Проблема избытка данных, которую никто не планировал
Современная морской платформа генерирует показания датчиков, журналы аварийных сигналов, сигналы о состоянии оборудования и записи технологического архива со скоростью, которую невозможно было представить при проектировании объекта. Распределенная система управления (DCS) и система противоаварийной защиты (SIS) были спроектированы для реагирования на эти данные в реальном времени, но никто не определил в полной мере, что делать с накопленным архивом. Результат знаком большинству операционных групп: терабайты архивных данных на серверах, к которым изредка обращаются после инцидентов, а в остальное время игнорируют. Между тем, .
В этой статье рассматривается, как операционные, ремонтные и инженерные группы могут создать практический потенциал для работы с большими данными, не давая завышенных обещаний руководству и не разочаровывая персонал на местах.
Что на самом деле означают «большие данные» в этом контексте
Этот термин часто употребляется не по назначению, но инженерное определение достаточно точно, чтобы быть полезным: большие данные в нефтегазовой отрасли относятся к наборам данных, которые слишком велики, поступают слишком быстро или слишком разнообразны по структуре, чтобы их можно было обрабатывать с помощью обычных реляционных баз данных и ручных рабочих процессов анализа.
На практике это означает:
- Объем: многолетние высокочастотные данные технологических архивов по сотням тегов для каждой единицы активов
- Скорость: потоковая передача в реальном времени от систем мониторинга состояния, многофазных расходомеров и систем управления подводным оборудованием
- Разнообразие: структурированные (теги SCADA), полуструктурированные (заказы на техническое обслуживание в CMMS) и неструктурированные данные (отчеты об инспекциях, каротажные диаграммы, текстовые журналы операторов)
Операционная ценность заключается не в самих данных. Она заключается в решениях, которые эти данные позволяют принимать: более раннее обнаружение деградации, лучшее планирование планового технического обслуживания и снижение частоты ложных срабатываний, которые вызывают усталость от аварийных сигналов и снижают бдительность операторов пультов управления.
Стандарты и нормативный контекст
Перед развертыванием любого аналитического уровня, влияющего на критически важные для безопасности решения, команда должна понимать, где проходит граница между консультативными системами и функциями безопасности.
Стандарт IEC 61511 (Функциональная безопасность — Системы безопасности для перерабатывающей промышленности) однозначен: приборная функция безопасности (SIF) должна быть спроектирована, валидирована и поддерживаться в рамках определенного жизненного цикла безопасности. Аналитическая модель, работающая на архивных данных, не является SIF. Если выходные данные модели машинного обучения используются для инициирования технологического действия, этот путь действия должен быть оценен в рамках жизненного цикла безопасности IEC 61511 — его нельзя обходить.
ISA-TR84.00.02 предоставляет дополнительные рекомендации по назначению и управлению SIL. Когда команды обсуждают, следует ли интегрировать предиктивное оповещение в логику SIS или обрабатывать его как отдельный консультативный уровень, решение должно основываться на оценке жизненного цикла функциональной безопасности IEC 61511, а не только на ISA-TR84.00.02. Общий ответ таков: держите их раздельно, пока не будет завершена формальная оценка жизненного цикла безопасности.
Для вращающегося оборудования API 670 (Системы защиты оборудования) содержит рекомендуемые практики по мониторингу вибрации, положения и температуры критически важных машин. Любая инициатива в области больших данных, использующая данные вибрации из систем, соответствующих API 670, должна уважать приоритет проводной системы защиты — аналитика является дополнением, а не заменой. Любая инициатива в области больших данных, использующая данные вибрации из систем, соответствующих API 670, должна уважать приоритет проводной системы защиты — аналитика является дополнением, а не заменой.
В тех случаях, когда в сферу деятельности входит мониторинг целостности трубопроводов, ASME B31.8S (Управление целостностью систем газопроводов) предоставляет основу для оценки на основе рисков и управления целостностью, которая может служить основой для разработки стратегий сбора и анализа данных для программ больших данных в трубопроводном транспорте.
Практическая архитектура для полевого развертывания
Уровень сбора данных
Фундаментом является надежный сбор тегов. Прежде чем инвестировать в облачную инфраструктуру или платформы продвинутой аналитики, проведите аудит существующего исторического архива (OSIsoft PI и аналогичные системы являются распространенными) на предмет полноты тегов, согласованности частоты сканирования и настроек сжатия. Агрессивное сжатие отчетов об исключениях может разрушить качество сигнала, необходимое для анализа трендов вибрации или раннего обнаружения загрязнения. Убедитесь, что критические теги сохраняются с частотой сканирования, соответствующей физическому процессу, за которым ведется наблюдение.
Для активов без существующего КИПиА беспроводные сенсорные сети (использующие протоколы ISA-100.11a или WirelessHART) могут расширить охват в местах, где прокладка кабеля нецелесообразна. Перед установкой подтвердите сертификацию искробезопасности и классификацию взрывоопасная зона в соответствии с требованиями IEC 60079.
Контекстуализация данных
Необработанные значения тегов без контекста создают вводящие в заблуждение модели. Показания давления на нагнетании насоса означают разные вещи во время пуска, установившегося режима работы и планового изменения производительности. Как минимум, каждый набор данных должен быть помечен следующей информацией:
- Режим работы (из состояния РСУ или ручной аннотации)
- События технического обслуживания (из CMMS, включая тип и дату заказ-наряда)
- Производительность и состав флюида, если доступно
Без этого контекста модель машинного обучения, обученная на смешанных режимах работы, будет генерировать ложные срабатывания при каждом изменении производительности — именно тот тип усталости от аварийных сигналов, который заставляет операторов не доверять системе.
Уровни аналитики
Практическая программа работает по уровням, от простого к сложному:
| Уровень | Метод | Типичное применение | Требования к данным |
|---|---|---|---|
| 1 | Статистическое управление процессами, тренды | Обнаружение загрязнения, дрейф базовой линии | Умеренная глубина архива |
| 2 | Физико-математические модели | Кривые производительности компрессора, эффективность теплообменника | Технологические проектные данные + архив |
| 3 | Машинное обучение (с учителем) | Классификация видов отказов | Размеченные исторические данные об отказах |
| 4 | Машинное обучение (без учителя) | Обнаружение аномалий без размеченных отказов | Большой архив, хорошая контекстуализация тегов |
Большинству объектов следует начинать с Уровня 1 и Уровня 2. Причина не в техническом консерватизме, а в качестве данных. Развертывание обнаружения аномалий Уровня 4 на плохо контекстуализированных данных порождает шум, а не ценную информацию.
Вращающееся оборудование: Рабочий пример (иллюстративный)
Следующий сценарий является иллюстративным и не представляет конкретный объект или задокументированный инцидент.
Рассмотрим линию компримирования газа на морской платформе. Система защиты, соответствующая API 670, обрабатывает аппаратные отключения по высокой вибрации и высокой температуре подшипников. Операционная группа хочет получать предупреждения раньше, чем сработают уставки отключения, чтобы обеспечить плановое вмешательство во время запланированного окна техобслуживания, а не аварийный останов.
Группа извлекает данные из архива за 2 года: вибрацию (общую и спектральную, где доступно), температуры подшипников, давление на входе и нагнетании, расход и перепад давления смазочного масла. Они аннотируют набор данных записями CMMS, идентифицирующими замены подшипников и уплотнений.
Сначала строится физико-математическая модель производительности: используя предоставленную OEM кривую напор-расход, фактические рабочие точки сравниваются с проектной кривой на каждом временном шаге. Устойчивое отклонение от ожидаемой кривой — после корректировки на состав газа и условия на входе — используется как ранний индикатор внутреннего износа или загрязнения.
Параллельно устанавливается простой тренд перепада давления смазочного масла относительно базовой линии пусконаладки. Инженерная группа соглашается, что любой устойчивый дрейф вверх от базовой линии, сохраняющийся в течение нескольких рабочих смен и не объясняемый заменой фильтра, требует пересмотра заказ-наряда. В логику оповещения не встраивается конкретное пороговое число; оповещение носит рекомендательный характер и проверяется инженером по вращающемуся оборудованию перед принятием мер.
Этот двухслойный подход — мониторинг производительности на основе физики плюс мониторинг простых трендов — достижим с помощью стандартных инструментов архивации, не требует специалиста по данным и сохраняет границу безопасности с аппаратной системой защиты нетронутой.
Контрольный список внедрения
Используйте этот контрольный список перед выделением бюджета на программу больших данных:
Готовность данных
- Список тегов архива проверен на полноту в соответствии с P&ID
- Настройки сжатия и частоты сканирования проверены для критических тегов
- Данные CMMS доступны и могут быть связаны с временными метками архива
- Состояния режимов работы фиксируются в архиве или выводятся из логики тегов
Управление и границы безопасности
- Результаты аналитики классифицируются как рекомендательные (не SIF), если не завершен формальный жизненный цикл безопасности
IEC 61511 - Определен четкий путь эскалации: кто реагирует на оповещение, в какие сроки и с какими полномочиями
- Завершен обзор управления аварийными сигналами, чтобы избежать увеличения существующей нагрузки (
EEMUA Publication 191является признанным отраслевым руководством по рационализации аварийной сигнализации)
Валидация модели
- Физико-математические модели валидированы по данным пусконаладки или кривым производительности OEM
- Модели машинного обучения (если используются) протестированы на отложенном наборе данных перед живым развертыванием
- Частота ложных срабатываний оценена в течение определенного пробного периода перед операционным внедрением
Интеграция с полевыми службами и ТО
- Руководители служб ТО обучены интерпретации оповещений и действиям по ним
- Установлена петля обратной связи: полевые результаты из заказ-нарядов возвращаются для улучшения моделей
- Запланирован цикл пересмотра (минимум ежегодно) для переобучения или перекалибровки моделей по мере старения оборудования
Заключение и следующие шаги
Препятствием для извлечения выгоды из больших данных в нефтегазовой отрасли редко являются технологии. Проблема заключается в качестве данных, контексте и дисциплине начинать с малого.
Рекомендуемая последовательность действий для большинства операционных групп:
- Аудит и исправление качества данных historian перед любыми инвестициями в аналитику
- Внедрение аналитики Уровня 1 и Уровня 2 для двух или трех классов оборудования, ответственных за большую часть внеплановых простоев на объекте
- Создание формальной обратной связи между аналитическими оповещениями и результатами заказ-нарядов в CMMS
- Переход к методам машинного обучения только после накопления достаточного количества размеченных данных об отказах и подтверждения ценности более простых уровней
Соблюдайте четкую границу безопасности: аналитика носит рекомендательный характер. Любой путь от аналитического вывода к технологическому действию должен проходить через решение человека или официально оцененный жизненный цикл безопасности. Такая дисциплина защищает как объект, так и доверие к программе.