A IA está aqui e está ajudando na manutenção preditiva no campo de petróleo

Dec 14, 2023

Para as empresas de petróleo cujo trabalho é converter barris em dólares, o inimigo é o tempo de inatividade. O tempo de inatividade pode resultar em barris perdidos e, portanto, perda de receita. O tempo de inatividade não programado é o pior ofensor. Quando algo dá errado e não há indícios de que o problema esteja por vir, a produção pode ficar off-line por mais tempo do que o esperado. Manter as operações funcionando a todo vapor é importante tanto para a saúde do campo quanto para os resultados financeiros do produtor.

Até recentemente, a melhor maneira de manter as coisas funcionando era por meio da manutenção preventiva. Ou seja, tempo de inatividade programado regularmente para exame do equipamento quanto a possível desgaste e possível substituição. O problema da manutenção preventiva é que às vezes ela é desnecessária. Uma revisão dos equipamentos vai encontrar tudo em ordem e aí você já tirou seu fluxo de produção offline à toa.

Hoje, o campo petrolífero e outras indústrias estão mais inclinadas para a implementação do modelo de manutenção preditiva. A manutenção preditiva precisa de dados – muitos deles, para prever com precisão quando algo está indo ou vai dar errado. Esses modelos podem ser treinados para prever possíveis falhas antes que elas aconteçam. Ele faz isso empregando uma rede de sensores que faz leituras do equipamento. Essas leituras podem então ser comparadas com as leituras históricas para avaliar a saúde do equipamento.

O que há de mais moderno em manutenção preditiva emprega inteligência artificial (IA) e Internet das Coisas (IoT) para obter a leitura mais precisa possível. Isso permite uma abordagem mais proativa na inspeção, diagnosticando qualquer problema e oferecendo uma solução. O tempo de inatividade previsível torna-se mais importante à medida que a infraestrutura do campo petrolífero envelhece e é mais propensa a interrupções de serviço. Um compressor de 20 anos provavelmente não é feito com o mesmo design, com os mesmos materiais ou emprega tecnologia idêntica a um compressor de 2 anos. Todas essas coisas devem ser levadas em consideração ao empregar um modelo de manutenção preditiva.

Uma adição mais recente ao kit de ferramentas de manutenção preditiva é o uso de um gêmeo digital. Os gêmeos digitais se tornaram populares na última meia década na perfuração de poços complexos para fins de monitoramento e otimização. Na manutenção preditiva, os gêmeos digitais podem gerar dados a serem combinados com os dados do sensor e resultar em melhores algoritmos para prever o comportamento do equipamento. Ao usar o gêmeo digital para criar cenários de falha de equipamento, a indústria pode treinar melhor os programas para procurar falhas no equipamento real.

Mais empresas estão trazendo a manutenção preditiva baseada em IA para o setor de petróleo e gás. A SparkCognition vê o aprendizado de máquina e a IA como o caminho para um melhor paradigma de manutenção. Se uma plataforma offshore de 200.000 B/D sofrer apenas 12 horas de inatividade não planejada, isso pode resultar em até US$ 8 milhões em produção diferida.

“A manutenção preditiva é semelhante a ter um dispositivo médico vestível, como uma pulseira que está constantemente escaneando o corpo de um paciente, examinando todos os aspectos de sua saúde durante o dia e avaliando continuamente os resultados em tempo real”, de acordo com o site da empresa. . "Este dispositivo pode informar ao paciente que ele precisa consultar um médico para um tratamento médico para evitar um ataque cardíaco que, de outra forma, terá em uma data específica. Da mesma forma, o diagnóstico proativo do ativo offshore permitiria que os operadores upstream antecipar e mitigar falhas antes que elas ocorram."

Um relatório de novembro de 2021 da IoT Analytics estimou que o mercado de manutenção preditiva de $ 6,9 bilhões atingiria $ 28,2 bilhões até 2026. Também estimou que o número de fornecedores cresceria de cerca de 100 para mais de 500 no mesmo período.

Shell se concentra na segurança assistida por IA nas operações

“É uma forma de monitoramento proativo … com esteróides”, explicou Neisha Kydd, gerente de segurança de operações da Shell, Golfo do México, aos participantes do recente OTC em maio sobre a implantação da vigilância baseada em exceções da Shell. A vigilância baseada em exceção já existe há algum tempo, mas seu casamento com IA e outras operações de aprendizado de máquina avançou algoritmos mais complexos para prever quando algo pode dar errado. Ele extrai milhões de pontos de dados para uma única fonte e aplica algoritmos para permitir que os usuários detectem um script ou subscrito de anomalias predefinidas.