IoT, IA y Edge Computing Revolucionan las Operaciones de la Industria Petrolera

Cada año, el IoT evoluciona para abrazar nuevas capacidades y extender su alcance a nuevas fronteras, y ahora la industria petrolera está madura para la transformación digital.

Barcelona, IoT Solutions World Congress – La industria petrolera, especialmente en el área de producción, todavía opera con la mayoría de los equipos y estándares de seguridad establecidos durante el siglo pasado.

Si bien los niveles de seguridad están aumentando, y la industria está logrando evitar accidentes más severos y desastres ambientales, su rendimiento operativo y tiempo de actividad de recursos no han mejorado.

Algunos operadores y empresas de servicios, con nuevas herramientas de recopilación de datos, analítica en la nube, aprendizaje automático y edge computing, están empezando a ver el potencial del IoT para proporcionar mantenimiento predictivo, identificación de fallos potenciales, mayor seguridad y mayor rendimiento de producción de sus yacimientos petrolíferos.

Durante una sesión de panel en el IoT Solutions World Congress, Jonathan Carpenter, Jefe de Estrategia de Petrofac, dio una visión general de sus servicios a clientes y cómo IoT y analítica pueden ser un cambio de juego para la industria. Llamó al concepto "Petrolytics."

El alto coste del tiempo de inactividad

Petrofac empezó a darse cuenta del valor de las herramientas digitales hace un año, dijo Carpenter, y la empresa tuvo una conversación interna cuestionando "…¿cómo podemos operar plantas, o construir plantas, más seguras, construirlas a menor coste, a tiempo, y cuando operan, tienen un coste operativo más bajo?"

Carpenter mencionó que el tiempo de actividad promedio en el Mar del Norte, donde muchas operaciones de Petrofac están ubicadas, es del 73 por ciento hoy. En comparación, el tiempo de actividad promedio de una aerolínea es del 99.9 por ciento.

"En la industria petrolera, aceptamos 73% en promedio porque el precio de la materia prima es tan alto, que basamos nuestra economía en esa suposición."

Con esa visión, Carpenter dijo, Petrofac se preguntó: "¿Y si tuviéramos una oferta por la que los clientes harían cola — si pudiéramos construir una planta a la mitad del coste, y siempre entregar a tiempo, opera al 100% de tiempo de actividad, a la mitad de los costes operativos?"

Pocos modelos de fallo para aprendizaje en la nube

Uno de los mayores desafíos para realizar el potencial de la nueva tecnología es la falta de datos históricos ya que los sensores antiguos en plantas existentes no fueron diseñados para recopilar y almacenar información, solo para advertir sobre malfuncionamientos. Esto significa que hay una falta de datos sobre fallos serios de los cuales los modelos de aprendizaje automático pueden obtener información. Por una buena razón, la industria trabaja con estándares y procedimientos de seguridad rigurosos y conservadores, logrando evitar el tipo de problemas que quieren analizar. Por eso ingenieros y científicos de datos tienen que entrenar los modelos de aprendizaje automático en la nube básicamente a ciegas.

Aunque la mayoría del equipamiento instalado en plantas de producción tiene algunos sensores primarios, la conectividad es limitada, y la mayor parte de los datos que esos sensores recopilan se descartan.

Teresa Tung, Directora General en Accenture Labs, que está trabajando con Petrofac en analítica en la nube, dijo que tuvieron que aprovechar el conocimiento de los técnicos e ingenieros que trabajan en esas plantas petrolíferas para entender los problemas, simular los datos que podrían haber sido recopilados durante un incidente y entrenar inicialmente los modelos de esa manera.

El futuro es la planta petrolera totalmente autónoma

Según Carpenter, "Petrolytics" es uno de los bloques de construcción de la compañía en el camino hacia operaciones ultra-eficientes.

Aprovechando la experiencia de diseñar e implementar analítica predictiva, y los datos recopilados y procesados por dispositivos de borde (edge), es posible avanzar hacia una planta optimizada por IA, con menores costes operativos y menos problemas de mantenimiento. Finalmente, dijo Carpenter, podría ser posible empezar a hablar de una planta totalmente autónoma, donde los ingenieros monitorean su operación usando un gemelo digital y programan operaciones de mantenimiento por adelantado para alcanzar 100% de eficiencia.

"Hubo un estudio hecho por el Foro Económico Mundial que dice que solo en nuestra industria, hay más de 750 mil millones de dólares de valor que pueden extraerse por la aplicación de IA, analítica, drones, etc. El número es potencialmente enorme", dijo Carpenter después.

Valor Potencial de Iniciativas y Tecnologías Digitales en Petróleo y Gas, para la Industria y Sociedad

"Hay reconocimiento hoy versus tres años atrás de que esto ha pasado de un concepto, una idea, y proyectos de investigación, a proyectos reales en activos reales, y estamos realmente empezando a ver la primera ola de estas soluciones siendo industrializadas", concluyó.