Các công ty dầu khí đã dựa vào tự động hóa trong nhiều thập kỷ. PLC, các nền tảng DCS, hệ thống an toàn, điều khiển tiên tiến và các mạng công nghiệp đã thực hiện phần lớn công việc lặp đi lặp lại cần thiết để duy trì hoạt động của các giếng, cơ sở chế biến, đường ống và tài sản ngoài khơi.
Giai đoạn tiếp theo không chỉ đơn giản là bổ sung thêm tự động hóa. Mà là tạo ra các hệ thống có thể hiểu các điều kiện vận hành, dự đoán điều gì có thể xảy ra tiếp theo, đánh giá các phản hồi khả dụng và hành động trong những ranh giới được xác định rõ ràng.
Đây là ý nghĩa thực tiễn của tính tự chủ trong các hoạt động công nghiệp.
Từ góc độ kỹ thuật tự động hóa, sự phân biệt này rất quan trọng. Một hệ thống tự động thông thường thực thi logic mà các kỹ sư đã xác định trước. Một hệ thống tự chủ bổ sung thêm một lớp ra quyết định. Hệ thống này kết hợp dữ liệu quy trình theo thời gian thực, tình trạng thiết bị, các mô hình dự đoán, phân tích và ngày càng cả AI để xác định phản hồi nào phù hợp với trạng thái vận hành hiện tại.
Điều đó không có nghĩa là loại bỏ người vận hành khỏi quy trình. Trong các ứng dụng dầu khí có hậu quả nghiêm trọng, hướng đi thực tế hơn là tiếp tục để con người chịu trách nhiệm về các trường hợp ngoại lệ, tình huống bất thường, việc phê duyệt và những quyết định vượt quá các giới hạn đã xác định trước.
Vì sao tính tự chủ đang trở nên thiết thực hơn
Một số thay đổi đang giúp quá trình chuyển đổi này trở nên khả thi.
Các hoạt động dầu khí ngày càng được phân bổ trên các giếng ở vùng xa, giàn khoan ngoài khơi, cơ sở chế biến, đường ống và tài sản hàng hải. Đồng thời, nhiều đơn vị vận hành đang phải xử lý hạ tầng cũ, các hệ thống điều khiển phân mảnh, hạn chế về nhân lực và các mạng OT ngày càng được kết nối.
Trong lịch sử, số hóa thường tập trung vào việc làm cho thông tin trở nên dễ quan sát. Người vận hành có thể xem xu hướng, cảnh báo và tình trạng thiết bị từ các hệ thống tập trung, nhưng họ vẫn phải diễn giải phần lớn thông tin đó và quyết định cần làm gì.
Bước tiếp theo là rút ngắn chu kỳ ra quyết định đó.
Điện toán biên hiện đại, các thiết bị Internet vạn vật công nghiệp, điều khiển quy trình tiên tiến, phân tích dự đoán và AI có thể đưa hoạt động tính toán đến gần quy trình hơn. Thay vì gửi mọi quyết định qua một kiến trúc tập trung hoặc dựa trên đám mây, các chức năng được chọn có thể hoạt động cục bộ tại nơi thời gian phản hồi và khả năng liên lạc có ý nghĩa quan trọng.
Theo quan điểm của tôi, giá trị thực sự của tính tự chủ không nằm ở bản thân mô hình AI. Mà nằm ở khả năng kết nối hoạt động cảm nhận, phân tích, logic ra quyết định và hành động điều khiển thành một vòng vận hành thống nhất.
MPC tạo cầu nối giữa tự động hóa và tự chủ
Điều khiển dự báo theo mô hình là một ví dụ quan trọng cho sự phát triển này.
MPC liên tục đánh giá các điều kiện hiện tại của quy trình và hành vi dự đoán trong tương lai, sau đó tính toán các tác động điều khiển dựa trên những mục tiêu và ràng buộc đã xác định. MPC có thể bù trừ cho các tương tác trong quy trình vốn khó quản lý chỉ bằng các vòng PID thông thường.
AI mở rộng khái niệm này thay vì nhất thiết thay thế nó.
Một hệ thống AI có thể phân tích các tập dữ liệu lớn hơn và ít có cấu trúc hơn, xác định những mối quan hệ có thể không được thể hiện trong một mô hình quy trình cố định, đồng thời nhận biết các mẫu vận hành liên quan đến những vấn đề đang phát triển hoặc các cơ hội tối ưu hóa.
Sự kết hợp này đặc biệt hữu ích khi các điều kiện quy trình thay đổi liên tục.
Ví dụ, một kiến trúc điều khiển tự chủ có thể kết hợp:
- Các phép đo quy trình theo thời gian thực
- Dữ liệu tình trạng thiết bị
- Các mô hình vận hành trong quá khứ
- Các dự đoán của MPC
- Phát hiện bất thường dựa trên AI
- Các ràng buộc vận hành đã xác định
- Trạng thái của hệ thống an toàn
- Các quy tắc cấp quyền cho người vận hành
Hệ thống tạo ra có thể xác định liệu một điều kiện vận hành có cần được giám sát, điều chỉnh, khuyến nghị hay có sự can thiệp của con người hay không.
Điều đó gần với tính tự chủ công nghiệp hơn nhiều so với việc chỉ cài đặt một ứng dụng AI bên cạnh DCS hiện có.
Trí tuệ biên đặc biệt quan trọng ở cấp quy trình
Tính tự chủ trở nên hữu ích hơn khi các quyết định có thể được đưa ra gần thiết bị.
Bơm, máy nén, van, bộ truyền động, thiết bị phân tách và các tài sản quy trình khác ngày càng tạo ra thông tin chẩn đoán và hiệu suất bên cạnh các phép đo quy trình cơ bản.
Các thiết bị hiện trường cũ có thể chỉ cung cấp tín hiệu trạng thái đơn giản. Các thiết bị thông minh hiện đại có thể cung cấp các giá trị quy trình, chẩn đoán thiết bị, chỉ báo tình trạng và thông tin vận hành bổ sung.
Điều này tạo ra một lớp thông tin phong phú hơn nhiều.
Tuy nhiên, việc gửi toàn bộ thông tin đến một nền tảng từ xa không tự động tạo ra một hệ thống điều khiển tốt hơn. Các ứng dụng nhạy với thời gian vẫn phụ thuộc vào truyền thông mang tính tất định, khả năng điều khiển cục bộ và đặc tính phản hồi có thể dự đoán.
Vì lý do này, một kiến trúc thực tiễn thường sẽ phân bổ trí tuệ trên nhiều lớp:
Cấp hiện trường -> cấp điều khiển -> phân tích biên -> hệ thống giám sát -> phân tích cấp doanh nghiệp/đám mây
Mỗi lớp có một trách nhiệm khác nhau.
Hệ thống điều khiển vẫn nên tiếp tục đảm nhiệm các chức năng điều khiển mang tính tất định. Điện toán biên có thể thực hiện phân tích nhạy với thời gian và hỗ trợ ra quyết định. Các nền tảng cấp cao hơn có thể đảm nhiệm tối ưu hóa trên toàn bộ đội tài sản, phân tích lịch sử và phát triển mô hình AI.
Theo tôi, kiến trúc phân lớp này là một trong những nguyên tắc kỹ thuật quan trọng nhất để mở rộng tính tự chủ mà không biến hệ thống điều khiển thành một nền tảng phần mềm phức tạp không cần thiết.
Vận hành từ xa là điểm khởi đầu tự nhiên
Các trung tâm vận hành từ xa cho thấy vai trò của con người có thể phát triển như thế nào.
Thay vì yêu cầu các chuyên gia di chuyển đến từng giếng, giàn khai thác hoặc cơ sở xử lý, các đội ngũ tập trung có thể giám sát những tài sản phân bố về mặt địa lý thông qua dữ liệu vận hành dùng chung và các công cụ số.
Giai đoạn đầu tiên thường là giám sát từ xa.
Giai đoạn tiếp theo là chẩn đoán tập trung.
Sau đó, có thể thực hiện từ xa các thao tác điều khiển được lựa chọn.
Khi độ tin cậy tăng lên, phần mềm có thể liên tục thực hiện các tác vụ chẩn đoán và tối ưu hóa thường quy, chỉ chuyển các trường hợp ngoại lệ cho người vận hành.
Điều này tạo ra một mô hình vận hành khác: con người dành ít thời gian hơn cho các thao tác lặp đi lặp lại và nhiều thời gian hơn để giám sát hiệu suất hệ thống, điều tra các tình trạng bất thường và xử lý những quyết định đòi hỏi phán đoán kỹ thuật.
Do đó, công nghệ làm thay đổi cách phân bổ sự chú ý của con người, thay vì chỉ đơn giản loại bỏ sự tham gia của con người.
Các tài sản ngoài khơi có cơ sở kinh tế vững chắc cho tính tự chủ
Giá trị mang lại trở nên đặc biệt rõ ràng ở ngoài khơi.
Một vấn đề bảo trì tại cơ sở trên bờ có thể chỉ cần một kỹ thuật viên và phụ tùng thay thế. Cùng vấn đề đó ngoài khơi có thể liên quan đến vận chuyển, nhân sự chuyên môn, hậu cần tàu biển hoặc trực thăng, hạn chế do thời tiết và các cân nhắc bổ sung về an toàn.
Đối với FPSO hoặc giàn khai thác ở xa, việc phát hiện sớm tình trạng xuống cấp của thiết bị do đó có thể mang lại tác động kinh tế lớn hơn nhiều.
Một hệ thống dự đoán có thể xác định tình trạng rung, nhiệt độ, áp suất hoặc hiệu suất bất thường trước khi xảy ra hỏng hóc, cho phép các đội bảo trì lên kế hoạch can thiệp thay vì phản ứng trước một lần dừng máy bất ngờ.
Lợi ích không chỉ giới hạn ở chi phí bảo trì.
Điều này cũng có thể bao gồm:
- Giảm thời gian ngừng hoạt động ngoài kế hoạch
- Cải thiện tính liên tục của sản xuất
- Lập kế hoạch phụ tùng tốt hơn
- Ít can thiệp khẩn cấp hơn
- Giảm mức độ tiếp xúc của nhân sự với nguy hiểm
- Các khoảng thời gian bảo trì dễ dự đoán hơn
Đây là lúc bảo trì dự đoán trở thành một phần của mô hình vận hành tự chủ thay vì chỉ là một ứng dụng phân tích độc lập.
Robot có thể loại bỏ sự hiện diện của con người khỏi các tác vụ nguy hiểm lặp đi lặp lại
Kiểm tra là một lĩnh vực khác mà tính tự chủ có thể phát triển tương đối nhanh.
Drone, robot mặt đất, robot hàng hải và các hệ thống kiểm tra tự động có thể thu thập dữ liệu trực quan, nhiệt và các dữ liệu tình trạng khác từ những địa điểm khó tiếp cận hoặc nguy hiểm đối với nhân sự.
Bước kỹ thuật quan trọng là kết nối các hệ thống này với quy trình bảo trì rộng hơn.
Một robot chỉ tạo ra hình ảnh vẫn khiến con người phải chịu trách nhiệm xem xét chúng. Một hệ thống tích hợp hơn có thể thu thập dữ liệu kiểm tra, so sánh dữ liệu với các điều kiện trong quá khứ, xác định thay đổi, phân loại các khuyết tật tiềm ẩn và tạo khuyến nghị bảo trì.
Kiến trúc dài hạn có thể kết nối:
Robot -> dữ liệu kiểm tra -> phân tích -> mô hình tình trạng tài sản -> quy trình bảo trì -> phê duyệt của con người hoặc phản hồi tự động
Điều đó tạo ra một vòng lặp thông tin khép kín.
Mục tiêu không nên là triển khai robot chỉ vì robot sẵn có. Cách tiếp cận tốt hơn là xác định những tác vụ mà việc con người phải tiếp xúc, tần suất kiểm tra, khả năng tiếp cận khó khăn hoặc công việc lặp đi lặp lại tạo ra một vấn đề vận hành có thể đo lường.
Giếng tự động đòi hỏi tối ưu hóa liên tục
Vận hành giếng là một ứng dụng thú vị khác.
Áp suất, lưu lượng, hiệu suất phun, tình trạng bơm và diễn biến của vỉa chứa có thể thay đổi liên tục. Một chiến lược điều khiển hoạt động tốt trong một tập hợp điều kiện có thể trở nên kém hiệu quả hơn khi trạng thái vận hành thay đổi.
Do đó, việc giám sát liên tục kết hợp với điều khiển thích ứng có thể mang lại phương pháp phản hồi nhanh hơn.
Ví dụ, công nghệ truyền động tái sinh được triển khai tại hơn 130 địa điểm giếng bơm cần đã cho thấy việc hiện đại hóa bộ truyền động có thể kết hợp thu hồi năng lượng với khả năng điều khiển được cải thiện và dữ liệu hiệu suất theo thời gian thực. Theo báo cáo, việc triển khai đạt mức tái sinh năng lượng 17%, trong đó 95% năng lượng thu hồi được tái sử dụng, và dự kiến tạo ra khoản tiết kiệm năng lượng 3 triệu USD mỗi tháng khi triển khai đầy đủ.
Điểm quan trọng hơn từ góc độ tự động hóa là quá trình hiện đại hóa cũng tạo ra một lớp dữ liệu sẵn sàng cho AI.
Nếu không có dữ liệu vận hành tốt, bảo trì dự đoán và tối ưu hóa tự chủ vẫn chỉ là những khái niệm mang tính lý thuyết.
Bơm ép nước cho thấy tiềm năng của điều khiển dự đoán
Bơm ép nước là một ví dụ khác cho thấy điều khiển nâng cao có thể tác động trực tiếp đến sản lượng.
Trong một ứng dụng được báo cáo, MPC đã được triển khai trên 35 máy bơm ép nước và ba cụm thiết bị cùng bãi chuyển tiếp trong mỏ. Hệ thống tự động điều chỉnh các điều kiện vận hành dựa trên hành vi quy trình được dự đoán.
Việc triển khai đã tăng lượng nước bơm ép gần 36.000 thùng/ngày, hỗ trợ sản lượng tăng thêm 548 thùng dầu/ngày và giảm mức tiêu thụ năng lượng 3%.
Bài học kỹ thuật này có ý nghĩa quan trọng.
Tính tự chủ không phải lúc nào cũng đòi hỏi một hệ thống AI phức tạp. Trong một số ứng dụng, chiến lược điều khiển dự đoán được thiết kế tốt, với thiết bị đo đáng tin cậy và các ràng buộc được xác định rõ ràng, có thể mang lại giá trị thực tiễn cao hơn một kiến trúc AI phức tạp không cần thiết.
Công nghệ phù hợp nên giải quyết vấn đề vận hành, chứ không phải ngược lại.
Bảo trì dự đoán thay đổi mô hình bảo trì
Các chiến lược bảo trì truyền thống thường được xây dựng dựa trên lịch bảo trì phòng ngừa hoặc phản ứng khi sự cố xảy ra.
Bảo trì tự chủ mở ra khả năng thứ ba: can thiệp theo tình trạng thực tế của thiết bị.
Đối với thiết bị quay, việc giám sát tình trạng có thể xác định những thay đổi về độ rung, nhiệt độ, tải, áp suất hoặc các thông số vận hành khác trước khi đạt đến ngưỡng cảnh báo thông thường.
Một ứng dụng khoan ngoài khơi được báo cáo đã sử dụng chỉ số tình trạng thiết bị động, tính năng phát hiện bất thường bằng thống kê và điện toán biên để giám sát thiết bị theo thời gian thực, đồng thời xác định các sai lệch so với hành vi bình thường.
Bước tiếp theo là kết nối các mô hình thiết bị riêng lẻ đó trên toàn doanh nghiệp.
Nếu dữ liệu hiệu suất từ nhiều giàn khoan, giàn công nghệ hoặc cơ sở sản xuất được phân tích cùng nhau, người vận hành có thể so sánh hành vi của thiết bị trong các điều kiện môi trường và vận hành khác nhau.
AI sau đó có thể giúp xác định các mẫu hình khó phát hiện thông qua việc giám sát từng tài sản riêng lẻ.
Đây là nơi tự chủ bắt đầu vượt ra ngoài các giải pháp điểm riêng lẻ và hướng tới tối ưu hóa tài sản ở cấp độ đội thiết bị.
Hệ thống điều khiển vẫn cần các ranh giới rõ ràng
Một trong những cân nhắc kỹ thuật quan trọng nhất là xác định hệ thống tự chủ được phép làm gì.
Một mô hình AI có thể đưa ra khuyến nghị, nhưng hệ thống điều khiển vẫn cần xác định liệu khuyến nghị đó có được phép hay không.
Đối với các quy trình quan trọng, kiến trúc nên phân tách rõ ràng:
- Các mục tiêu tối ưu hóa
- Các giới hạn vận hành bình thường
- Các ràng buộc của thiết bị
- Các ràng buộc của quy trình
- Giới hạn an toàn
- Chức năng liên động
- Chức năng dừng khẩn cấp
- Quyền cho phép của người vận hành
Không nên đơn giản coi các hệ thống an toàn là một phân hệ khác do AI điều khiển.
Lớp tự chủ nên hoạt động trong các ranh giới đã được thiết lập, trong khi các chức năng bảo vệ độc lập vẫn tiếp tục thực hiện vai trò an toàn dự kiến của chúng.
Sự phân tách này là nền tảng để xây dựng niềm tin vào hoạt động tự chủ.
An ninh mạng trở thành một phần của kiến trúc điều khiển
Kết nối nhiều hơn cũng tạo ra nhiều bề mặt tấn công hơn.
Việc kết nối các thiết bị hiện trường, bộ điều khiển, máy tính biên, trung tâm vận hành từ xa, nền tảng đám mây và hệ thống doanh nghiệp có thể mang lại giá trị vận hành đáng kể, nhưng mọi kết nối bổ sung đều cần được xem xét từ góc độ an ninh mạng OT.
Do đó, một kiến trúc tự chủ hiện đại cần nhiều hơn tường lửa.
Các đơn vị vận hành cần khả năng hiển thị tài sản, phân đoạn mạng, quản lý lỗ hổng, kiểm soát truy cập, giám sát và sự phân tách phù hợp giữa các hệ thống có mức độ ảnh hưởng vận hành khác nhau.
Mục tiêu không chỉ đơn giản là bảo vệ thông tin CNTT.
Một môi trường OT bị xâm phạm có thể ảnh hưởng đến các quy trình vật lý, tính liên tục của sản xuất và, trong một số trường hợp, an toàn của nhân sự.
Vì lý do đó, an ninh mạng nên được xem xét trong giai đoạn kiến trúc thay vì được bổ sung sau khi một ứng dụng tự chủ đã được triển khai.
Tránh vấn đề dự án thí điểm bị mắc kẹt
Một trong những rào cản lớn nhất đối với tự chủ công nghiệp không phải là công nghệ. Đó là việc không thể mở rộng các dự án thí điểm thành công.
Một công ty có thể chứng minh rằng một mô hình AI phát hiện các bất thường của thiết bị hoặc một robot kiểm tra tự chủ hoạt động trên một giàn. Nhưng nếu mỗi lần triển khai tiếp theo đều đòi hỏi một kiến trúc hoàn toàn mới, công sức tích hợp và đánh giá kỹ thuật, lợi thế kinh tế sẽ nhanh chóng biến mất.
Ngay từ đầu, một phương pháp có khả năng mở rộng nên xác định những yếu tố sau:
- Vấn đề vận hành
- Mục tiêu kinh doanh có thể đo lường
- Các nguồn dữ liệu cần thiết
- Các ràng buộc về điều khiển và an toàn
- Yêu cầu an ninh mạng
- Yêu cầu can thiệp của con người
- Tiêu chí hiệu suất
- Phương pháp nhân rộng
Điều này biến một dự án thí điểm thành một mô hình kỹ thuật có thể lặp lại.
Đối với các đơn vị vận hành hàng trăm giếng, nhiều giàn hoặc các cơ sở xử lý được tiêu chuẩn hóa, khả năng lặp lại cuối cùng có thể có giá trị hơn hiệu suất của bất kỳ mô hình AI riêng lẻ nào.
Lộ trình thực tiễn hướng tới vận hành tự chủ
Một cơ sở hoàn toàn tự chủ hiếm khi nên là mục tiêu đầu tiên.
Một lộ trình thực tế hơn là:
Thiết bị đo -> kết nối -> tạo ngữ cảnh -> giám sát -> dự đoán -> đề xuất -> giám sát điều hành -> tự động hóa các phản hồi được chọn -> mở rộng tính tự chủ
Yêu cầu đầu tiên là dữ liệu đáng tin cậy.
Các cảm biến phải được hiệu chuẩn và bảo trì. Các thẻ cần có cách đặt tên và ngữ cảnh nhất quán. Dữ liệu lịch sử cần có thể sử dụng được. Kiến trúc mạng phải cung cấp mức độ sẵn sàng và bảo mật phù hợp.
Khi nền tảng này đã tồn tại, các đơn vị vận hành có thể lựa chọn những ứng dụng mà lợi ích vận hành có thể đo lường được và hậu quả của một quyết định sai có thể kiểm soát.
Bước tiếp theo là xác định chính xác khi nào hệ thống có thể hành động độc lập và khi nào nhân viên vận hành phải phê duyệt hành động đó.
Điều này tạo ra sự mở rộng có kiểm soát của tính tự chủ thay vì một nỗ lực thiếu kiểm soát nhằm tự động hóa mọi thứ.
Tương lai không phải là Con người đối đầu với Máy móc
Cách hữu ích nhất để hình dung tính tự chủ công nghiệp không phải là xem nó như sự thay thế cho nhân viên vận hành, kỹ sư hoặc nhân viên bảo trì.
Đó là sự phân bổ lại công việc.
Máy móc phù hợp với việc liên tục giám sát hàng nghìn tín hiệu, so sánh điều kiện hiện tại với các mẫu lịch sử, tính toán phản hồi điều khiển và thực hiện các hành động lặp đi lặp lại trong những giới hạn được xác định trước.
Con người vẫn có vị thế tốt hơn trong việc xử lý các ngoại lệ phức tạp, mục tiêu xung đột, điều kiện vận hành bất thường, quyết định về an toàn và những tình huống mà dữ liệu hiện có không đầy đủ.
Do đó, mô hình vận hành mạnh nhất là mô hình kết hợp cả hai.
Tính tự chủ nên đảm nhiệm nhiều hơn trong chu trình quyết định thường lệ, trong khi chuyên môn của con người vẫn tập trung vào những quyết định mà bối cảnh, kinh nghiệm và trách nhiệm giải trình có ý nghĩa quan trọng nhất.
Kết luận: Xây dựng Tính tự chủ Từng ứng dụng Đã được Chứng minh
Tính tự chủ trong ngành dầu khí sẽ không xuất hiện dưới dạng một lần triển khai công nghệ duy nhất.
Quá trình này sẽ phát triển thông qua các hệ thống điều khiển được kết nối, thiết bị hiện trường thông minh, điện toán biên, MPC, bảo trì dự đoán, robot, AI và các kiến trúc OT bảo mật phối hợp với nhau.
Thách thức kỹ thuật không chỉ là xác định liệu AI có thể đưa ra một quyết định hay không. Đó là xác định những quyết định nào có thể được tự động hóa một cách an toàn, hệ thống cần thông tin gì, những ràng buộc nào phải được thực thi và quyền quyết định của con người phải được duy trì ở đâu.
Đó là lý do quá trình chuyển đổi từ tự động hóa sang tự chủ nên được xem là một chương trình kỹ thuật thay vì một dự án AI.
Các đơn vị vận hành xây dựng được nền tảng dữ liệu đáng tin cậy, kiến trúc có khả năng mở rộng và ranh giới kiểm soát được xác định rõ ràng có thể từng bước chuyển hoạt động giám sát, chẩn đoán và tối ưu hóa thường lệ sang thực thi tự chủ.
Mục tiêu cuối cùng không phải là tạo ra một hoạt động không có con người.
Mục tiêu là tạo ra một hoạt động trong đó công nghệ xử lý các quyết định thường lệ với tốc độ và tính nhất quán cao hơn, trong khi các kỹ sư và nhân viên vận hành tập trung vào những lĩnh vực mà phán đoán của con người mang lại giá trị vận hành lớn nhất.
