現場での機械学習
事例：大手石油ガス会社は、同じ物理デバイスを使用して、パイプラインネットワークの定期検査を開始しました。つまり、「豚」です。生データを人間のアナリストに送信して分析を待つ代わりに、機械学習ソリューションに送信しました。その結果、乗組員が開始するとすぐに失敗したセクションで重大な障害が特定されました。サンドブラスト手順。タイムリーな識別により、会社は少なくとも1,000万ドルを節約しました。これは、セクションがアーモンドの木立を通過したときの損害のコストでした。
これらは、単一の研究の結果にすぎません。北米を通る270万マイルのパイプラインを考えて、これを一段と高めましょう。アメリカ人のほぼ2/3がパイプラインから600フィート以内に住んでいることがわかっています。ほとんどの場合、地方自治体は、地図の精度が500フィートまでしか保持されないため、障害が発生したときに助けを求めてスクランブリングを続けます。パイプラインおよび危険物安全管理局（PHMSA）は、2006年から2015年の間にパイプラインインシデント 26.8％増加しました。これらのインシデント 重傷、死亡、または5万ドルを超える財産が含まれていました。 2015年の平均では、1日にほぼ1件のインシデントが発生しました。
厳格な安全基準に直面して、このようなインシデントが発生した場合はどうなりますか 数十億ドル相当の投資とはどういう意味ですか？簡単に言うと、現在のメンテナンスシステムは、障害の発生を正確に予測するのに十分な効果がありません。
データ
検出方法は問題ほど大きくはありません。むしろ、豚によって収集されたデータの使用です。 それが懸念事項です。一部の異常は、現在利用可能なテクノロジーでは直接特定できないため、データの詳細な相関と分析が必要です。これは、データサイエンティストが確立された慣行を回避し、一見無制限のデータストリーム内の問題を特定するのに役立つ経験を持っているため、責任がデータサイエンティストに移っているという意味ではありません。最後の部分は、より大きな問題を形成します。パイプラインの管理に関しては、収集されたデータの4％しか使用されていないことが明らかになりました。
すべての兆候は一方向を指しています。データの巨大なサイズです。
業界で最も経験豊富な専門家が引退すると、完全に発効する差し迫った危機があります。これらの専門家の中には、代わりを見つけるのが非常に難しい並外れたスキルを持っている人もいます。では、なぜコンピューターを持ち込まないのですか？はい、確かにですが、処理能力が大幅に向上しても、コンピュータは学習能力、判断力、観察能力を必要とする問題をうまく解決できません。
機械学習
経験豊富なスペシャリストが持つスキルセットとコンピューターが提供する反復処理能力の間のギャップは、機械学習の概念によって埋められます。 2014年以来、OneBridge Solutionsは、Microsoft Azureクラウド上に構築されたプラットフォームを使用して、石油およびガスセクターにデータ分析サービスを提供してきました。
機械学習は、クラウドテクノロジーのスケーラブルなリソースと組み合わせると、完璧な組み合わせになり、pigによって生成された大量のデータを処理するのに役立ちます。 このようなソリューションの最良の部分は、サービスとしてのソフトウェアモデル内に提示されるため、さまざまなクライアントが簡単に実装および管理できることです。
機能はパイプラインシステムの「状態」に合わせて調整され、新しい「状態」が作成され、3D画像で視覚化できます。 コグニティブインテグリティ管理を通じて、このような仮想イメージをつなぎ合わせてパイプラインシステム全体を形成し、数週間ではなく数分で分析することができます。
システムのユーザーは、インライン検査集計シートをシステムにドラッグアンドドロップするだけで、そこから数分以内に取り込まれ、正規化されます。機械学習により、整合性管理チームは、データをざっと読むことに多くの時間を費やすことなく、パイプライン全体についての洞察を得ることができます。
機械学習は、操作の速度を上げるだけでなく、データの精度を向上させ、操作の有効性を高め、脅威の検出率を高めることができます。 豚によって提示されたデータの効果的な利用を通じて 、そしてそれを迅速で包括的かつ正確な方法で提示することで、機械学習は経験豊富な専門家に結果を分析してさらに洗練する余地を与えます。最終的には、より優れたデータを備えた運用クルーが得られ、その結果、より少ない地上をカバーする必要があり、最終的には作業現場での混乱が少なくなります。
自動制御システム