Los retos de implementar el IoT en la industria de Oil and Gas
Por: Michael Kanellos, Jefe de Comunicaciones Corporativas y Analista de Tecnología en OSIsoft
La transformación tecnológica ha llegado a cada rincón del mundo y el sector energético no es la excepción. El petróleo y el gas se convertirán en uno de los motores más importantes del Internet Industrial de las Cosas (IIoT por sus siglas en inglés) y en este contexto tendremos que comprender los desafíos de separar la realidad de la moda del IoT por lo que aquí describimos las 5 mejores prácticas que pueden ayudarlo a superar dichos desafíos.
- ¿Qué es el IIOT?
Para responder a esta pregunta necesitamos tener a IT y OT en la misma página. Es el primer paso para tener un vocabulario común. Para las personas en la industria de TI o para los departamentos de TI, «IoT» e «IIoT» a menudo significa recopilar y analizar datos de las máquinas para lograr un objetivo comercial como reducir el consumo de energía. Para las personas involucradas en las operaciones, esto es el trabajo habitual. «IoT» para ellos significa colocar una red secundaria encima de la llamada red IoT que ya está reduciendo la energía.
Es fundamental que quienes laboran en estas áreas comprendan lo importante que es manejar el mismo vocabulario, esto ayudará a evitar confusiones.
2. ¿Dónde se encuentran los potenciales silos de información?
En pocas palabras, cuesta mucho menos y lleva menos tiempo vincular activos nuevos o inutilizados a través de tecnologías inalámbricas getaways o puertas de entrada IoT, que la modernización de los sistemas existentes SCADA o DCS existentes. Conectar dispositivos desconectados a través de las puertas de enlace IoT y colocando sensores adheribles puede costar unos pocos miles de dólares. Actualizar un sistema SCADA para hacer lo mismo podría costar $ 250,000 o más. Pero, estos sensores adheridos alimentan datos a a un sistema diferente del SCADA. Y eso significa silos de datos, lo que a su vez significa dolores de cabeza y una vista incompleta de las operaciones. Sea cual sea su arquitectura, unifique sus fuentes de datos.
3. ¿Cuál es la utilidad para el negocio?
Por lo general, el IoT puede ofrecer tres beneficios macro: recortar costos, aumentar los ingresos o reducir el riesgo regulatorio. O, como al analista James Brehm le gusta llamarlo: ahorrar dinero, ganar dinero y mantenerse fuera de la cárcel. Todos esos son objetivos que valen la pena, y la mejor apuesta es alcanzarlos en ese mismo orden. Por lo que se recomienda comenzar con el mantenimiento predictivo y después reducir el tiempo de actividad. Luego, busque las formas en que el IoT puede aumentar la productividad del capital existente. Es por ello que DCP Midstream ha creado un programa interesante que brinda a los operadores de planta, visibilidad de la producción actual, la producción potencial y los precios de mercado. La idea es mostrar a los empleados cómo pueden sacar más provecho de la planta. Una vez que se establecen, muchos pasan a otros temas como el monitoreo de emisiones. En este sentido se recomienda no intentar hacerlos todos a la vez, sólo estará aumentando las posibilidades de fracaso.
4. ¿Quién tendrá acceso a la información?
Con el IIoT, no solo está recopilando más datos, sino que está creando un sistema que alentará a más personas a usar sus datos. Eso requiere pensar casa vez más en la experiencia del usuario. Tener acceso móvil a datos operativos contextualizados provenientes de todo tipo de fuentes de datos es una necesidad absoluta: los operadores y técnicos de mantenimiento en campo accederán a los datos operativos para responder a emergencias, así como los ejecutivos que estén de viaje y deseen comparar la producción actual con los pronósticos de precios.
Si las personas no pueden comenzar a usar rápidamente estos datos en sus rutinas diarias, es probable que su proyecto fracase. Proporcionar datos contextualizados y fáciles de usar en un entorno móvil y de autoservicio es fundamental.
5. ¿Quién realizará el análisis de información y dónde se llevará a cabo?
Cuando se habla de «analítica», las personas a menudo imaginan que los científicos de datos utilizan algoritmos para examinar montañas de datos en la nube. Y veremos problemas gigantescos resueltos con los datos de IoT en la nube. Esto va en aumento. MOL, un gran refinador en Hungría, por ejemplo, realiza análisis de la información de sus máquinas para determinar cómo y cuándo puede utilizar crudos de «oportunidad» más altos en azufre y más baratos en una de sus refinerías sin presentar riesgos en sus parámetros operativos.
Sin embargo, muchos problemas de análisis están siendo cometidos directamente por personas que observan algunos flujos de datos finitos, es decir, un «análisis humano». Una caída repentina en la presión del aceite en un camión que trabaja en las arenas bituminosas de Canadá puede ser un indicador importante de que una falla importante puede estar en proceso.
La realidad es que no se pueden anticipar todos los casos de uso que tendrán en el futuro, pero si se tiene una visión más amplia de lo que significa «analítica de datos», se puede crear un marco de análisis analítico que pueda ocuparse de las incógnitas.