b0b体育app下载 b0b体育app下载 b0b体育app下载
资产条件管理 流体分析

为什么机器学习和AI是石油分析的未来

石油分析对于维持设备可靠性和寿命至关重要。在该过程中,数据分析师评估样品是否表明异常工作表面磨损和撕裂可能阻碍性能或缩短特定设备寿命。问题是,传统分析发生在事实之后。到那时,最终检测到威胁威胁的磨损迹象,威胁到最佳运行并增加停机时间的可能性。

但是,如果可以利用创建预测分析的算法,可以利用在它们发生之前从看似正常的油样品中检测发动机,涡轮机,液压和其他设备中的电位异常的算法怎么样?实际上,这种算法已经成功使用,并且以人工智能(AI)平台的形式越来越多。结合数据分析师的专业知识和机器学习的概念,AI对维护设备并确保其使用生命变得至关重要。

石油分析过程

石油分析,也称为油状监测(OCM),首先由公司提供的小型样本到实验室,用于分析磨损,流体状况和污染。如果样本中存在这些条件中的任何一种,则人类分析师建议纠正措施。每个样本的分析可能需要多达五分钟,这可能听起来不太可能,但是当您考虑每日提交的样品数量时感觉就像永恒一样。一家美国公司在2018年报告了120万个石油分析样品。

传统分析的范围和规模有限,它创造了一个主要问题。分析师只有这么多的数据点有时间考虑。典型的图形是100,考虑到看似无限数量的数据点,并且同样重要的,那些点的相互关系,在确定四个样本严重性分类中的一个:正常,监视,异常和关键方面的相互关系不足。一些异常,例如熨斗和铅的不需要的存在,在样品中是显而易见的,但其他可能不会显而易见。

分析后,大多数样本被分类为正常,但这不会改变必须致电的时间。即使是正常的发现也可能是耗时的,这就是为什么OCM行业的一些人已经转向两种高科技资源,以便更快,准确,更高效的数据分析:人工智能和机器学习。

石油分析过程的转变

要了解所有这一切适用于设备维护,请从通常称为大数据的内容开始。在大数据的埋葬中获得潜在的重要信息对维护至关重要,因为它是经济学和投资。对于设备,例如发动机,齿轮和液压系统,AI已成为能够识别样本中令人不安的趋势的平台。它访问了数千个数据点,其中许多数据通过传统分析无法访问,并为分析师提供审查的报告。

机器学习是AI的一个子集。在这里,重点是数据之间的模式和关系。该机器从数据分析师提供的历史材料中学习。这种类型的信息是开发的,使计算机能够学习。与传统的石油样本分析不同,该模型不是基于规则的,允许在这种情况下容易地进行不同的解释。

传统油分析质量与机器学习模型之间存在直接关系。在许多方面,分析师经验证明的质量是对AI平台的机器学习的根本。两者都以与学徒从长期从业者从长期从事学习的同样相同的方式学习。

现实情况是,在分析师审查之前的数据点'重升降后,机器继续学习。这个过程对维护的影响很明显。与传统分析及其后的异常趋势检测不同,AI平台驱动的油分析识别设备上的磨损前体或流体条件的变化。在设备的使用寿命期间,部门可以采取行动。国际认证机构已经使用的一个示例是一个平台,其中包含数百万个样本和超过十年分析的结果。

“这是我们能够挖掘的一个非常丰富的数据集,”国际认证机构OCM项目领导者Jonathan Rudnicki说。“我们能够在不同结果之间寻找相关性,以帮助识别最佳排列,这些排列最佳预测样本的状况以及是否需要任何操作。”

图1:机器学习识别历史数据中的模式和相关性

此AI /机器学习环境中的历史数据分为两部分:一个用于训练,另一个用于测试模型。在后者期间,确定并解决具有潜在数据质量问题的区域。模型深入潜入数据关系,因为它探讨了数百万个样本的特征和/或特征组合。从每个样本的详细信息被记录到实验室信息管理系统中,并发送到AI平台,以便在严重程度上解释。如果发现样本是异常或关键的,则系统以及分析师评估可能的纠正措施,其次是质量控制检查,以确保调查结果,然后将样品返回到提交的公司之前。

用户的经验

Jami Melani,重型/技术服务领域经理,用于汽车和特种润滑剂的长期供应商,首次经历了准确和及时的油分析的重要性。他说,由于他公司服务中的行业内的快速发展变化,AI /机器学习平台是不可避免的。

“设备和润滑剂以更快的速度推进,您必须自动化以保持速度,”Melani说。“(传统)平台不考虑占空比的严重程度。”他提供的一些示例包括运输卡车和装载机,具有独特的负载和磨损等级。它们的差异可能会通过传统分析,但在自动化程序中调整。

“每当有人把另一个样本放入那里时,系统就会出现异常并自行学习,”他说。

AI和润滑剂维护的未来

AI和机器学习对OCM分析师继续需要威胁。由于平台可以瞬间确定正常样本,因此分析师可以更好地花时间对特殊样品的更详细分析。但是,作为正在进行的质量检查的一部分,他们仍然存在一些正常的审查。

此外,对数据分析的调查结果和关系是持续的机器学习的一体化,以及维护预测分析的增长。两者都证明是通过减少意外停机时间和机器故障的可能性在增加投资回报时维护发动机或其他设备是不可或缺的。

塞拉尼恰如其来,“这是数据以及你能做的事情。”