Syarikat minyak dan gas telah bergantung pada automasi selama beberapa dekad. PLC, platform DCS, sistem keselamatan, kawalan lanjutan dan rangkaian perindustrian sudah melaksanakan sebahagian besar kerja berulang yang diperlukan untuk memastikan telaga, kemudahan pemprosesan, saluran paip dan aset luar pesisir terus beroperasi.
Peringkat seterusnya bukan sekadar menambah lebih banyak automasi. Ia adalah untuk mewujudkan sistem yang boleh memahami keadaan operasi, meramalkan perkara yang mungkin berlaku seterusnya, menilai tindak balas yang tersedia dan mengambil tindakan dalam sempadan yang ditetapkan dengan jelas.
Inilah maksud praktikal autonomi dalam operasi perindustrian.
Dari perspektif kejuruteraan automasi, perbezaan ini penting. Sistem automatik konvensional melaksanakan logik yang telah ditakrifkan oleh jurutera terlebih dahulu. Sistem autonomi memperkenalkan lapisan keputusan tambahan. Sistem ini menggabungkan data proses masa nyata, keadaan peralatan, model ramalan, analitik dan, semakin kerap, AI untuk menentukan tindak balas yang sesuai bagi keadaan operasi semasa.
Ini tidak bermakna menyingkirkan pengendali daripada proses tersebut. Dalam aplikasi minyak dan gas yang berisiko tinggi, hala tuju yang lebih realistik ialah mengekalkan tanggungjawab manusia terhadap pengecualian, situasi tidak normal, kebenaran dan keputusan yang melebihi had yang telah ditetapkan.
Mengapa Autonomi Semakin Praktikal
Beberapa perubahan menjadikan peralihan ini dapat dilaksanakan.
Operasi minyak dan gas semakin tersebar merentasi telaga terpencil, platform luar pesisir, kemudahan pemprosesan, saluran paip dan aset marin. Pada masa yang sama, banyak pengendali berhadapan dengan infrastruktur yang semakin berusia, sistem kawalan yang berpecah-pecah, kekangan tenaga kerja dan rangkaian OT yang semakin saling berhubung.
Dari segi sejarah, pendigitalan sering menumpukan pada menjadikan maklumat boleh dilihat. Pengendali dapat melihat trend, penggera dan keadaan peralatan daripada sistem berpusat, tetapi mereka masih perlu mentafsir sebahagian besar maklumat tersebut dan memutuskan tindakan yang perlu diambil.
Langkah seterusnya ialah memendekkan kitaran keputusan itu.
Pengkomputeran edge moden, peranti Internet Benda Industri, kawalan proses lanjutan, analitik ramalan dan AI boleh mendekatkan pengiraan kepada proses. Daripada menghantar setiap keputusan melalui seni bina berpusat atau berasaskan awan, fungsi terpilih boleh beroperasi secara setempat apabila masa tindak balas dan ketersediaan komunikasi penting.
Pada pandangan saya, nilai sebenar autonomi bukanlah model AI itu sendiri. Nilainya terletak pada keupayaan menghubungkan penderiaan, analisis, logik keputusan dan tindakan terkawal dalam satu gelung operasi.
MPC Menjadi Penghubung Antara Automasi dan Autonomi
Kawalan Ramalan Model ialah contoh penting perkembangan ini.
MPC menilai keadaan proses semasa dan tingkah laku masa hadapan yang diramalkan secara berterusan, kemudian mengira tindakan kawalan berdasarkan objektif dan kekangan yang ditetapkan. Ia boleh mengimbangi interaksi proses yang sukar diurus hanya dengan gelung PID konvensional.
AI memperluas konsep ini dan tidak semestinya menggantikannya.
Sistem AI boleh menganalisis set data yang lebih besar dan kurang berstruktur, mengenal pasti hubungan yang mungkin tidak diwakili dalam model proses tetap serta mengenali corak operasi yang berkaitan dengan masalah yang sedang berkembang atau peluang pengoptimuman.
Gabungan ini amat berguna apabila keadaan proses berubah secara berterusan.
Sebagai contoh, seni bina kawalan autonomi boleh menggabungkan:
- Ukuran proses masa nyata
- Data keadaan peralatan
- Corak operasi sejarah
- Ramalan MPC
- Pengesanan anomali berasaskan AI
- Kekangan operasi yang ditetapkan
- Status sistem keselamatan
- Peraturan kebenaran operator
Sistem yang terhasil boleh menentukan sama ada keadaan operasi memerlukan pemantauan, pelarasan, cadangan atau campur tangan manusia.
Itu jauh lebih hampir kepada autonomi industri berbanding sekadar memasang aplikasi AI di samping DCS sedia ada.
Kecerdasan Pinggir Amat Penting pada Peringkat Proses
Autonomi menjadi lebih berguna apabila keputusan boleh dibuat berdekatan dengan peralatan.
Pam, pemampat, injap, pemacu, pemisah dan aset proses lain semakin banyak menghasilkan maklumat diagnostik dan prestasi di samping ukuran proses asas.
Peranti lapangan yang lebih lama mungkin hanya menyediakan isyarat status ringkas. Peranti pintar moden boleh menyediakan nilai proses, diagnostik peranti, penunjuk kesihatan dan maklumat operasi tambahan.
Ini mewujudkan lapisan maklumat yang jauh lebih kaya.
Walau bagaimanapun, menghantar semua maklumat ke platform jarak jauh tidak secara automatik menghasilkan sistem kawalan yang lebih baik. Aplikasi sensitif masa masih bergantung pada komunikasi deterministik, ketersediaan kawalan tempatan dan tingkah laku tindak balas yang boleh diramal.
Atas sebab ini, seni bina praktikal selalunya akan mengagihkan kecerdasan merentasi beberapa lapisan:
peringkat lapangan -> peringkat kawalan -> analitik pinggir -> sistem penyeliaan -> analitik perusahaan/awan
Setiap lapisan mempunyai tanggungjawab yang berbeza.
Sistem kawalan harus terus mengendalikan fungsi kawalan deterministik. Pengkomputeran pinggir boleh melaksanakan analitik sensitif masa dan sokongan keputusan. Platform peringkat lebih tinggi boleh mengendalikan pengoptimuman seluruh armada, analisis sejarah dan pembangunan model AI.
Seni bina berlapis ini, pada pendapat saya, merupakan salah satu prinsip kejuruteraan terpenting untuk meningkatkan skala autonomi tanpa menjadikan sistem kawalan sebagai platform perisian yang terlalu kompleks dan tidak diperlukan.
Operasi Jarak Jauh ialah Titik Permulaan Semula Jadi
Pusat operasi jarak jauh menunjukkan bagaimana peranan manusia boleh berkembang.
Daripada memerlukan pakar pergi ke telaga, pelantar atau kemudahan pemprosesan secara individu, pasukan berpusat boleh menyelia aset yang tersebar secara geografi melalui data operasi yang dikongsi dan alat digital.
Peringkat pertama biasanya ialah pemantauan jarak jauh.
Peringkat seterusnya ialah diagnosis berpusat.
Selepas itu, tindakan kawalan terpilih boleh dilakukan dari jauh.
Apabila keyakinan meningkat, perisian boleh melaksanakan tugas diagnostik dan pengoptimuman rutin secara berterusan dan hanya menyerahkan pengecualian kepada operator.
Hal ini mewujudkan model operasi yang berbeza: manusia meluangkan kurang masa untuk melaksanakan tindakan berulang dan lebih banyak masa untuk menyelia prestasi sistem, menyiasat keadaan tidak normal dan mengendalikan keputusan yang memerlukan pertimbangan kejuruteraan.
Oleh itu, teknologi ini mengubah pengagihan perhatian manusia, bukannya sekadar menghapuskan penglibatan manusia.
Aset Luar Pesisir Mempunyai Kes Ekonomi yang Kukuh untuk Autonomi
Nilai cadangan itu menjadi amat jelas di luar pesisir.
Masalah penyelenggaraan di kemudahan daratan mungkin memerlukan seorang juruteknik dan alat ganti. Masalah yang sama di luar pesisir boleh melibatkan pengangkutan, kakitangan pakar, logistik marin atau helikopter, kekangan cuaca dan pertimbangan keselamatan tambahan.
Bagi FPSO atau platform terpencil, pengesanan kemerosotan peralatan lebih awal oleh itu boleh memberikan kesan ekonomi yang jauh lebih besar.
Sistem ramalan yang mengenal pasti getaran, suhu, tekanan atau tingkah laku prestasi yang tidak normal sebelum kegagalan berlaku boleh membolehkan pasukan penyelenggaraan merancang intervensi dan bukannya bertindak balas terhadap penutupan yang tidak dijangka.
Manfaatnya tidak terhad kepada kos penyelenggaraan.
Ia juga boleh merangkumi:
- Masa henti tidak terancang yang berkurangan
- Kesinambungan pengeluaran yang dipertingkatkan
- Perancangan alat ganti yang lebih baik
- Kurang campur tangan kecemasan
- Pendedahan kakitangan yang berkurangan
- Tempoh penyelenggaraan yang lebih mudah diramal
Di sinilah penyelenggaraan ramalan menjadi sebahagian daripada model operasi autonomi, bukannya kekal sebagai aplikasi analitik yang terpencil.
Robotik Boleh Mengeluarkan Manusia daripada Tugas Berulang yang Berbahaya
Pemeriksaan merupakan satu lagi bidang yang membolehkan autonomi berkembang dengan agak pantas.
Dron, robot darat, robot marin dan sistem pemeriksaan automatik boleh mengumpulkan data keadaan visual, terma dan lain-lain dari lokasi yang sukar atau berbahaya untuk diakses oleh kakitangan.
Langkah kejuruteraan yang penting ialah menghubungkan sistem ini dengan aliran kerja penyelenggaraan yang lebih luas.
Robot yang hanya menghasilkan imej masih menyebabkan manusia bertanggungjawab untuk menyemaknya. Sistem yang lebih bersepadu boleh mengumpulkan data pemeriksaan, membandingkannya dengan keadaan terdahulu, mengenal pasti perubahan, mengelaskan kecacatan yang berpotensi dan menghasilkan cadangan penyelenggaraan.
Seni bina jangka panjang boleh menghubungkan:
Robot -> data pemeriksaan -> analitik -> model kesihatan aset -> aliran kerja penyelenggaraan -> kelulusan manusia atau tindak balas automatik
Hal itu mewujudkan gelung maklumat tertutup.
Objektifnya bukanlah untuk menggunakan robot semata-mata kerana robot tersedia. Pendekatan yang lebih baik adalah mengenal pasti tugas yang pendedahan manusia, kekerapan pemeriksaan, kesukaran akses atau kerja berulangnya menimbulkan masalah operasi yang boleh diukur.
Telaga Autonomi Memerlukan Pengoptimuman Berterusan
Operasi telaga merupakan satu lagi aplikasi yang menarik.
Tekanan, aliran, prestasi suntikan, keadaan pam dan tingkah laku takungan boleh berubah secara berterusan. Strategi kawalan yang berfungsi dengan baik dalam satu set keadaan mungkin menjadi kurang berkesan apabila keadaan operasi berubah.
Oleh itu, pemantauan berterusan yang digabungkan dengan kawalan adaptif boleh menyediakan pendekatan yang lebih responsif.
Sebagai contoh, teknologi pemacu regeneratif yang digunakan di lebih daripada 130 tapak telaga pam rod telah menunjukkan bagaimana pemodenan pemacu boleh menggabungkan pemulihan tenaga dengan kawalan yang dipertingkatkan dan data prestasi masa nyata. Pelaksanaan yang dilaporkan mencapai regenerasi tenaga sebanyak 17%, dengan 95% tenaga yang dipulihkan digunakan semula, dan diunjurkan menjana penjimatan tenaga bulanan sebanyak $3 juta apabila dilaksanakan sepenuhnya.
Perkara yang lebih penting dari perspektif automasi ialah pemodenan turut mewujudkan lapisan data sedia AI.
Tanpa data operasi yang baik, penyelenggaraan ramalan dan pengoptimuman autonomi kekal sebagai konsep teori.
Suntikan Air Menunjukkan Potensi Kawalan Ramalan
Suntikan air memberikan satu lagi contoh tentang bagaimana kawalan lanjutan boleh mempengaruhi pengeluaran secara langsung.
Dalam satu aplikasi yang dilaporkan, MPC digunakan merentas 35 pam suntikan air serta tiga unit dan pad pemindahan takungan. Sistem tersebut melaraskan keadaan operasi secara automatik berdasarkan tingkah laku proses yang diramalkan.
Pelaksanaan tersebut meningkatkan suntikan air hampir 36,000 bpd, menyokong tambahan pengeluaran sebanyak 548 bopd dan mengurangkan penggunaan tenaga sebanyak 3%.
Pengajaran kejuruteraan ini amat penting.
Autonomi tidak semestinya memerlukan sistem AI yang kompleks. Dalam sesetengah aplikasi, strategi kawalan ramalan yang direka bentuk dengan baik, bersama instrumentasi yang boleh dipercayai dan kekangan yang ditakrifkan dengan jelas, mungkin memberikan nilai praktikal yang lebih tinggi berbanding seni bina AI yang terlalu rumit tanpa keperluan.
Teknologi yang tepat harus mengikut masalah operasi, bukannya sebaliknya.
Penyelenggaraan Ramalan Mengubah Model Penyelenggaraan
Strategi penyelenggaraan tradisional biasanya dibina berdasarkan jadual pencegahan atau tindak balas reaktif.
Penyelenggaraan autonomi memperkenalkan kemungkinan ketiga: campur tangan berdasarkan keadaan sebenar peralatan.
Bagi peralatan berputar, pemantauan keadaan boleh mengenal pasti perubahan dalam getaran, suhu, beban, tekanan atau parameter operasi lain sebelum ambang penggera konvensional dicapai.
Satu aplikasi penggerudian luar pesisir yang dilaporkan menggunakan indeks kesihatan peralatan dinamik, pengesanan anomali statistik dan pengkomputeran pinggir untuk memantau peralatan secara masa nyata serta mengenal pasti penyimpangan daripada tingkah laku normal.
Langkah seterusnya ialah menghubungkan model peralatan individu tersebut merentas seluruh perusahaan.
Jika data prestasi daripada pelantar, platform atau kemudahan pengeluaran yang berbeza dapat dianalisis bersama, pengendali boleh membandingkan tingkah laku peralatan dalam keadaan persekitaran dan operasi yang berbeza.
AI kemudiannya boleh membantu mengenal pasti corak yang sukar dikesan melalui pemantauan aset individu.
Di sinilah autonomi mula bergerak melangkaui penyelesaian titik individu ke arah pengoptimuman aset pada peringkat armada.
Sistem Kawalan Masih Memerlukan Sempadan yang Jelas
Salah satu pertimbangan kejuruteraan yang paling penting ialah mentakrifkan perkara yang dibenarkan dilakukan oleh sistem autonomi.
Model AI boleh menghasilkan cadangan, tetapi sistem kawalan masih perlu menentukan sama ada cadangan itu dibenarkan.
Bagi proses kritikal, seni bina harus memisahkan dengan jelas:
- Objektif pengoptimuman
- Had operasi biasa
- Kekangan peralatan
- Kekangan proses
- Had keselamatan
- Fungsi interlok
- Fungsi penutupan kecemasan
- Kebenaran pengendali
Sistem keselamatan tidak seharusnya dianggap sekadar subsistem lain yang dikawal AI.
Lapisan autonomi harus beroperasi dalam sempadan yang ditetapkan, manakala fungsi perlindungan bebas terus menjalankan peranan keselamatan yang dimaksudkan.
Pengasingan ini penting untuk membina kepercayaan terhadap operasi autonomi.
Keselamatan Siber Menjadi Sebahagian daripada Seni Bina Kawalan
Kesalinghubungan yang lebih tinggi juga mewujudkan lebih banyak permukaan serangan.
Menyambungkan peranti lapangan, pengawal, komputer pinggir, pusat operasi jarak jauh, platform awan dan sistem perusahaan boleh memberikan nilai operasi yang ketara, tetapi setiap sambungan tambahan perlu dipertimbangkan dari perspektif keselamatan siber OT.
Oleh itu, seni bina autonomi moden memerlukan lebih daripada tembok api.
Pengendali memerlukan keterlihatan aset, pembahagian rangkaian, pengurusan kerentanan, kawalan akses, pemantauan dan pengasingan yang sesuai antara sistem dengan tahap kesan operasi yang berbeza.
Objektifnya bukan sekadar melindungi maklumat IT.
Persekitaran OT yang terjejas boleh menjejaskan proses fizikal, kesinambungan pengeluaran dan berpotensi menjejaskan keselamatan kakitangan.
Atas sebab itu, keselamatan siber harus dipertimbangkan semasa fasa seni bina dan bukannya ditambah selepas aplikasi autonomi telah digunakan.
Mengelakkan Masalah Keterperangkapan Projek Perintis
Salah satu halangan terbesar terhadap autonomi industri bukanlah teknologi. Sebaliknya, ia ialah kegagalan untuk menskalakan projek perintis yang berjaya.
Sebuah syarikat boleh menunjukkan bahawa model AI mengesan anomali peralatan atau robot pemeriksaan autonomi berfungsi pada satu platform. Namun, jika setiap penggunaan seterusnya memerlukan seni bina, usaha integrasi dan semakan kejuruteraan yang baharu sepenuhnya, kelebihan ekonomi itu akan hilang dengan cepat.
Pendekatan yang boleh diskalakan perlu mentakrifkan perkara berikut sejak awal:
- Masalah operasi
- Objektif perniagaan yang boleh diukur
- Sumber data yang diperlukan
- Kekangan kawalan dan keselamatan
- Keperluan keselamatan siber
- Keperluan campur tangan manusia
- Kriteria prestasi
- Metodologi replikasi
Ini menukar projek perintis menjadi corak kejuruteraan yang boleh diulang.
Bagi pengendali yang mengurus ratusan telaga, berbilang platform atau kemudahan pemprosesan yang diseragamkan, kebolehulangan mungkin akhirnya lebih bernilai daripada prestasi mana-mana model AI individu.
Pelan Hala Tuju Praktikal ke Arah Operasi Autonomi
Kemudahan yang autonomi sepenuhnya jarang sekali menjadi sasaran pertama.
Perkembangan yang lebih praktikal ialah:
Instrumen -> sambung -> berikan konteks -> pantau -> ramal -> syorkan -> selia -> automatikkan tindak balas terpilih -> luaskan autonomi
Keperluan pertama ialah data yang boleh dipercayai.
Sensor mesti ditentukur dan diselenggara. Teg memerlukan penamaan dan konteks yang konsisten. Data sejarah perlu boleh digunakan. Seni bina rangkaian mesti menyediakan ketersediaan dan keselamatan yang sewajarnya.
Setelah asas itu tersedia, operator boleh memilih aplikasi yang manfaat operasinya boleh diukur dan akibat keputusan yang salah boleh dikawal.
Langkah seterusnya ialah mentakrifkan dengan tepat bila sistem boleh bertindak secara bebas dan bila operator mesti meluluskan tindakan tersebut.
Ini mewujudkan peluasan autonomi yang terkawal dan bukannya percubaan tidak terkawal untuk mengautomasikan segala-galanya.
Masa Depan Bukan Manusia Berbanding Mesin
Cara yang paling berguna untuk memahami autonomi perindustrian bukanlah sebagai pengganti operator, jurutera atau kakitangan penyelenggaraan.
Ia merupakan pengagihan semula kerja.
Mesin sangat sesuai untuk memantau ribuan isyarat secara berterusan, membandingkan keadaan semasa dengan corak sejarah, mengira tindak balas kawalan dan melaksanakan tindakan berulang dalam had yang telah ditetapkan.
Manusia kekal lebih sesuai untuk menangani pengecualian yang kompleks, objektif yang bercanggah, keadaan operasi luar biasa, keputusan keselamatan dan situasi apabila data yang tersedia tidak lengkap.
Oleh itu, model operasi yang paling kukuh menggabungkan kedua-duanya.
Autonomi harus mengendalikan lebih banyak kitaran keputusan rutin, manakala kepakaran manusia kekal tertumpu pada keputusan yang paling memerlukan konteks, pengalaman dan akauntabiliti.
Kesimpulan: Bina Autonomi Satu Aplikasi Terbukti pada Satu Masa
Autonomi dalam industri minyak dan gas tidak akan hadir sebagai satu pelaksanaan teknologi tunggal.
Ia akan berkembang melalui sistem kawalan yang saling berhubung, peranti medan pintar, pengkomputeran pinggir, MPC, penyelenggaraan ramalan, robotik, AI dan seni bina OT yang selamat yang berfungsi bersama.
Cabaran kejuruteraan bukan sekadar menentukan sama ada AI boleh membuat keputusan. Cabarannya adalah menentukan keputusan yang boleh diautomatikkan dengan selamat, maklumat yang diperlukan oleh sistem, kekangan yang mesti dikuatkuasakan dan perkara yang kuasanya mesti kekal pada manusia.
Sebab itulah peralihan daripada automasi kepada autonomi harus dianggap sebagai program kejuruteraan dan bukannya projek AI.
Operator yang membina asas data yang boleh dipercayai, seni bina yang boleh diskalakan dan sempadan kawalan yang ditakrifkan dengan jelas boleh mengalihkan pemantauan, diagnosis dan pengoptimuman rutin secara beransur-ansur kepada pelaksanaan autonomi.
Objektif akhirnya bukanlah untuk mewujudkan operasi tanpa manusia.
Tujuannya adalah untuk mewujudkan operasi yang membolehkan teknologi mengendalikan keputusan rutin dengan lebih pantas dan konsisten, manakala jurutera dan operator menumpukan perhatian pada perkara yang paling memerlukan pertimbangan manusia dalam operasi.
