Petrol ve gaz şirketleri onlarca yıldır otomasyona güveniyor. PLC'ler, DCS platformları, güvenlik sistemleri, gelişmiş kontrol ve endüstriyel ağlar, kuyuların, işleme tesislerinin, boru hatlarının ve açık deniz varlıklarının çalışır durumda tutulması için gereken tekrarlayan işlerin büyük bölümünü zaten gerçekleştiriyor.
Bir sonraki aşama yalnızca daha fazla otomasyon eklemek değildir. Çalışma koşullarını anlayabilen, bir sonraki adımda ne olabileceğini öngörebilen, mevcut yanıtları değerlendirebilen ve açıkça tanımlanmış sınırlar içinde eyleme geçebilen sistemler oluşturmaktır.
Endüstriyel operasyonlarda özerkliğin pratik anlamı budur.
Otomasyon mühendisliği açısından bu ayrım önemlidir. Geleneksel bir otomatik sistem, mühendislerin önceden tanımladığı mantığı yürütür. Özerk bir sistem, ek bir karar katmanı sunar. Mevcut çalışma durumuna uygun yanıtı belirlemek için gerçek zamanlı proses verilerini, ekipman durumunu, öngörücü modelleri, analitiği ve giderek daha fazla yapay zekâyı bir araya getirir.
Bu, operatörleri prosesten çıkarmak anlamına gelmez. Yüksek sonuçlu petrol ve gaz uygulamalarında daha gerçekçi yön, insanların istisnalar, anormal durumlar, yetkilendirme ve önceden tanımlanmış sınırları aşan kararlardan sorumlu olmaya devam etmesidir.
Özerklik Neden Daha Uygulanabilir Hale Geliyor
Birkaç gelişme bu geçişi mümkün kılıyor.
Petrol ve gaz operasyonları, uzak kuyular, açık deniz platformları, işleme tesisleri, boru hatları ve deniz varlıkları arasında giderek daha fazla dağıtılıyor. Aynı zamanda birçok işletmeci, eskiyen altyapı, parçalı kontrol sistemleri, iş gücü kısıtları ve giderek daha bağlantılı OT ağlarıyla uğraşıyor.
Tarihsel olarak dijitalleşme çoğunlukla bilgiyi görünür kılmaya odaklandı. Operatörler merkezi sistemlerden trendleri, alarmları ve ekipman durumlarını görebiliyordu; ancak bu bilgilerin büyük bölümünü hâlâ insanların yorumlaması ve ne yapılacağına karar vermesi gerekiyordu.
Bir sonraki adım, bu karar döngüsünü kısaltmaktır.
Modern uç bilişim, Endüstriyel Nesnelerin İnterneti cihazları, gelişmiş proses kontrolü, öngörücü analitik ve yapay zekâ, hesaplamayı prosese daha yakın konumlandırabilir. Her kararı merkezi veya bulut tabanlı bir mimari üzerinden göndermek yerine, seçilen işlevler yanıt süresinin ve iletişim kullanılabilirliğinin önemli olduğu yerlerde yerel olarak çalışabilir.
Bana göre, özerkliğin gerçek değeri yapay zekâ modelinin kendisi değildir. Değer, algılama, analiz, karar mantığı ve kontrollü eylemi tek bir operasyonel döngüde birleştirebilme yeteneğidir.
MPC, Otomasyon ile Özerklik Arasında Köprü Kurar
Model Öngörülü Kontrol, bu ilerlemenin önemli bir örneğidir.
MPC, mevcut proses koşullarını ve öngörülen gelecekteki davranışı sürekli değerlendirir, ardından tanımlanmış hedefler ve kısıtlar doğrultusunda kontrol eylemlerini hesaplar. Geleneksel PID döngüleriyle tek başına yönetilmesi zor olan proses etkileşimlerini telafi edebilir.
Yapay zekâ, bu kavramın yerini zorunlu olarak almak yerine onu geliştirir.
Bir yapay zekâ sistemi daha büyük ve daha az yapılandırılmış veri kümelerini analiz edebilir, sabit bir proses modelinde temsil edilmeyebilecek ilişkileri belirleyebilir ve gelişmekte olan sorunlarla veya optimizasyon fırsatlarıyla ilişkili işletim örüntülerini tanıyabilir.
Bu birleşim, proses koşulları sürekli değiştiğinde özellikle yararlıdır.
Örneğin, otonom bir kontrol mimarisi şunları bir araya getirebilir:
- Gerçek zamanlı proses ölçümleri
- Ekipman durum verileri
- Geçmiş işletim örüntüleri
- MPC tahminleri
- Yapay zekâ tabanlı anomali tespiti
- Tanımlanmış işletim kısıtları
- Güvenlik sistemi durumu
- Operatör yetkilendirme kuralları
Ortaya çıkan sistem, bir işletim koşulunun izleme, ayarlama, öneri veya insan müdahalesi gerektirip gerektirmediğini belirleyebilir.
Bu, mevcut bir DCS'nin yanına yalnızca bir yapay zekâ uygulaması kurmaktan çok daha fazla endüstriyel otonomiye yakındır.
Uç Zekâ Özellikle Proses Seviyesinde Önemlidir
Kararlar ekipmana yakın bir yerde alınabildiğinde otonomi daha kullanışlı hâle gelir.
Pompalar, kompresörler, vanalar, sürücüler, separatörler ve diğer proses varlıkları, temel proses ölçümlerine ek olarak giderek daha fazla teşhis ve performans bilgisi üretmektedir.
Eski saha cihazları basit bir durum sinyali sağlayabilir. Modern akıllı cihazlar proses değerleri, cihaz teşhisleri, sağlık göstergeleri ve ek işletim bilgileri sağlayabilir.
Bu, çok daha zengin bir bilgi katmanı oluşturur.
Ancak tüm bilgilerin uzak bir platforma gönderilmesi, otomatik olarak daha iyi bir kontrol sistemi oluşturmaz. Zamana duyarlı uygulamalar hâlâ deterministik iletişime, yerel kontrolün kullanılabilirliğine ve öngörülebilir tepki davranışına bağlıdır.
Bu nedenle, pratik bir mimari çoğu zaman zekâyı birkaç katmana dağıtır:
Saha seviyesi -> kontrol seviyesi -> uç analitik -> denetleyici sistemler -> kurumsal/bulut analitiği
Her katmanın farklı bir sorumluluğu vardır.
Kontrol sistemi, deterministik kontrol işlevlerini yerine getirmeye devam etmelidir. Uç bilişim, zamana duyarlı analizleri ve karar desteğini gerçekleştirebilir. Daha üst düzey platformlar, filo genelinde optimizasyonu, geçmiş verilerin analizini ve yapay zekâ modeli geliştirmeyi yönetebilir.
Bana göre bu katmanlı mimari, kontrol sistemini gereksiz yere karmaşık bir yazılım platformuna dönüştürmeden otonomiyi ölçeklendirmek için en önemli mühendislik ilkelerinden biridir.
Uzaktan Operasyonlar Doğal Bir Başlangıç Noktasıdır
Uzaktan operasyon merkezleri, insan rolünün nasıl evrilebileceğini gösterir.
Uzmanların tek tek kuyulara, platformlara veya işleme tesislerine gitmesini gerektirmek yerine, merkezi ekipler ortak operasyonel veriler ve dijital araçlar aracılığıyla coğrafi olarak dağınık varlıkları denetleyebilir.
İlk aşama genellikle uzaktan izlemedir.
Bir sonraki aşama merkezi teşhistir.
Bundan sonra, seçilen kontrol işlemleri uzaktan gerçekleştirilebilir.
Güven arttıkça yazılım, rutin teşhis ve optimizasyon görevlerini sürekli olarak gerçekleştirebilir ve yalnızca istisnai durumları bir operatöre iletebilir.
Bu, farklı bir işletim modeli oluşturur: İnsanlar tekrarlayan eylemleri gerçekleştirmeye daha az, sistem performansını denetlemeye, anormal koşulları araştırmaya ve mühendislik muhakemesi gerektiren kararları almaya daha fazla zaman harcar.
Dolayısıyla teknoloji, insan katılımını basitçe ortadan kaldırmak yerine insan dikkatinin dağılımını değiştirir.
Açık Deniz Varlıkları Otonomi İçin Güçlü Bir Ekonomik Gerekçeye Sahiptir
Değer önerisi özellikle açık denizde belirginleşir.
Karadaki bir tesisteki bakım sorunu, bir teknisyen ve yedek parçalar gerektirebilir. Açık denizde aynı sorun; ulaşım, uzman personel, deniz veya helikopter lojistiği, hava koşullarıyla ilgili kısıtlamalar ve ek güvenlik hususlarını içerebilir.
Bir FPSO veya uzak bir platform için ekipman bozulmasının erken tespit edilmesi, bu nedenle çok daha büyük bir ekonomik etki yaratabilir.
Arızadan önce anormal titreşim, sıcaklık, basınç veya performans davranışını belirleyen tahmine dayalı bir sistem, bakım ekiplerinin beklenmedik bir kapanmaya tepki vermek yerine müdahaleyi planlamasını sağlayabilir.
Fayda yalnızca bakım maliyetiyle sınırlı değildir.
Şunları da içerebilir:
- Planlanmamış duruş süresinin azaltılması
- Üretim sürekliliğinin artırılması
- Yedek parça planlamasının iyileştirilmesi
- Daha az acil müdahale
- Personelin maruziyetinin azaltılması
- Daha öngörülebilir bakım aralıkları
Tahmine dayalı bakımın, yalıtılmış bir analitik uygulama olarak kalmak yerine otonom işletim modelinin bir parçası hâline geldiği nokta burasıdır.
Robotik, İnsanları Tekrarlayan Tehlikeli Görevlerden Uzaklaştırabilir
Denetim, otonominin nispeten hızlı gelişebileceği bir başka alandır.
Dronlar, kara robotları, deniz robotları ve otomatik denetim sistemleri; personelin erişmesinin zor veya tehlikeli olduğu konumlardan görsel, termal ve diğer durum verilerini toplayabilir.
Önemli mühendislik adımı, bu sistemleri daha geniş bakım iş akışına bağlamaktır.
Yalnızca görüntü üreten bir robot, görüntüleri inceleme sorumluluğunu yine bir insana bırakır. Daha entegre bir sistem denetim verilerini toplayabilir, bunları geçmiş koşullarla karşılaştırabilir, değişiklikleri belirleyebilir, olası kusurları sınıflandırabilir ve bir bakım önerisi oluşturabilir.
Uzun vadeli mimari şunları birbirine bağlayabilir:
Robot -> denetim verileri -> analitik -> varlık sağlık modeli -> bakım iş akışı -> insan onayı veya otomatik yanıt
Bu, kapalı bir bilgi döngüsü oluşturur.
Amaç, robotlar mevcut olduğu için robotları kullanıma sunmak olmamalıdır. Daha iyi yaklaşım; insan maruziyetinin, denetim sıklığının, erişim zorluğunun veya tekrarlayan işlerin ölçülebilir bir operasyonel sorun yarattığı görevleri belirlemektir.
Otonom Kuyular Sürekli Optimizasyon Gerektirir
Kuyu operasyonları da bir başka ilgi çekici uygulama alanı sunar.
Basınç, akış, enjeksiyon performansı, pompa durumu ve rezervuar davranışı sürekli değişebilir. Bir koşul kümesi altında iyi performans gösteren bir kontrol stratejisi, çalışma durumu değiştikçe daha az etkili hâle gelebilir.
Bu nedenle sürekli izleme ile uyarlanabilir kontrolün birleşimi, daha duyarlı bir yaklaşım sağlayabilir.
Örneğin, 130'dan fazla rod pompalı kuyu sahasında devreye alınan rejeneratif sürücü teknolojisi, sürücü modernizasyonunun enerji geri kazanımını gelişmiş kontrol ve gerçek zamanlı performans verileriyle nasıl birleştirebileceğini göstermiştir. Bildirilen uygulamada %17 enerji rejenerasyonu sağlanmış, geri kazanılan enerjinin %95'i yeniden kullanılmış ve tam uygulama kapsamında aylık 3 milyon dolarlık enerji tasarrufu elde edilmesi öngörülmüştür.
Otomasyon açısından daha önemli nokta, modernizasyonun aynı zamanda bir yapay zekâya hazır veri katmanı oluşturmasıdır.
İyi operasyonel veriler olmadan kestirimci bakım ve özerk optimizasyon teorik kavramlar olarak kalır.
Su Enjeksiyonu, Kestirimci Kontrolün Potansiyelini Gösteriyor
Su enjeksiyonu, gelişmiş kontrolün üretimi doğrudan nasıl etkileyebileceğine dair başka bir örnek sunar.
Bildirilen bir uygulamada MPC, 35 su enjeksiyon pompası ile üç saha transfer ünitesi ve sahasında devreye alındı. Sistem, öngörülen proses davranışına göre işletim koşullarını otomatik olarak ayarladı.
Uygulama, su enjeksiyonunu yaklaşık 36.000 bpd artırdı, üretime ilave 548 bopd katkı sağladı ve enerji tüketimini %3 azalttı.
Mühendislik açısından çıkarılacak ders önemlidir.
Özerklik her zaman karmaşık bir yapay zekâ sistemi gerektirmez. Bazı uygulamalarda, güvenilir enstrümantasyon ve açıkça tanımlanmış kısıtlarla iyi tasarlanmış bir kestirimci kontrol stratejisi, gereksiz yere karmaşık bir yapay zekâ mimarisinden daha pratik değer sağlayabilir.
Doğru teknoloji, işletim sorununu izlemelidir; bunun tersi olmamalıdır.
Kestirimci Bakım, Bakım Modelini Değiştiriyor
Geleneksel bakım stratejileri genellikle önleyici programlar veya reaktif müdahaleler etrafında şekillenir.
Özerk bakım, üçüncü bir olasılık sunar: gerçek ekipman durumuna göre müdahale etmek.
Döner ekipmanlarda durum izleme, geleneksel bir alarm eşiğine ulaşılmadan önce titreşim, sıcaklık, yük, basınç veya diğer işletim parametrelerindeki değişiklikleri belirleyebilir.
Bildirilen bir açık deniz sondaj uygulamasında, ekipmanları gerçek zamanlı olarak izlemek ve normal davranıştan sapmaları belirlemek için dinamik bir ekipman sağlığı endeksi, istatistiksel anomali tespiti ve uç bilişim kullanıldı.
Bir sonraki adım, bu bireysel ekipman modellerini kuruluş genelinde birbirine bağlamaktır.
Birden fazla sondaj kulesi, platform veya üretim tesisinden elde edilen performans verileri birlikte analiz edilebilirse operatörler, farklı çevresel ve işletim koşullarında ekipman davranışlarını karşılaştırabilir.
Yapay zekâ daha sonra, bireysel varlık izleme yoluyla tespit edilmesi zor olan örüntülerin belirlenmesine yardımcı olabilir.
Özerkliğin bireysel noktasal çözümlerin ötesine geçerek filo düzeyinde varlık optimizasyonuna yönelmeye başladığı yer burasıdır.
Kontrol Sistemi Hâlâ Net Sınırlara İhtiyaç Duyar
En önemli mühendislik hususlarından biri, otonom bir sistemin ne yapmasına izin verildiğini tanımlamaktır.
Bir yapay zekâ modeli bir öneri üretebilir, ancak kontrol sistemi yine de bu önerinin uygulanabilir olup olmadığını belirlemelidir.
Kritik süreçler için mimari aşağıdakileri açıkça ayırmalıdır:
- Optimizasyon hedefleri
- Normal işletim sınırları
- Ekipman kısıtları
- Süreç kısıtları
- Güvenlik sınırları
- Kilitleme işlevleri
- Acil durdurma işlevleri
- Operatör yetkilendirmesi
Güvenlik sistemleri, yalnızca yapay zekâ tarafından kontrol edilen başka bir alt sistem olarak ele alınmamalıdır.
Otonom katman, oluşturulmuş sınırlar içinde çalışmalı; bağımsız koruma işlevleri ise amaçlanan güvenlik rollerini yerine getirmeye devam etmelidir.
Bu ayrım, otonom operasyonlara güven oluşturmanın temelidir.
Siber Güvenlik Kontrol Mimarisinin Bir Parçası Haline Geliyor
Daha fazla bağlantı, daha fazla saldırı yüzeyi de oluşturur.
Saha cihazlarını, kontrolörleri, uç bilgisayarları, uzaktan operasyon merkezlerini, bulut platformlarını ve kurumsal sistemleri birbirine bağlamak önemli operasyonel değer sağlayabilir; ancak her ek bağlantı OT siber güvenliği açısından değerlendirilmelidir.
Bu nedenle modern bir otonom mimarinin güvenlik duvarlarından daha fazlasına ihtiyacı vardır.
Operatörlerin varlık görünürlüğüne, ağ segmentasyonuna, güvenlik açığı yönetimine, erişim kontrolüne, izlemeye ve operasyonel sonuç düzeyleri farklı olan sistemler arasında uygun ayrıma ihtiyacı vardır.
Amaç yalnızca BT bilgilerini korumak değildir.
Güvenliği ihlal edilmiş bir OT ortamı fiziksel süreçleri, üretimin sürekliliğini ve potansiyel olarak personel güvenliğini etkileyebilir.
Bu nedenle siber güvenlik, otonom bir uygulama devreye alındıktan sonra eklenmek yerine mimari aşamasında ele alınmalıdır.
Pilot Uygulama Çıkmazından Kaçınmak
Endüstriyel otonominin önündeki en büyük engellerden biri teknoloji değildir. Başarılı pilot uygulamaların ölçeklendirilememesidir.
Bir şirket, bir yapay zekâ modelinin ekipman anormalliklerini tespit ettiğini veya otonom bir denetim robotunun bir platformda çalıştığını gösterebilir. Ancak sonraki her kurulum tamamen yeni bir mimari, entegrasyon çalışması ve mühendislik incelemesi gerektiriyorsa ekonomik avantaj hızla ortadan kalkar.
Ölçeklenebilir bir yaklaşım, aşağıdakileri en baştan tanımlamalıdır:
- Operasyonel sorun
- Ölçülebilir iş hedefi
- Gerekli veri kaynakları
- Kontrol ve güvenlik kısıtları
- Siber güvenlik gereksinimleri
- İnsan müdahalesi gereksinimleri
- Performans kriterleri
- Çoğaltma metodolojisi
Bu, pilot uygulamayı tekrarlanabilir bir mühendislik modeline dönüştürür.
Yüzlerce kuyuya, birden fazla platforma veya standartlaştırılmış işleme tesislerine sahip operatörler için tekrarlanabilirlik, sonuçta herhangi bir yapay zekâ modelinin performansından daha değerli olabilir.
Otonom Operasyonlara Doğru Pratik Bir Yol Haritası
Tamamen otonom bir tesis nadiren ilk hedef olmalıdır.
Daha pratik bir ilerleme şu şekildedir:
Enstrümante et -> bağlan -> bağlamlandır -> izle -> tahmin et -> öner -> denetle -> seçili tepkileri otomatikleştir -> özerkliği genişlet
İlk gereklilik güvenilir verilerdir.
Sensörler kalibre edilmeli ve bakımları yapılmalıdır. Etiketlerin adlandırması ve bağlamı tutarlı olmalıdır. Geçmiş veriler kullanılabilir durumda olmalıdır. Ağ mimarisi uygun erişilebilirlik ve güvenlik sağlamalıdır.
Bu temel oluşturulduğunda operatörler, işletim faydasının ölçülebilir olduğu ve yanlış bir kararın sonuçlarının kontrol edilebildiği uygulamaları seçebilir.
Bir sonraki adım, sistemin tam olarak ne zaman bağımsız hareket edebileceğini ve bir operatörün eylemi ne zaman onaylaması gerektiğini belirlemektir.
Bu, her şeyi kontrolsüzce otomatikleştirme girişimi yerine, özerkliğin kontrollü biçimde genişletilmesini sağlar.
Gelecek İnsanlara Karşı Makinelerden İbaret Değil
Endüstriyel özerkliği düşünmenin en yararlı yolu, onu operatörlerin, mühendislerin veya bakım personelinin yerine geçecek bir unsur olarak görmemektir.
Bu, işin yeniden dağıtılmasıdır.
Makineler, binlerce sinyali sürekli izlemek, mevcut koşulları geçmiş modellerle karşılaştırmak, kontrol tepkilerini hesaplamak ve önceden belirlenmiş sınırlar içinde tekrarlanan eylemleri gerçekleştirmek için uygundur.
İnsanlar; karmaşık istisnalar, çelişen hedefler, olağandışı işletim koşulları, güvenlik kararları ve mevcut verilerin eksik olduğu durumlar için daha elverişli olmaya devam eder.
Bu nedenle en güçlü işletim modeli her ikisini birleştirir.
Özerklik, rutin karar döngüsünün daha büyük bölümünü ele almalı; insan uzmanlığı ise bağlamın, deneyimin ve hesap verebilirliğin en önemli olduğu kararlara yoğunlaşmaya devam etmelidir.
Sonuç: Özerkliği Kanıtlanmış Uygulamalarla Adım Adım Oluşturun
Petrol ve gaz sektöründe özerklik, tek bir teknoloji uygulaması olarak ortaya çıkmayacaktır.
Bu süreç; birbirleriyle birlikte çalışan bağlantılı kontrol sistemleri, akıllı saha cihazları, uç bilişim, MPC, kestirimci bakım, robotik, yapay zekâ ve güvenli OT mimarileri aracılığıyla gelişecektir.
Mühendislik açısından zorluk yalnızca yapay zekânın bir karar verip veremeyeceğini belirlemek değildir. Hangi kararların güvenli bir şekilde otomatikleştirilebileceğini, sistemin hangi bilgilere ihtiyaç duyduğunu, hangi kısıtların uygulanması gerektiğini ve insan yetkisinin nerede korunması gerektiğini belirlemektir.
Bu nedenle otomasyondan özerkliğe geçiş, bir yapay zekâ projesinden ziyade bir mühendislik programı olarak ele alınmalıdır.
Güvenilir veri temelleri, ölçeklenebilir mimariler ve açıkça tanımlanmış kontrol sınırları oluşturan işletmeler; rutin izleme, teşhis ve optimizasyonu kademeli olarak özerk yürütmeye taşıyabilir.
Nihai amaç, insan olmayan bir operasyon oluşturmak değildir.
Amaç, teknolojinin rutin kararları daha yüksek hız ve tutarlılıkla ele aldığı, mühendislerin ve operatörlerin ise dikkatlerini insan muhakemesinin operasyonel açıdan en değerli olduğu noktalara odakladığı bir operasyon oluşturmaktır.
