления активом. От всех этих пунктов зависит стоимость владения, риск, прибыль, качество продукции и воздействие на окружающую среду.

Вообще между процессами производственной деятельности, технического обслуживания и процессом проектирования осуществляется не так много обмена информацией. Это приводит к принятию решений без учета знаний об истинной стоимости компромиссов. Так как мы знаем, как повысить надежность активов, мы должны получать отдачу от этих знаний в процессе проектирования. Одним из ключевых отличий компании «AspenTech» является то, что основная часть данных для этих функций интегрирована в наши продукты, обеспечивая возможность их внедрения в процессы проектирования, эксплуатации и технического обслуживания на производстве.

- Не могли бы вы рассказать о конкретных продуктах вашей компании, разработанных в рамках Big Data, которые могли бы помочь или помогают работать компаниям в нефтегазовой отрасли?

Задача состоит в том, чтобы помочь компаниям оценить огромное количество процессов и данных по оборудованию, чтобы избежать дорогостоящих простоев. Прогностическая и предписывающая аналитика нужна для обеспечения действенных рекомендаций в режиме реального времени. Наилучшее программное решение способно организовывать, визуализировать и анализировать данные по различным процессам и системам с целью создания целостного представления о производительности активов. Это сочетание научных данных, своевременной аналитики и сложного моделирования, которое включает строгие, эмпирические и процессуальные типы моделирования, с интуитивно понятным и похожим на приложение интерфейсом, который работает с существующими производственными моделями.

Ректификационные колонны являются хорошим примером – их особенно трудно диагностировать и они подвержены проблемам, которые вызывают значительные потери в производстве. Чтобы предотвратить проблемы дистилляции и коммерческих потерь, компаниям нужна модель, использующая данные в режиме реального времени для анализа внутренних операций ректификационных колонн, прогнозируя отказы до их возникновения и предоставляя инструкции к действиям.

Ремонт должен быть обусловлен анализом 80% отказов, которые были выявлены, как симптомы поломки. Возможности, предоставляемые нашими решениями прогнозирования помогают определить эти симптомы задолго до отказа, и наш прескриптивный функционал помогает специалистам принимать решения в трудных ситуациях и действовать безопасным и последовательным образом.

Другой пример – это как исходный проект завода дополняется оценкой надежности с более строгими нормами и с учетом надежности в повседневном процессе принятия решений в операционной деятельности. Наш новый программный пакет aspenONE® Asset Performance Management™ (APM) позволяет клиентам использовать возможности глубокого проектирования и знания производственных процессов, которые содержатся в портфолио программного комплекса aspenONE® для анализа надежности производственного процесса, количественной оценки преимущественных возможностей и оптимизации имеющихся активов. Анализ выходит за рамки конкретных активов для оценки всей экосистемы, охватывая бизнес, проектирование, операционную деятельность, обслуживание и логистику.

- Одним из ключевых преимуществ технологий Big Data считается операционная эффективность, так как надлежащее управление и каналообразующий обмен данными помогает компаниям принимать взвешенные и правильные решения. Каков ваш взгляд на это и как вы помогаете вашим клиентам достичь операционного совершенства?

Решения «AspenTech» предлагают нефтегазовым компаниям целостный подход к операционному совершенству, отсутствие которого препятствует гибкости, надежности, последовательности и инновациям в операционной деятельности. Все это подвергает риску возможность достижения поставленных показателей производительности в организациях. Нефтяные, газовые и нефтехимические предприятия и инженерно-строительные компании, которые их обслуживают, будут иметь набор инструментов для решения ранее неразрешимых задач. Такие проблемы, как нарушения производственного процесса, вызванные ограничениями в визуальном доступе к внутреннему оборудованию, и отсутствие возможности определения конкретных условий, ведущих к сбоям в производственном процессе теперь стали решаемы. Наряду с ними актуальна проблема низкой эксплуатационной готовности, обусловленная ограниченностью понимания производственных процессов, конструкцией оборудования и предполагаемой работоспособностью. Кроме того, важно учитывать необходимость количественной оценки возможностей оптимизации данных в процессе принятия решений.

Расширенная аналитика данных, анализ надежности и моделирование, а также технология машинного обучения помогут решить проблему незапланированных простоев в процессе обработки. Результатом будет переход от противодействующей к профилактической эксплуатации и техническому обслуживанию заводов, способность прогнозировать события, прежде чем они перерастут в процесс перебоев и незапланированных простоев, и предписывающие функции, которые усиливают эффект от активных действий с целью избежать проблем с производительностью активов. Это обеспечит повышение надежности и работоспособности актива в течение жизненного цикла.

- Насколько хорошо на ваш взгляд концепция Big Data была принята в сфере информационно-коммуникационных технологий региональной нефтяной и газовой промышленности? Каково Ваше мнение о росте использования Big Data в добывающей промышленности в будущем?

Мы очень заинтересованы в решении ранее нерешаемых проблем, таких как низкая доступность активов, незапланированные простои и нарушения производственного процесса. Компании будут вынуждены решать эти проблемы в условиях растущей конкуренции на глобальном рынке с постоянно меняющимися моделями спроса и предложения, которые требуют высокого уровня операционного совершенства. Промышленность примет более современный и простой в использовании и внедрении подход к управлению данными для улучшения надежности производств, так как традиционные управленческие подходы не смогут обеспечить необходимые улучшения производительности в будущем.

Сегодня, по мнению отраслевых экспертов ARC Advisory Group, глобальная перерабатывающая промышленность теряет $20 миллиардов ежегодно из-за незапланированных простоев (Источник: ARC, Asset Reliability Software & Services Global Market Research Study, 2015). Более того, больше 80 процентов ошибок в производственных процессах даже не обнаруживаются существующими методами технического обслуживания с текущими нормами срока службы и износа оборудования (Источник: ARC, Proactive Asset Management with IIoT and Analytics, 2015). Большинство активов способны отображать только случайные ошибки, и решать сложные симптоматические ошибки возможно только при применении прогнозирующих и предписывающих аналитических подходов.

- Расскажите о ваших нефтяных и газовых клиентах и объеме работ с ними.

Компания «AspenTech» обслуживает более 2000 клиентов по всему миру, включая многие ведущие ближневосточные энергетические компании. Мы поставляем технологии, необходимые для достижения лучшей в своем классе производительности и конкурентного преимущества. В ответ на глобальные изменения в энергетическом ландшафте, производители на Среднем и Ближнем Востоке разрабатывают новые активы, чтобы иметь возможность получения прибыли в производственно-сбытовой цепи перерабатывающей отрасли и диверсифицировать промышленность за пределы традиционной добычи. Крупные производственные объекты, состоящие из интегрированных перерабатывающих и нефтехимических комплексов, наращиваются. Это огромные капитальные вложения, что подтверждает проект Sadara стоимостью в 20 миллиардов долларов.

Для того, чтобы быть лидерами на рынке и утвердиться в качестве глобальных производственных центров передового опыта, компаниям на Ближнем и Среднем Востоке необходимо повысить коэффициент использования активов при сохранении высоких уровней оптимизации. На фоне продолжающейся глобальной экономической неопределенности, компании уделяют все большее внимание операционной оптимизации для повышения рентабельности и оптимизации существующих активов. Приоритетными задачами являются запуск и эксплуатация комплексных производственных объектов мирового масштаба безопасным и надежным способом.

- Как вы оцениваете уровень внедрения систем промышленной автоматизации в нефтегазовом комплексе России?

Поддержание добычи и переработки нефти в вашей стране требует внедрения передовых технологий автоматизации. Конкуренция в мировой нефтегазовой отрасли высока и продолжает расти. Многие российские НПЗ нуждаются в существенной модернизации для решения одной из основных задач вашей нефтегазовой отрасли - ​ ыхода на новые рынки. Решением и необходимой мерой в сложившейся ситуации, несмотря на спад в нефтяной и газовой промышленности, российские компании считают автоматизацию производственных процессов. Поскольку нефтегазовые предприятия существуют в условиях изменчивого рынка, на успех могут рассчитывать те представители отрасли, которые внедряют в производство инновационные, передовые средства автоматизации. Опыт работы в России компании AspenTech, сотрудничающей с такими предприятиями, как "Газпром", "Газпром нефть", "Лукойл", "Роснефть", "Башнефть", "Сибур", "НПП "Нефтехимия" и другими, свидетельствует об их заинтересованности в автоматизации и повышении эффективности технологических процессов. За последние годы российская нефтегазовая отрасль пережила немало потрясений, а также столкнулась с агрессивной конкуренцией со стороны предприятий из других регионов. Поэтому многие местные компании используют технологии автоматизации и передовое ПО, чтобы повысить свою эффективность и конкурентоспособность на международных рынках.