¿En qué aspectos el aprendizaje automático y la inteligencia artificial cambiarán la fabricación pesada, como la industria del petróleo y el gas?

La aplicación más lista cuando se trata de perforar serían los sistemas expertos, en una plataforma moderna, hay una gran cantidad de sensores que transmiten datos constantemente a la unidad de registro de lodo, que luego los presenta en formato gráfico en las pantallas en el piso de la plataforma y el empujador de herramientas y oficinas de la empresa del hombre. Para dar sentido a estos datos se requiere experiencia y enfoque, y se pueden ver las primeras señales de advertencia de problemas posteriores si se aplica uno mismo. Sin embargo, con la tensión de las operaciones administrativas, muchas veces los datos importantes pasan desapercibidos hasta que es demasiado tarde, un sistema experto puede analizar estos datos y ofrecer advertencias tempranas de condiciones tales como:

  • poco desgaste y poco balon
  • afluencia de fluidos de pozo
  • limpieza insuficiente de agujeros
  • parámetros de perforación ineficientes
  • lavados en la sarta de perforación
  • boquillas bloqueadas
  • desgaste en los módulos de bomba
  • floculación de lodo
  • BHA colgando

en etapas posteriores, después de que la máquina comienza a aprender las formaciones y puede poner los datos en contexto, puede comenzar a hacer sus propios ajustes, por ejemplo, puede cambiar la velocidad de bombeo, WOB y RPM para mejorar la velocidad de perforación o cambiar bombas o puede enviar avisos automatizados a varios departamentos, por ejemplo, puede alertar al geólogo de que, según los cambios en el ROP y otras condiciones, la litología podría haber cambiado o decirle al ingeniero de lodo que el cambio en las propiedades de lodo dentro y fuera podría deberse a un aumento dureza del lodo.

He visto algunos artículos en los que se utilizó una red neuronal artificial para predecir los rendimientos en una unidad de reforma catalítica para que se puedan obtener temperaturas óptimas, etc., sin la necesidad de comprender una cinética de reacción complicada, etc.

Podría ser útil. Prácticamente no he hecho nada por el estilo todavía. Aunque si uno reúne los datos, este tipo de cosas no es demasiado complicado.

Los usos más intuitivos para el aprendizaje automático en mi opinión en la fabricación pesada son:

Desarrollo de modelos de previsión de demanda y precio.

Desarrollo de modelos predictivos para la programación del mantenimiento.

También pude ver el aprendizaje automático que se usa para mejorar los rendimientos del proceso y cambiar los parámetros del proceso donde hay alguna variación en la calidad de las materias primas (carbón o aceite de diferentes fuentes, por ejemplo, o niveles variables de humedad en la materia prima debido a los pobres controles ambientales durante el almacenamiento )

Creo que eliminar la parte humana de, por ejemplo, una refinería sería una aplicación interesante de AI / ML. La capacidad de la computadora no solo para controlar todos los aspectos del proceso, sino que también tiene la capacidad de autoajustarse, una operación realizada por humanos. Probablemente también podría reemplazar a todo el personal de mantenimiento con robótica y comunicación lo suficientemente capaces.

Sugeriría que el trabajo como construir las enormes cabezas de pozo utilizadas para controlar nuevos pozos podría ser mucho más automatizado que en la actualidad. La mayoría de los otros procesos de mecanizado son vulnerables, al igual que los trabajos de manejo de equipos y camiones y el trabajo de interpretación de datos definible.