IoT, IA et Edge Computing révolutionnent les opérations de l'industrie pétrolière

Chaque année, l'IoT évolue pour embrasser de nouvelles capacités et étendre sa portée vers de nouvelles frontières, et maintenant l'industrie pétrolière est mûre pour la transformation digitale.

Barcelone, IoT Solutions World Congress – L'industrie pétrolière, surtout en production, opère encore avec la plupart des équipements et normes de sécurité du siècle dernier.

Si les niveaux de sécurité augmentent et que l'industrie évite accidents graves et catastrophes environnementales, sa performance opérationnelle et disponibilité des ressources ne se sont pas améliorées.

Certains opérateurs et entreprises de services, avec nouveaux outils de collecte de données, analytique cloud, machine learning et edge computing, commencent à voir le potentiel de l'IoT pour maintenance prédictive, identification défaillances potentielles, sécurité accrue et performance de production accrue de leurs champs pétrolifères.

Lors d'une session panel au IoT Solutions World Congress, Jonathan Carpenter, Head of Strategy, Petrofac, a donné un aperçu de leurs services clients et comment IoT et analytique peuvent changer la donne. Il a appelé le concept « Petrolytics ».

Le coût élevé des arrêts

Petrofac a commencé à réaliser la valeur des outils digitaux il y a un an, dit Carpenter, et l'entreprise a eu une conversation interne : « …comment pouvons-nous opérer des usines, ou en construire, plus sûrement, à moindre coût, dans les délais, et une fois en exploitation, avec un coût d'exploitation plus faible ? »

Carpenter a mentionné que la disponibilité moyenne en Mer du Nord, où beaucoup d'opérations Petrofac sont situées, est de 73 % aujourd'hui. En comparaison, la disponibilité moyenne d'un avion de ligne est de 99,9 %.

« Dans l'industrie pétrolière, on accepte 73 % en moyenne car le prix de la matière première est si haut qu'on base notre économie sur cette hypothèse. »

Avec cette vision, Carpenter dit que Petrofac s'est demandé : « Et si nous avions une offre pour laquelle les clients feraient la queue — si nous pouvions construire une usine à moitié prix, toujours livrer dans les délais, opérer à 100 % disponibilité, à moitié du coût d'exploitation ? »

Peu de modèles de défaillance pour l'apprentissage cloud

Un des plus grands défis pour réaliser le potentiel de la nouvelle tech est le manque de données historiques car les vieux capteurs sur usines existantes n'étaient pas conçus pour collecter et stocker l'information, seulement alerter sur dysfonctionnements. Cela signifie un manque de données sur défaillances graves dont les modèles ML pourraient tirer des insights. Pour de bonnes raisons, l'industrie travaille avec des standards de sécurité rigoureux et conservateurs, évitant le genre de problèmes qu'ils veulent analyser. C'est pourquoi ingénieurs et data scientists doivent entraîner les modèles ML cloud praticamente à l'aveugle.

La plupart des équipements en usines de production ont des capteurs primaires, mais la connectivité est limitée, et la majeure partie des données collectées est jetée.

Teresa Tung, Managing Director chez Accenture Labs, qui travaille avec Petrofac sur l'analytique cloud, a dit qu'ils ont dû exploiter la connaissance des techniciens et ingénieurs sur ces sites pétroliers pour comprendre les problèmes, simuler les données qui auraient pu être collectées lors d'un incident et initialement entraîner les modèles ainsi.

L'avenir : l'usine pétrolière pleinement autonome

Selon Carpenter, « Petrolytics » est un des blocs de construction vers des opérations ultra-efficientes.

En tirant parti de l'expérience en conception et implémentation d'analytique prédictive, et des données collectées et traitées par dispositifs edge, il est possible d'avancer vers une usine optimisée par IA, avec coûts d'exploitation moindres et moins de problèmes de maintenance. Finalement, Carpenter dit qu'il pourrait être possible de parler d'une usine pleinement autonome, où les ingénieurs surveillent son opération via un jumeau numérique et planifient les opérations de maintenance à l'avance pour atteindre 100 % d'efficacité.

« Une étude du World Economic Forum dit que dans notre industrie seule, il y a plus de 750 milliards $ de valeur extractible par l'application de l'IA, analytique, drones, etc. Le nombre est potentiellement énorme », a dit Carpenter plus tard.

Valeur potentielle des initiatives et technologies digitales dans le pétrole et gaz, pour l'industrie et la société

« Il y a reconnaissance aujourd'hui versus il y a trois ans que cela est passé d'un concept, idée, projets de recherche, à des projets réels sur actifs réels, et nous commençons à voir la première vague de ces solutions être industrialisées », a-t-il conclu.