×
IoT World 2016. Baker Hughes, Blake Burnette. IoT в нефтегазовой отрасли: Ценность облака не в сокращении затрат, а в возможности разогнать сервер за 1 минуту. За 2 клика мышкой  можно сделать то, на что у меня ушло 2,5 года

На этапе переработки нефти широко применяются системы SCADA. На нефтеперерабатывающих заводах установлена инфраструктура SCADA, поэтому внедрить Интернет вещей в этом секторе очень легко.

 

На этапе добычи нефти внедрение SCADA составляет около 50%, и около 50% составляют встроенные системы, которые разработаны для выполнения определенных задач. Для Интернета Вещей это представляется более сложной задачей. Именно об этом мы будем говорить сегодня.

 

 

Baker Hughes IoT in Energy Oil Gas

JSON.TV публикует выступления спикеров с конференции Internet of Things World 2016 10-12 мая в Кремниевой долине. Благодарим Организатора - Informa Group за приглашение команды JSON.TV и Blake Burnette - за великолепную презентацию и озвученные кейсы с опытом внедрения IoT в энергетике и нефтегазовом секторе. Приводим презентацию почти полностью, без сокращений.

 

 

Baker Hughes Blake Burnette

 

На этом слайде вы видите сферы возможного применения IoT в нефти, газе и энергетике. Внизу слева вы видите приложение с большими данными. Это одно из применений для анализа данных.

 

Baker Hughes IoT Opportunities

 

Я был на конференции, посвященной большим данным. Там говорилось, что климатологи изобрели большие данные. Я стал думать об этом после нее.

 

Я думал: наверно, ЦРУ изобрели большие данные, во время холодной войны. Мой брат работал в хранилище данных, это было еще в 1970-х.

 

Справа вы видите розовую штучку – это датчик для трубопровода. Там также много возможностей для анализа данных. На фотографии вверху вы видите буровую колонну, там также огромное поле для действия.

 

Один из проектов, о котором мы поговорим сегодня – это установки для ГРП (гидроразрыва пласта) на базе грузовика. На этих грузовиках установлено от 30 до 100 датчиков. 

 

Baker Hughes Fractyring Trucks

 

Для выполнения работы требуется 30 таких грузовиков. Если они отбирают пробы 1 раз в секунду, то за год вам придется обработать 3 Тбайта.

 Baker Hughes Fracturing Treatment

 

На этом слайде показаны наши станции мониторинга. Вверху справа – на корабле, слева внизу - центр, который есть у нас, где мы можем анализировать данные заказчика в реальном времени.

 

Baker Hughes Well Site Monitoring

 

На этом слайде показаны датчики в нефтепромысле.

 

Жизнь датчика в нефтепромысле отвратительна.

 

Baker Hughes Oil Gas Sensors

 

Посмотрите на картинку слева внизу. Там вы увидите несколько датчиков и ту окружающую среду, в которой они работают. Это одни из худших условий, в которых приходится работать датчикам.

 

Справа в середине показан датчик, такой датчик стоит тысячи долларов. Это датчик давления выдерживает давление в 15 тыс. фунтов/кв. дюйм (psi). Мы называем их CAN (computer-automationnetwork). Подходят для работы в неблагоприятных условиях.

 

На следующем слайде вы видите регулятор (контроллер) насосного давления (Pressure Pumping Controller). Справа вверху вы видите контроллер на базе процессора ARM. Мы разрабатываем собственные встроенные контроллеры на базе процессоров ARM. Я встречался с представителями ARM. Не знаю, знакомы ли вы с ARM. Они разрабатывают архитектуру микропроцессоров. Процессоры ARM занимают 90% на рынке микропроцессоров. Они разрабатывают много очень интересных инструментов для Интернета Вещей для своих процессоров.

 

Baker Hughes Pressure Pumping Controls

 

Внизу изображено ПО, которое мы используем.

 

На этом слайде представлен процесс одного проекта Интернета вещей в нефтепромысле. Этот конкретный проект внедрения Интернета вещей длился 20 лет.

 

Baker Hughes Oil Gas IoT Project

 

Мы начали в 1990, внедряя локальную автоматизацию и используя наши собственные процессы, в 2000 году мы добавили возможность сетевого взаимодействия, в 2010 году мы начали собирать все эти данные по сети и анализировать их.

 

Нам понадобился сервер. У нас ушло 2,5 года на внедрение сервера. Я скажу об этом позже, когда мы будем говорить об облаке.

 

Мне нужно было пройти бюджетный цикл с департаментом IT. Затем мы разработали ПО Map Reduce. Мы писали его на Java, объединили с финансистами.

 

В тот момент мы думали: мы все сделали, мы готовы запустить продукт, жизнь хороша, проект на 99% завершен.

Нет, не так. Оказалось, что проект только начался!

 

Мы запустили систему, мы стали анализировать данные, и нас затопило разнообразной информацией.

 

В первую очередь по нашим насосам выяснилось, что мы получаем 2 000 сигналов по перегреву приводов каждый день по всей компании. Как же нам разобраться с этими 2 000 сигналами перегрева каждый день?

 

Мы пригласили человека.

Он сказал: «Мне кажется, что вы не чистите радиаторы».

Мы стали опрашивать коллег: «Вы чистите радиаторы?».

Получили ответ: «А мы что, должны чистить радиаторы?»

 

Мы мгновенно увеличили срок жизни наших приводов (transmissions), решив только этот вопрос. Эта проблема по ремонту приводов стоила в год 16 млн. долларов. Не знаю, на сколько процентов мы снизили расходы, но мы это сделали.

 

Мы перешли в новую фазу качества данных.

 

Когда вы начинаете собирать 3 Терабайта данных, вы начинаете думать, что это за данные.

 

Большая часть состоит из того, что техники вводят неправильные ID при работе с оборудованием. Вы получаете две единицы оборудования с одинаковым ID и т.п. Это был очень длинный процесс.

 

Затем мы перешли к тому, что один из территориальных участков начал использовать данные. Процесс изменился. Мы обратились к одному человеку из техобслуживания, он стал следить за данными, стал получать отчеты. Он стал отслеживать, чтобы тревоги на грузовике были зафиксированы до того, как он переместится в другое рабочее место. Это вызвало существенные перемены для этого участка.

 

Затем необходимо было усилить безопасность, чтобы поддерживать целостность данных и это потребовало новых ресурсов, которые мы не запланировали.

 

Затем мы, наконец, начали тренировать «мышечную память» (muscle memory) и это потребовало от всех больших усилий.

 

На этом слайде представлена наша панель управления (dashboard), где мы собрали все необходимые данные. Красный цвет показывает тревогу. Зеленый цвет показывает, что все в порядке.

 

Baker Hughes Abnormal Situation Monitoring

 

В дополнение к модели распределенных вычислений Map Reduce, когда вы проводите анализ данных и изучаете свой dash board, Вам необходимо перейти к Go Expand.

 

Под Go Expand я понимаю следующее: у вас есть данные о бурении, но также нужно выйти в поле и посмотреть. У вас должна быть необходимость с помощью одного щелчка увидеть, что происходит. Затем вы можете выйти и проследить.

 

Это привело нас к следующему проекту. Технически он был успешен, мы установили систему, которая должна была предсказывать и анализировать состав извлекаемых химических элементов.

 

 Baker Hughes IoT Change Business Process

 

Но он не был внедрен, потому что требовал огромных изменений в бизнес-процессах. Для меня это был большой урок в отношении IoT.

 

С технической точки зрения Интернет вещей реализовать очень легко. Самая сложная часть – это изменения бизнес-процессов.

 

И я не видел еще ни одной компании, которая пришла бы к Вам в один славный день и предложила Вам такое магическое решение.

 

Следующий слайд, как правило, вызывает комментарии. На этом слайде показана роль, которую облако играет в сфере нефти и газа сегодня. Я показал этот слайд на конференции в Чикаго, и потом одна женщина мне написала, что получила в Facebook 5 000 лайков за него.

 

Baker Hughes Role of Cloud in Oil and Gas

 

Я выступал на конференции, посвященной Интернету Вещей, в Чикаго, там был один человек. Представитель Amazon Web Services говорил об облаке. Этот человек сказал: я подсчитал стоимость облака, она точно соответствует стоимости нашего обслуживания. Я не вижу причины переходить на облако. Они спорили какое-то время.

 

Я встал и сказал: если вы хотите решить этот вопрос по стоимости, вы никуда не придете. Потому что ценность облака не в сокращении затрат, ценность облака в возможности разогнать сервер за одну минуту. 2 щелчка мышью и ты можешь сделать то, на что мне потребовалось 2,5 года.

 

Говоря об облаке, которое внедряется в сфере нефти и газа, в книге «Второй век машин» рассказывается история о том, как механические мастерские позакрывались, потому что появился паровой двигатель. В начале 1900-х двигателями оснащались все машины. В 1920 был громадный всплеск производительности.

 

Но этот взлет производительности произошел, потому что старые управляющие уходили на пенсию, и приходило новое поколение. Мне кажется, что это происходит с облаком сегодня. Приходит молодое поколение, которое привыкло работать в нем.

 

На этом слайде вы видите портал Azure от Microsoft, который мы внедряем в своей организации. В портале Azure так легко добавить концентратор IOT hub.

 Baker Hughes Azure IoT Hub

 

Microsoft является не единственной компанией, которая занимается продвижением, у IBM и Amazon есть то же самое. Есть у частных компаний, например Siemens. Я расскажу про Microsoft.

 

На этом слайде представлены устройства, шлюзы: Raspberry Pi и др. Есть устройства Tiny-Duino, которое можно купить за 7 долларов. Можно создать свой собственный шлюз и подключиться к облаку Azure.

 

Baker Hughes IoT Devices Gateways

 

Если кто-то хочет попробовать это, погуглите git hub, Connect the Dots и Windows IOT. Вы попадете на этот сайт, выполните предложенные шаги, у вас уйдет один вечер, чтобы создать IOT hub на Microsoft Azure, подключить Raspberry Pi.

 

Baker Hughes IoT Connect the Dots

 

За один вечер вы сможете создать Интернет вещей с начала до конца. И это была самая безболезненная установка от Microsoft в моей жизни.

 

Baker Hughes IoT is Easy

 

Это очень легкий способ. Это шлюз Интернета вещей (IoT Gateway), который можно купить. В нем Raspberry Pi, подключенный к Azure. Microsoft позволяет анализировать данные просто, собирать данные с разных источников и аналитику. Это бесплатно до 1 Гигабайта данных.

 

Еще об одном, что узнал сам, хочу рассказать всем: создавайте события в ваших данных, как можно чаще, делайте то, что создает события. Когда дойдете до фазы машинного обучения, вам нужно будет как можно больше вещей, которые машина сможет распознать и «схватить» (grab).

 

Создайте штрих-коды, чтобы можно было распознать устройства в структуре данных. Мы также говорили о применении датчиков ID и считывателей ID. При создании как можно большего числа событий, необходимо создать базовую точку для проведения аналитики данных. Это окупится.

 

Это приводит нас к безопасности/защите данных. Безопасность в Интернете вещей – это интересный предмет. Говорят, что у нас было 25 лет безопасности с Microsoft Windows. Можно было просто следовать их инструкциям, все процессы на своем месте, хорошая защита данных.

 

Это очень меня тревожило. У вас штрих-коды. Вы хотите установить систему и IOT-шлюз для передачи данных в облако. Хорошо, когда есть человек, кто занимается установкой security patches и постоянно обновляет firewall.

 

Но это не совсем правильная модель безопасности для устройств. Прогнозируется, что количество устройств к 2030 году достигнет 1 трлн.

 

Можете представить себе установку security patches на 1 трлн. устройств? Это не сработает.

 

В Oracle есть человек, он занимается безопасностью Интернета вещей.

Он сказал замечательную вещь: если вы уберете все ненужное в операционной системе, чтобы ваше устройство делало только то, что должно делать, то вы получите безопасность.

 

Для кнопки на панели управления не нужна ультрасовременная система безопасности. Ее работа заключается в том, что вы нажимаете кнопку, она отправляет сообщение по wi-fi и больше ничего делать не может. У ARMесть хорошие решения по безопасности, которые они разрабатывают для Интернета вещей.

 

Перейдем к другому предмету под названием API Glue. Не знаю, знаком ли кто-нибудь из вас с IFTTT (IfThisThenThat). На этом сайте можно создавать свои условия (формулы), которые называются «рецепты» (recipes) или способы автоматизации.

 

IFTTT IF this then that

 

Вы можете сказать: если такой-то появляется на таком-то радио, то пусть это сообщение появится на моей странице Facebook.

 

Я использую IFTTT в Amazon: если я говорю внести что-то в список покупок (shoppinglist), то это появляется в Evernote.

 

Я думаю, что это своего рода скрытое сокровище для Интернета вещей, реальную ценность которого люди еще не осознали.

 

Я привожу здесь несколько примеров. Вы можете создать IFTTT, например, когда что-то появилось сегодня в новостях, чтобы у Вас на странице автоматически поменялся Fantasy Football Club. Или, исходя из прогноза погоды, не включать систему полива завтра.

 

Нам надо объединить IOT и ERP или MRP. И люди на вашем заводе будут разрабатывать свои собственные IFTTT. Люди в организации начнут автоматизировать организацию через IFTTT.

 

При реализации проектов Интернета вещей я начинаю осознавать важность управления устройствами (device management). Представьте, что хотите поддерживать триллион устройств.

 

Есть множество компаний, у которых есть платформы для управления устройствами. Здесь на слайде приведен пример того, как может выглядеть управление устройствами.

 

Baker Hughes IoT Device Management

 

Создание отношений через device management между устройствами и активами должно быть важной частью.

 

Представьте себе Facebook для устройств, и что каждое устройство имеет страницу на Facebook, и может разместить на своей стене информацию, которую могут прочитать другие устройства.

 

На последнем слайде вы видите, что 4 не равняется 4. Это означает, что если у вас есть 4 датчика, это не значит, что вы получаете четыре источника информации.

 

Будьте готовы, что у вас может быть 9 или 13 или больше порций информации.

 

Когда вы начнете комбинировать различные датчики в IoT и начнете изучать data analytics, Вы удивитесь, когда получите данные от этого датчика, плюс от этого, плюс от этого.. - гораздо больше информации, чем Вы планировали получать.

 

Это все, что я хотел сказать.

 

Спасибо за внимание!