Sammanfattning
Ett ledande globalt petrokemiföretag – verksamt i över 50 länder med mer än 30 000 anställda och erkänt för sitt ledarskap inom ESG – behövde gå från reaktiv, traditionell tillståndsövervakning till prediktiv, AI-driven tillståndsövervakning av tillgångar i alla sina anläggningar. LTTS implementerade sin egenutvecklade lösning för tillståndsövervakning av anläggningar vid 22 anläggningar i Saudiarabien, USA och Europa – där cirka 500 000 datapunkter bearbetas var 15:e minut för över 1 400 anläggningar – vilket minskade antalet oplanerade incidenter med över 80 % och innebar besparingar på cirka 10 miljoner för kunden redan under det första året.
Läs hela fallstudien. När som helst, var som helst
Ladda ner fallstudienUtmaningen
Petrokemisk tillverkning bygger på komplexa, ömsesidigt beroende process- och utrustningsenheter – där ett enda oplanerat fel kan stoppa hela anläggningen. Kundens befintliga anläggningar förlitade sig på konventionella, föråldrade metoder för att mäta anläggningarnas prestanda och tillförlitlighet, vilka inte kunde proaktivt varna för driftstopp eller anläggningsavbrott i tillräckligt god tid för att man skulle hinna förbereda sig eller mildra konsekvenserna. Bristerna var strukturella: det saknades effektiv övervakning av kritiska nyckeltal (KPI:er) – vilket ledde till ineffektivitet i driften, materialförluster och läckage i processerna – och det fanns inget tillförlitligt sätt att identifiera rätt nyckeltal att följa för varje anläggning eller planera periodiskt underhåll utifrån dessa. Vad kunden behövde var ett prediktivt, AI-styrt system som kunde förutse kommande fel i en mångsidig, geografiskt spridd anläggningspark.
Teknisk komplexitet
Att förutsäga driftstopp i denna skala innebar att man parallellt måste lösa fyra mycket olika problem – på anläggningar som aldrig kunde stängas av och som var spridda över Saudiarabien, USA och Europa.
Data i industriell skala och med industriell hastighet
~1 400+ tillgångar, 100 parametrar vardera med 15-minutersfrekvens, jämfört med 5 års historiska data – ~500 000 datapunkter som ska importeras, rensas och värderas var 15:e minut utan att hamna efter i realtid.
Mångfacetterad tillgångsfysik som är svår att modellera
Extrudrar, ångturbiner, centrifugal- och kolvkompressorer, centrifugalpumpar och värmeväxlare – alla med sina egna specifika felmönster som ingen enskild generisk modell kan återge.
Det finns ingen tydlig referensram för hur ”normalt” ser ut
Med den tidigare metoden för KPI-övervakning var man tvungen att identifiera rätt variabler för varje tillgång utifrån själva data – de kunde inte hämtas från en befintlig, beprövad konfiguration.
Gör prognoser i tillräckligt god tid för att kunna agera, i olika geografiska områden
Varningen måste komma i så god tid att en driftstopp kunde undvikas – och nå rätt ansvarig person inom verksamheterna i Saudiarabien, USA och Europa, inte bara dyka upp på en instrumentpanel.
Rådgivande beslutsstödssystem baserat på AI
En maskininlärningsmotor (ML) som omvandlar realtidsdata från anläggningen till rangordnade, praktiskt tillämpbara underhållsrekommendationer för operatörerna.
Detektering av avvikelser och förutsägelse av fel
Sensordrivna klassificeringssystem upptäcker avvikelser och förutsäger fel innan de leder till oplanerade driftstopp.
Skräddarsydda modeller för kritiska tillgångar
1 500 skräddarsydda datamodeller – anpassade efter tillgångstyp: extrudrar, turbiner, kompressorer, pumpar, värmeväxlare.
Anpassningsbar datapipeline
Cirka 500 000 datapunkter samlas in var 15:e minut från över 1 400 anläggningar, baserat på fem års historiska referensvärden.
Arbetsflöde och system för varningsmeddelanden
Automatiserade arbetsflöden och e-postaviseringar vidarebefordrar varje avvikelse till rätt ansvarig – vilket sluter cirkeln från upptäckt till åtgärd.
Affärsresultat
>80 %
Minskning av antalet oplanerade incidenter inom ett år.
En markant förbättring av anläggningens säkerhet och tillförlitlighet som fick stort erkännande från kunderna.
~..10 Mn
Sparat
En avgörande förbättring av anläggningens säkerhet och tillförlitlighet som fick stort erkännande från kunderna.
Upp till 20 %
Mindre driftstopp för utrustningen
Optimal, prognosbaserad underhållsplanering har ersatt reaktivt brandbekämpningsarbete.
Upp till 20 %
Högre produktivitet, upp till 30 % lägre underhållskostnader
Mer djupgående realtidsanalyser förbättrade genomströmningen samtidigt som underhållskostnaderna minskade och avkastningen på investeringen (ROI) ökade.
Framgångshistorier
En global petrokemitillverkare sparar miljoner tack vare LTTS:s lösning baserad på AI, IoT och dataa...
Upptäck hur LTTS möjliggjorde prediktiv tillförlitlighet för anläggningstillgångar, övervakning av nyckeltal i realtid och datadriven drift för ett globalt ledande företag inom petrokemibranschen.
Läs mer