從監控油井生產到預測何時需要維護設備，能源行業的很多廠商在其運營中都采用了物聯網技術。

與許多傳統行業一樣，石油和天然氣行業也有著長期有效的運營方法，但在采用物聯網技術方面發展并不快。盡管數十年來，石油和天然氣行業在石油鉆機、管道和煉油設施上都安裝了傳感器，但石油和天然氣開采行業最近才開始采用現代物聯網技術。

RTI公司石油和天然氣開發主管Mark Carrier認為，其部分問題是互操作性，該公司為工業廠商生產網絡連接軟件。他說，能源公司通常愿意與以前合作過的供應商合作，但是這種趨勢意味著在跨平臺共享數據方面沒有強大的動力。

他說：“在很低的層次上，設備之間的連接非常好，在后端的連接也很好，但在理解這些數據是什么方面需要付出大量成本。”

英特爾公司物聯網部門副總裁Christine Boles表示，能源行業仍在使用的較舊系統很難取代。她說：“他們面臨的最大挑戰是基礎設施老化，以及如何獲得更加標準化、可互操作的版本。”

但是之所以帶來變化，其部分原因是近年來能源價格低迷。石油公司致力于尋求削減成本的方法，最簡單的方法之一就是集成和自動化。Carrier說，在一口傳統油井中，鉆機有著多達70個不同公司的產品在工作，這些產品包括從流量到溫度和壓力到方位角和傾角的各種傳感器，以及鉆機本身的不同組件，但直到最近，這些傳感器都必須獨立監控。

近年來，物聯網解決方案可以將所有這些不同的數據線程連接在一起，對于那些希望將人為錯誤降至最低，并從石油鉆井平臺上現有的各種儀器中獲取實時見解的公司來說，已成為一個有吸引力的選擇。

數據，在垂直方向上有很多傳感器和端點類型。泥漿脈沖遙測技術使用鉆頭中的模塊在鉆井液壓力中產生輕微的波動，從而將信息脈沖傳遞到地面上的接收器。在鉆孔的極端環境條件下運行的溫度和壓力傳感器可能會使用堅固耐用的串行電纜將數據提交給地面的工作人員。

調研機構Forrester Research公司首席分析師Andre Kindness表示，任何給定的石油和天然氣設施所使用的廣泛技術、制造商和標準，都是該行業大型傳統企業之間激烈競爭的產物。僅舉幾例，ABB、西門子和羅克韋爾都在努力避免因互操作性而失去優勢。

但是這些公司的技術也一直與時俱進。雖然像惠普和戴爾這樣的傳統IT公司在直接出售給能源公司方面取得的成功相對較小，但是IT公司在為西門子和羅克韋爾公司生產白盒邊緣計算設備方面運氣更大。

邊緣計算是石油和天然氣公司中一項特別重要的技術，考慮到一些設施的偏遠性，一些國家的本地網絡基礎設施可能不足，以及隨之而來的連接困難。石油鉆探的安全和維護應用程序不能容忍延遲，因此遠程鉆機和家庭辦公室之間的往返可能是不切實際的。簡而言之，在端點附近進行一些計算工作要容易得多。

油氣物聯網的主要用例是預防性維護、集中控制和運營洞察力。所有這些都依賴于從連接到給定鉆機、煉油廠或石油或天然氣管道的大量傳感器獲取信息，這些傳感器進入邊緣設備或返回到云端。Carrier表示，Wi-Fi是提煉設施中連接端點的一種主要媒介，盡管也使用了低功耗WAN選項。

如上所述，鉆機上的傳感器使用多種有線和無線技術（某些專有技術）將信息轉換為可用形式，以進行邊緣或數據中心處理，而管道技術通常使用有線工業以太網。

據Kindness稱，這很復雜，部分原因是提取行業中設備需要較長的生命周期。

他說：“與IT世界不同，我們不會每隔幾年更換一次設備。許多此類設備在現場已經使用了10到20年，這就是人們看到以太網沒有太多變化的原因。”

調研機構IDC公司生產洞察副總裁Emilie Ditton表示，與石油和天然氣公司合作的設備制造商越來越需要可靠順暢的連接。較新的設備是本地儀器，很少依賴專有的連接標準，從而為這些公司生成更多可用的數據。

她說，“網絡技術存在于一些極端創新，而某些領域的流程卻是人工操作。其成熟度有著很大的差異和變化。”

將數據從遠程位置遷移到云端或數據中心也給石油和天然氣行業帶來了挑戰。在覆蓋范圍允許的情況下，運營商連接可用于無線回程，但這通常不是海洋石油鉆井平臺的良好選擇。一些公司使用衛星連接來實現這一目的，而另一些公司則將海底光纖電纜直接連接到其離岸設施。

TE Connectivity公司產品經理兼工程師Jeremy Calac認為，光纖到平臺的普及是相對較新的技術，該公司為工業客戶生產網絡連接設備。

他說，“在以往，由于溫度和壓力問題，海底光纖電纜方案不可靠。”但隨著連接電纜制造商之間可靠性的提高，這種情況正在改變。

處理數字

無論數據是到達邊緣還是云端，真正的價值都是通過自動分析創造的。據Corva公司的工程總監Jim Wang說，從歷史上看，自上世紀80年代以來，該行業一直可以獲取這種分析所需的數據類型。

也就是說，直到最近，能源行業仍缺乏及時處理這些數據的能力，結果導致大量人為錯誤潛入了業務流程。例如，鉆井依賴于來自各種傳感器的極其精確的測量，而采用人工檢查一切可能是一個復雜的過程。

Jim Wang說，“人類不能確保人工校準所有數據。除非擁有實時分析功能，否則要到很久以后才會知道出現錯誤。”

但是，使用現代的機器學習技術，石油和天然氣行業可以在多個領域實現收益。當然，在鉆井層面上，更智能的系統可以整合來自所有涉及的傳感器的信息，以更準確、更及時地描繪出鉆井是否被準確地挖掘，所涉及的機械運行是否順利以及鉆井的生產率。無論是短期還是長期。工業物聯網可以輕松地應用于石油精煉設施，可以跟蹤維護數據、識別效率低下的流程和潛在的安全問題，以及監視管道，并在問題變得嚴重之前就可以發現。

責任編輯：ct