Katodik Mühafizə Sistemlərində Proqnozlaşdırılan Baxım üçün Maşın Öyrənmənin həyata keçirilməsi

Maşın öyrənməsi Amerika Birləşmiş Ştatlarının əksər sənayelərində sistemlərə inteqrasiya olunub. 2024-cü ildə ölkəmizin ML bazarı başa çatdı $21 milyard avtomatlaşdırma və "tədris" sistemlərinə yüksək tələbat səbəbindən qiymətləndirmədə.

Dreiym Engineering-də biz yanğının qarşısının alınmasından risklərin idarə edilməsinə qədər hər şey üçün istifadə edilən bəzi ML sistemlərinin şahidi olduq. İnteqrasiya üçün maraqlı sahələrdən biri katodik mühafizə sistemləridir.

Bu qoruyucu sistemlərə ənənəvi yanaşmalar maşın öyrənməsi ilə kölgədə qalmamalı olan bir sıra əl monitorinqi və texniki xidməti əhatə edir. Bununla belə, boru kəmərlərinizi, saxlama çənlərinizi, dəniz strukturlarınızı və basdırılmış kommunal xidmətlərinizi təmin etmək üçün həm ənənəvi, həm də qabaqcıl texnologiyalardan istifadə etməyin bəzi üstünlükləri var. korroziyadan çəkinin zərər.

Ənənəvi Katodik Qoruma Baxımının Məhdudiyyətləri

Tipik katodik mühafizə sistemi (istər qalvanik, istərsə də təsirli cərəyan) korroziyanı metal səthdən uzaqlaşdıraraq fəaliyyət göstərir. Bu, yaxşı dizayn edilmiş və düzgün saxlanıldığı müddətcə çox təsirli bir vasitə ola bilər.

Problem ondadır ki, ənənəvi modeldə həyata keçirilən müntəzəm yoxlamalar vaxta əsaslanan yoxlamalara və reaktiv xidmətə əsaslanır. Şirkət aylıq və ya illik vizual yoxlamalar həyata keçirə bilər yaxın interval sorğular (MDB).

Bunlar effektiv olsa da, real vaxt rejimində monitorinqi təmin edən sistemdən çox şey qaçırılır. Təsəvvür edin ki, yaranan deqradasiya nümunələri və ya performans düşüşləri vaxtında müşahidə olunarsa, nə qədər resursa qənaət etmək olar. Məhz burada maşın öyrənməsi və IoT (Əşyaların İnterneti) sensorlarının gücü əhəmiyyətli fərq yarada bilər.

Proqnozlaşdırıcı Baxım nədir?

Proqnozlaşdırılmış baxım anlayışı sadədir. Artıq baş verənlərə reaksiya vermək əvəzinə, real vaxt monitorinqi və analitika əsasında baş verə biləcəkləri səbirsizliklə gözləyən katodik qoruma sistemi inkişaf etdirirsiniz.

Maşın öyrənmə alqoritmləri potensial nəticələri hesablamaq üçün tarixi performans tendensiyaları, ətraf mühit dəyişənləri (temperatur, rütubət, su səviyyəsi və torpaq müqaviməti kimi) və sensor məlumatları daxil olmaqla müxtəlif alətlərdən istifadə edir. Bu, bir növ “hazır stansiyada” yuxuya ehtiyacı olmayan və sırf müşahidə edilən məlumatlar əsasında işləyən mühəndisin olması kimidir. Beləliklə, hər hansı anomaliya və ya deqradasiya tendensiyası müşahidə olunarsa, onlar dərhal qeyd olunur və müvafiq texniki xidmət və ya idarəetmə qruplarını xəbərdar etmək üçün göndərilir.

CP sistemlərində maşın öyrənməsi necə işləyir

Proqnozlaşdırılmış texniki xidmət üçün bu cür sistemlərə etibar etməzdən əvvəl ML inteqrasiyasının bir neçə mərhələsi var. Məsələn, katodik mühafizə üçün ML rəqəmsallaşdırılmış infrastrukturu əhatə etməlidir. Aşağıdakılar üçün məlumat nöqtələrini tutmaq üçün IoT monitorları quraşdırılmalıdır:

• Borudan torpağa potensial (PSP)
• Düzləşdiricilərdən cari çıxış
• Anod cərəyanının sıxlığı
• Referans hüceyrə gərginlikləri
• Yerli torpaq şəraiti
• Ətraf mühit amilləri (temperatur, pH, rütubət)

Bütün bu sensorlar məlumatları bulud əsaslı və ya intranet platformalarına ötürür. PSP-də qəfil düşmə kimi anomaliyaların aşkarlanması üçün onlar hesablanır və təhlil edilir. ML gələcək dəyərləri və ya mühafizənin harada olmasının “proqnozunu” proqnozlaşdırmaq üçün reqressiya modelləri hazırlayacaq. O, həmçinin yoxlamaya ehtiyacı olub-olmadığını və ya uğursuz olma ehtimalını müəyyən etmək üçün hər bir sensor və ya komponenti təsnif edəcək.

Bəzi qabaqcıl tətbiqlərdə ML və sensorun yayılması müdafiə infrastrukturunuz ətrafında təkmil neyron şəbəkələrə səbəb ola bilər. Bu, ölkələrarası boru kəməri kimi daha böyük, daha mürəkkəb sistemlər üçün əhəmiyyətli bir faydadır.

Real Dünya Nümunəsi: Boru kəməri Dürüstlüyün Monitorinqi

Sistemlərin yerdə müşahidəsinin dəyəri getmir. ML mühəndisləri əl ilə əvəz etməyəcək boru kəmərlərinin yoxlanılması. ML-nin etdiyi şey prosesi sadələşdirmək və başqa bir qorunma qatı əlavə etməkdir.

Təəssürat verici cari katodik mühafizə sistemi ilə 200 mil neft boru kəmərini nəzərdən keçirin. Sistemin bu əhatə dairəsi gərginlik məsələlərini və sınaq stansiyalarını iki dəfə yoxlamaq üçün mil-millə əl ilə gedən bir çox komanda tələb edəcək.

IoT sensorları ilə ML bütün sistem üzrə real vaxt monitorinqini təmin edir. Komandalar sistematik olaraq mil-millə getmək əvəzinə, sensor və təhlil edilmiş məlumatlar sayəsində ən çox “risk altında olan” sahələrə diqqət yetirə bilərlər.

Bu cür inteqrasiyalar şirkətlərin vaxtına və puluna qənaət edir. Katodik mühafizə sistemləri üçün ML-nin tətbiqi şirkəti uyğunluğa əsaslanan zehniyyətdən strateji aktivlərin optimallaşdırılmasından birinə keçir. Hesabatların yaradılması və son dəqiqə diaqnostikası müvafiq sənədləri təmin etdikcə tənzimləyici narahatlıqlar azalır. Neft və qaz kimi sənayelər üçün bu, əhəmiyyətli qənaətə və daha sabit risk profilinə çevrilir.

CP üçün Maşın Öyrənmənin Tətbiqində Çətinliklər və Mülahizələr

Müasir katodik mühafizə sistemlərində maşın öyrənməsinin inteqrasiyası bəzi sınaq və səhvlər olmadan deyil. Şirkətiniz qabaqcıl monitorinq və sensor texniki xidmətə uyğunlaşdıqca artan ağrılar olacaq.

Birincisi, ML alqoritmləri böyük həcmdə yüksək keyfiyyətli məlumat tələb edir. Bu məlumat olmadan model gələcək ehtiyacları dəqiq proqnozlaşdıra və ya effektiv işləyə bilməz. Bəzi köhnə şirkətlərin bir-biri ilə əlaqə saxlamayan və ya tarixi təhlil üçün rəqəmsallaşdırılmamış məlumatları ehtiva edən məlumat siloları ola bilər. ML-nin uğuru əsasən dəqiq və etibarlı sensor məlumatlarına əsaslanır.

Digəri üçün, ML modelləri öyrədilməlidir. Belə sistemlərin imkanları zaman keçdikcə yaxşılaşır. Bu o deməkdir ki, təcrübəyə və təşkilatın məqsədləri ilə tanışlığa əsaslanan inteqrasiyaya insan toxunuşu olmalıdır. katodik sistem. İstinad nöqtəsi kimi xidmət etmək üçün normal və anormal davranışın müvafiq nümunələri olmadıqda belə, ən güclü ML sistemləri də effektiv işləyə bilməz.

Köhnə sistemlər də ML inteqrasiyasına imkan verməlidir. Artıq mövcud olan katodik qoruma uyğunluq məsələləri üçün digər sistemlərdən asılı olmayaraq işləyə bilər. API körpüləri tikilməlidir və ya ML-nin verilmiş sistemlə işləyə bilməsini təmin etmək üçün bulud infrastrukturu ilə kənar hesablama vahidləri tələb oluna bilər. Bu, müəyyən şirkətlər və ya sənayelər üçün qadağanedici ola biləcək bəzi ilkin xərclər tələb edəcək.

Nəhayət, kibertəhlükəsizlik və uyğunluqla bağlı narahatlıq var. IoT sensorlar ordusunun tətbiqi şirkəti kiberhücum riskinə məruz qoyur. Heç kimə sirr deyil ki, bəzi zərərli aktorlar potensial hücum hədəfi kimi infrastrukturla əlaqəli təşkilatları axtaracaqlar. Təqdim olunan ML nə olursa olsun, o, uyğunluğu təmin etmək üçün sənaye səviyyəli şifrələməni, çoxqatlı autentifikasiyanı və müntəzəm zəiflik testini əhatə etməlidir.

Mühəndislik Mütəxəssisi kimi Rolumuz

Bəli, proqnozlaşdırıcı texniki xidməti təkmilləşdirən katod mühafizə sistemləri üçün maşın öyrənməsinin tətbiqi şirkət üçün riski azaltmaq və maliyyə göstəricilərini yaxşılaşdırmaq üçün güclü vasitədir. Bununla belə, bu cür sistemləri həyata keçirmək üçün yalnız məlumat alimlərinə və ya İT mütəxəssislərinə etibar edə bilməzsiniz.

Bu sahədə uzun müddət uğur qazanmış mühəndislər tələb olunur:

• Torpaq kimyasının korroziyaya potensial təsiri üçün sınaqdan keçirilməsi
• Elektrik müdaxiləsinin ölçülməsi və hansı ekranlama tələb oluna bilər
• Müxtəlif növ katod mühafizə sistemlərinin layihələndirilməsi
• Tam tənzimləmə uyğunluğunun və təhlükəsizlik yoxlamalarının təmin edilməsi
• Uğursuzluq rejimi təhlilini təklif edir

Dreiym Engineering-də düzgün korroziya mühəndisliyi, katod mühafizə dizaynı və məhkəmə elektrik mühəndisliyi anlayışını təmin etmək üçün bizim kimi yüksək ixtisaslı komandaların olmasını istəyirsiniz. Bu, ML və IoT sensor idarəçiliyi kimi yeni texnologiyaların tətbiqindən yaranan boşluğu aradan qaldıracaq. Peşəkar komandalarımız, ən dəqiq və effektiv məlumat təhlilini təmin etmək üçün sensorun yerləşdirilməsi ilə bağlı məsləhətlər təklif edərək, cari CP sistemlərinizi ML-yə hazır olmaq üçün yoxlaya və qiymətləndirə bilər.

Bundan əlavə, keyfiyyətli mühəndislik firması proqnozlaşdırıcı texniki xidmətin həyata keçirilməsi üçün yol xəritəsi təklif edə bilər ki, bunlara aşağıdakılar daxildir:

• Mövcud katod mühafizə infrastrukturunun qiymətləndirilməsi
• Yüksək dəyərli aktivi olan pilot proqramın işə salınması
• Komandaların rəyindən istifadə edərək modelin təsdiqi və tənzimlənməsi
• ML-nin texniki xidmət cədvəllərinə və işçilərin təliminə inteqrasiyası
• Sistemin miqyaslı olmasını təmin etmək, əhatə dairəsini genişləndirmək lazımdır

ML tətbiqinin ilkin mərhələlərində nə qədər çox ekspert rəhbərliyiniz varsa, sistem uzun müddət ərzində bir o qədər yaxşı fəaliyyət göstərəcək. Dreiym Engineering ilə işləyir Quraşdırmadan sonra deyil, daha tez, bəzi şirkətlərin katodik qorunma üçün ML-ni işə salarkən yaşadıqları artan ağrıların qarşısını almağa kömək edir.

Korroziyadan Mühafizə üçün Daha Ağıllı Gələcək

Heç bir şübhə yoxdur ki, korroziya kritik infrastruktur üçün ən bahalı və davamlı təhlükələrdən biridir. Katodik müdafiə uzun müddətdir ki, bu cür təhdidlərə qarşı əsas müdafiə rolunu oynayır. Qabaqcıl proqnozlaşdırılan texniki xidmət üçün maşın öyrənməsinin inteqrasiyası mühafizəni artırmaq üçün əla yoldur.

Yeni texnologiyalara bəzi düzəlişlər və işçilərin tapşırıqlarının yenidən qiymətləndirilməsi olsa da, risklərin azaldılması, xərclərin təhlili və resursların bölüşdürülməsinin faydalarını qiymətləndirmək olmaz. ML insan nəzarətini tamamlayan və boru kəmərlərinin, çənlərin və digər strukturların gələcəkdə yaxşı mühafizəsini təmin etməyə kömək edən dəyərli alətdir.