Gasturbinenüberwachung mittels Digital Twin-Plattform

Anomalieerkennung mit einer Genauigkeit von 93 % reduziert die Wahrscheinlichkeit von Turbinenausfällen bei einem Öl- und Gasbetreiber

Industrielles SaaS-Unternehmen

Standort:

Deutschland

Branchen:

Energie, Öl und Gas

Mitarbeiter:

1,000+

Über den Kunden:

Ein globales industrielles SaaS-Unternehmen, das die Branchen Öl und Gas, Energie und Versorgung, erneuerbare Energien, Fertigung und andere Sektoren bedient und Softwareprodukte mit Schwerpunkt auf der Kontextualisierung von OT/IT-Daten herstellt. Durch den Einsatz von KI, ML, Big Data und 3D-Modellierung hilft das Unternehmen seinen Kunden, Daten effektiv zu operationalisieren und in umsetzbare Ergebnisse zu verwandeln.

Anforderung

Unser Kunde, ein SaaS-Softwareunternehmen, arbeitete mit Infopulse zusammen, um seinem Kunden, einem Öl- und Gasbetreiber, dabei behilflich zu sein, Anomalien im Betrieb von Gasturbinen zu erkennen und deren Ursachen zu identifizieren. Auf diese Weise könnten ungewollte Turbinenabschaltungen und -starts verhindert werden, die bisher zu großen Einnahmeverlusten geführt haben (etwa 400.000 US-Dollar pro Abschaltung).

Ursprünglich waren die Datenanwendung und das Dashboard des Betreibers nicht in der Lage, Echtzeitdaten von mehr als 250 IoT-Sensoren, die an einer einzigen Gasturbine angebracht waren, zu erfassen und zu analysieren. Außerdem verwendete der Kunde Standardüberwachungsmethoden und -werkzeuge, die bei der Erkennung von abnormalem Turbinenverhalten ineffizient waren.

Zu den Hauptzielen des Kunden gehörten:

  • Implementierung einer umfassenden Datenplattform zum einfachen Zugriff und Management von IoT-Daten
  • Einrichtung von Echtzeitanalysen und Erkennung von Anomalien zur Verringerung der Wahrscheinlichkeit von Turbinenausfällen
  • Einrichtung eines stabilen, ausfallsicheren Gasturbinenbetriebs rund um die Uhr.
gas-turbine-monitoring-anomaly-detection-picture-in-content

Lösung

Infopulse setzte sein umfassendes Fachwissen in den Bereichen Advanced Analytics und Machine Learning für das Projekt ein und lieferte eine kosteneffiziente Lösung mit folgenden wertvollen Diensten:  

  • Einsatz der industriellen DataOps SaaS-Plattform und Erstellung eines industriellen digitalen Zwillings für den Echtzeitbetrieb von Gasturbinen. Die Technologie des Digitalen Zwillings vereinfachte die Erfassung von Echtzeitdaten zahlreicher Sensoren an den Gasturbinen. In Verbindung mit moderner Analytik und ML erhöht dies die Datentransparenz und -verfügbarkeit und unterstützt zudem die vorausschauende Wartung.
  • Ermöglichung der Datenanalyse in Echtzeit und der Erkennung multivariater Anomalien in Zeitreihen zur Erfassung und Analyse von Daten von mehr als 250 Sensoren und deren Abhängigkeiten auf der Grundlage verschiedener Parameter. Auf diese Weise können Ausreißer über die gesamte Gasturbine hinweg identifiziert werden.
  • Vorbereitung eines großen Trainingsdatensatzes zur Schulung eines maschinellen Lernmodells, der Folgendes umfasst:
    • 100 Abschaltproben
    • 15 Muster zur Abschaltung bei Ausfall
  • Erstellung eines datenwissenschaftlichen Modells bzw. Entscheidungsbaums für die Ursachenanalyse von festgestellten Anomalien.
  • Höhere Effizienz bei der Suche nach Ausreißern durch eine Datenanalyse, die nach der geplanten Abschaltung einer Gasturbine in einem zweiminütigen Ausfallzeitraum durchgeführt wird.
  • Ermöglichung der Datenumwandlung und -analyse mithilfe von Google Cloud Platform und später Microsoft Azure Cloud-Funktionen.
  • Verbesserte Datenvisualisierung mittels bestehender Kunden-Tools, Power BI, etc.
  • Gewährleistung der Integration bestehender Datenverwaltungsanwendungen in eine neue Datenplattform, die ebenfalls an die Bedürfnisse der Geschäftsanwender angepasst wurde.

Technologien

Google Cloud Platform (GCP) logo
Google Cloud Platform (GCP)
Microsoft Azure logo
Microsoft Azure
Databricks logo
Databricks
TensorFlow logo
TensorFlow
Microsoft Power BI logo
Microsoft Power BI
Cognite Data Fusion
Cognite Data Fusion

Ergebnis

  • Schnelle Erkennung von abnormalem Verhalten der Gasturbine mit 93 % Genauigkeit (ML-Modellgenauigkeit) und Vermeidung ungeplanter Abschaltungen.
  • Geringere Ausfallwahrscheinlichkeit der Turbine durch frühzeitige Erkennung von Ausreißern und Benachrichtigung eines Wartungsdienstleisters, der das abnormale Verhalten der Turbine überprüft. Letzteres legt den Grundstein für eine vorausschauende Wartung.
  • Verbesserte Effizienz der Gasturbinenüberwachung durch Echtzeitanalyse und Datenanalyse nach geplanter Abschaltung.
  • Optimiertes Datenmanagement und optimierte Datenverarbeitung dank einer zentralen Datenplattform, die schnellere Informationen ermöglicht.

Verwandte Services

Wir haben eine Lösung für Ihre Anforderungen. Senden Sie uns einfach eine Nachricht, und unsere Experten werden sich so schnell wie möglich mit Ihnen in Verbindung setzen.

Vielen Dank!

Wir haben Ihre Anfrage erhalten und werden Sie in Kürze kontaktieren.