infoPLC ++ / Tecnología / IA y autoaprendizaje en la detección de fugas

IA y autoaprendizaje en la detección de fugas


El software que permita el mantenimiento predictivo y el monitoreo proactivo a través de ML para la seguridad se convertirá en prioritario, mientras que el software SCADA será menos importante.

IA y autoaprendizaje en la detección de fugas

Mientras que las compañías que operan en los sectores de petróleo y gas aguas arriba, aguas intermedias y aguas abajo han estado utilizando sistemas de detección de fugas (LDS) durante década, las nuevas regulaciones, las crecientes preocupaciones sobre la integridad de la tubería y la ciberseguridad, así como la disponibilidad de varias tecnologías nuevas y más potentes, han generado un mayor interés en estas soluciones. Esto es un buen augurio para el mercado en general en los próximos años. Los sistemas de detección de fugas de hoy en día, cada vez más basados ​​en software, incorporan automatización avanzada además de tecnologías disruptivas como el análisis predictivo la inteligencia artificial y el aprendizaje automático para mejorar la seguridad, la disponibilidad y la seguridad de las tuberías.

Inteligencia Artificial (IA) y Aprendizaje Automático (ML)

Los dispositivos inteligentes y conectados de hoy en día envían más información que nunca, pero esta enorme cantidad de datos a menudo es demasiado para que los sistemas de control o los humanos puedan manejarlos. Es por eso que la inteligencia artificial pronto se integrará en el equipo. Esto podría suceder en tres fases:

  • Entrenando los motores de IA y creando los algoritmos
  • Enseñando a las máquinas qué hacer con la información
  • Diseñando decisiones de niveles para que puedan ver la información y brindar orientación a los operadores.

El software que permita el mantenimiento predictivo y el monitoreo proactivo a través de ML para la seguridad se convertirá en prioritario, mientras que el software SCADA será menos importante. Es una de las razones por las que los gerentes de operaciones en el sector procesos y los responsables del despliegue de tuberias están empezando a cuestionarse por qué necesitan gastar millones de dólares cada pocos años para actualizar sus sistemas SCADA.

Muchos sistemas de detección de fugas basados ​​en hardware existentes dependen en gran medida de la instrumentación existente y los sistemas SCADA para monitorear las tuberías y determinar las fugas. Aquí, el aprendizaje automático también puede emplearse para analizar patrones y ayudar a predecir y prevenir fugas y rupturas de tuberías, mejorando tanto la seguridad como la rentabilidad. Los operadores de tuberías han estado utilizando el análisis de datos en tiempo real (RTDA) durante años, pero esto generalmente resulta en una gran cantidad de datos agrupados a lo largo de la tubería. El análisis y los algoritmos avanzados mejoran la capacidad de entender el cómo, cuándo y qué acerca de las posibles (y fugas reales) en cualquier condición dada.

Análisis predictivo y mantenimiento

Al usar el software para buscar tendencias en los datos, los operadores también pueden predecir desgloses antes de que ocurran, a menudo muchos meses antes si se analizan datos históricos. Los análisis aún están en su infancia y es un área donde los algoritmos deben mejorarse. Los algoritmos se han utilizado en LDS basados ​​en software durante años, ya que tienen el potencial de ayudar a identificar los patrones que podrían predecir fugas futuras. La instrumentación para tuberías se centra en los equipos de producción y el flujo de productos porque afectan los ingresos y el crecimiento de primera línea. Los análisis se utilizan principalmente para el mantenimiento basado en las condiciones, utilizando elementos como los modelos de fallo, el tiempo en servicio y el tiempo de fallo. Las reglas y los modelos se están aplicando a los datos de los sensores para las aplicaciones de mantenimiento más recientes. Esto contribuye a operaciones más seguras y también hay un gran potencial en la aplicación de análisis basados ​​en sensores para la detección de fugas basada en determinadas condiciones.

La investigación reciente de ARC en el mercado de los sistemas de detección de fugas analiza varias tecnologías de detección de fugas basadas en software, como el balance de masa / volumen, la onda de presión negativa, el análisis estadístico, RTTM y E-RTTM, etc. para aplicaciones de tuberías en tierra, mar adentro y submarinas.


(Artículo redactado a partir de Información extraída del blog de ARC)