在线会议
论坛
专题
工控直播
新闻中心
子站
技术
社区
图片来源：Nvidia
自推出以来，物联网（IoT）迅速改变了石油和天然气行业的格局。Inmarsat Research公司最近的一项调查显示，大约74%的石油和天然气公司至少部署了一个物联网项目。另有81%的公司表示，他们计划加快采用物联网，以应对最近全球疫情带来的挑战。尽管这些新的数字技术提供了更强的控制、更深入的洞察力和更高效的运营，但最大的障碍之一是克服偏远、离网位置的气隙www.cechina.cn，并处理物联网传感器和设备产生的大量数据。
据一些资料显示，一台海上钻机每天产生的数据超过1TB，特别是钻井工具的最新创新，如随钻日志（LWD）和随钻测量（MWD）会产生更多的数据。但是，这种数据驱动带来的价值是什么？尤其是在难以采集和连接到其它来源的情况下，价值几何？
据麦肯锡公司估计CONTROL ENGINEERING China版权所有，在石油和天然气公司中产生的物联网数据中控制工程网版权所有，99%从未用于决策。与此同时，这些数据在获取、处理和存储方面带来了实际成本，希望它能在未来提供价值。
人工智能（AI）和机器学习（ML）有助于检查和排序堆积如山的数据，以产生可操作的见解。数据科学家已经开发了各种ML模型，以较少消耗和成本，预测设备故障和维护需求，优化远程现场运营，并提高安全性。然而，我们持续看到位于供应链上、下游的石油和天然气企业，仍在努力将这些模型应用到现实世界中。
根据笔者在多个行业从事物联网工作的经验，成功的关键不是在云端开发模型，而是在现场或靠近决策所需的数据源来部署模型。
01 从边缘数据中获取更多价值
通常，有三个主要因素会阻止AI/ML从边缘数据中获取价值：1）设备之间的距离以及一致的互联网连接；2）无法监控模型在实际工况下的持续性能；3）边缘环境的计算约束性质。
碳氢化合物的勘探、生产、运输和冶炼地点通常很偏远。这意味着：
1 为了部署在云中训练的模型或将传感器数据中继回云端，该位置可能没有所需的互联网连接。
2 连接可能不可靠，或者没有足够的带宽实现上述功能。
3 即使连接可用，将数据从源中继到云端、运行模型，然后将结果回传到地面设备的延迟也可能过高，尤其是用于控制回路的测量更是如此。
卫星互联网服务可提供远程连接，星链和OneWeb等下一代地球低轨道卫星提供了改进的带宽和更低的延迟。然而，这些服务仍会受到恶劣天气的影响，这可能会使正常运行时间低于关键运营所需的时间。解决方案是部署本地模型，无论是在设备上还是在现场的本地服务器上，都能提供一致的可用性和延迟控制工程网版权所有，并在连接允许时传输监测和可观测数据。
02 模型的更新和监测
数据科学团队很容易变得过于专注于部署、并在边缘上运行模型，以至于他们忘记考虑一旦部署模型会发生什么事情。随着环境的变化，训练模型的条件可能不再适用。
考虑一个基于传感器数据来预测某一设备何时可能发生故障的模型。随着环境温度的变化，来自传感器的某些信号的重要性也可能发生变化。为夏季应用而建造的模型，可能需要在冬季较冷的月份进行升级。
进一步说，ML边缘运营必须能够监控性能，并将更新的模型推送到设备，以返回可观测的数据来进行连续分析。可观测性数据允许自动化工具执行连续的统计分析，将当前运行与先前的行为进行比较，以检测数据或模型漂移（异常），并在问题转化为故障之前发现问题。
03 边缘环境计算约束
边缘设备经常受到CPU功率、内存和网络带宽的限制。将推理数据转移到远程数据中心是一种解决方案控制工程网版权所有，但如果这会带来太多延迟或需要比可用带宽更多的带宽，会发生什么？
ML团队需要一定的灵活性，以便在任何地方、每个地方都能部署模型推送管道，从设备到云部署模型。然而，无论是在设备上、本地服务器上、附近的微型数据中心，还是在传统的数据中心运行，都需要专门的ML推理引擎来在各种环境中高效、一致地运行，以提供数据科学家所需要的监测能力。
石油和天然气对全球经济至关重要。这些企业每天都面临着各种各样的挑战，包括设备故障、泄漏、安全问题和经济处罚。物联网和AI/ML有助于其改善运营，但克服边缘ML挑战对任何成功部署都至关重要。
在边缘而不是在云端部署可靠的平台来运行ML，将有助于行业从更多的数据中获取更大的价值，并提供关键的收益，如早期检测故障、主动维护提醒、动态流量控制和泄漏检测。（作者 | Jason McCampbell）
关键概念 ：
■ 机器学习（ML）有助于有望检查和排序堆积如山的数据，以产生可操作的见解。
■ 在边缘部署的可靠平台来运行ML，将有助于行业从更多的数据中获取更大的价值。
思考一下：
您的工厂是否考虑在边缘部署人工智能？
MVTalks机器视觉技术研讨会昆山站
测量系统构建完整指南 NI DAQ从入门到精通
2024阿自倍尔新产品说明会深圳站
爱德克工业安全产品八大“金刚”有奖试用
FOTRIC(飞础科)红外热像仪试用体验活动
