Baker Hughes、データアナリティクスと機械学習を活用してガス/石油掘削装置用に予知保全ソフトウェアを開発
「MATLAB のおかげで、以前は読み取り不可能だったデータを使用可能な形式に変換できるようになりました。これにより、複数のトラックや領域のフィルタリング、スペクトル解析、変換ステップを自動化できるだけでなく、最終的には機械学習技術をリアルタイムに適用して、メンテナンスを実施するのに理想的な時期を予測できます。」
課題
予知保全システムを開発して、ポンプ設備のコストとダウンタイムを削減
ソリューション
MATLAB を使用して約 1 テラバイトのデータを解析し、機械の故障を事前に予測できるニューラル ネットワークを作成
結果
- 1,000 万ドルを超えるコスト削減の見込み
- 開発期間を 10 分の 1 に短縮
- 複数の種類のデータに簡単にアクセス可能
容積式ポンプを搭載したトラック。
繁忙期には、Baker Hughes の作業員は 24 時間体制で石油や天然ガスの貯留層を掘削しています。1 つの坑井現場では 20 台ものトラックが同時に稼働することがあり、容積式ポンプで、掘削された坑井の奥深くまで水と砂の混合物を高圧で注入します。トラックの総費用 150 万ドルですが、ポンプおよびその部品 (バルブ、バルブシート、シール、プランジャーなど) だけで、約 10 万ドルかかり、優位な割合を占めます。
致命的な摩耗の可能性についてポンプを監視し、故障が発生する前に予測できるように、Baker Hughes は MATLAB® でポンプのセンサーデータを解析し、MATLAB 機械学習アルゴリズムを適用しています。
Baker Hughes の掘削サービス担当のチームリーダーである Gulshan Singh 氏は次のように述べています。「弊社でポンプのヘルス モニタリング システムを開発する際に MATLAB を使用するべき 3 つの理由があると考えていました。1 つ目は開発スピードです。C 言語や他の言語を使用していたら、開発にもっと時間がかかったでしょう。2 つ目は自動化です。MATLAB を使用することで、大規模なデータセットの処理を自動化することができました。3 つ目は、MATLAB が提供する幅広いデータ処理技術です。たとえば、基本的な統計解析、スペクトル解析、フィルタリング、人工ニューラル ネットワークを用いた予測モデリングなどがあります。」
容積式ポンプを使用した坑井現場。
課題
現場で稼働中のトラックのポンプが故障した場合、Baker Hughes は、業務継続のため、トラックを直ちに交換しなければなりません。予備のトラックを各現場に送る場合、別の現場で使用することができないことから、機会損失費用は数千万ドルになります。バルブやポンプのメンテナンスが必要になるタイミングを正確に予測できないことにより、それ以外のコストも生じます。ただし、頻繁にメンテナンスをすることは、手間がかかるだけでなく、使用可能な部品も交換してしまうことにつながります。一方で、メンテナンス頻度が低過ぎても、ポンプが損傷し、修理できなくなる恐れが生じます。
Baker Hughesのエンジニアは、機械が故障するタイミングや、メンテナンスが必要なタイミングを判断できるシステムを開発したいと考えていました。このようなシステムを開発するためには、現場で稼働する 10 台のトラックに設置されたセンサーから毎秒 5 万件のサンプルデータを収集し、最大 1 テラバイトのデータを処理して解析する必要がありました。さらに、この大規模なデータセットから、故障の予測に役立つパラメーターを特定しなければなりませんでした。
ソリューション
Baker Hughes のエンジニアは、データアナリティクスを使用して予知保全を行う、ポンプのヘルス モニタリング ソフトウェアを MATLAB で開発しました。
そして、このソフトウェアを使用して、現場で収集した温度や圧力、振動そして各種センサーからのデータを MATLAB にインポートしました。また、MathWorks のサポートエンジニアと協力して、バイナリファイルに保存されたセンサーデータを独自の形式で読み込み、解析するためのカスタムスクリプトを開発しました。
Baker Hughes のチームは、MATLAB にインポートしたデータを解析し、データから、装置の摩耗や破損に最も大きな影響を及ぼす信号を特定しました。ここでは、フーリエ変換やスペクトル解析を適用した他、トラックやポンプ、流体による大きな動きをフィルタ処理で除去し、バルブやバルブシートに発生するより小さな振動の検出精度を高めました。
収集した約 1 テラバイトのデータの処理を自動化するために、チームは夜間に処理可能な MATLAB スクリプトを作成しました。
エンジニアチームは、圧力、振動、およびタイミングセンサーから取得したデータが、機械の故障を予測する上で最も重要であるということを発見しました。
そこで、MathWorks のサポートエンジニアと協力して、Statistics and Machine Learning Toolbox™ および Deep Learning Toolbox™ を使用し、いくつかの機械学習技術を評価しました。この初期評価によって、ニューラル ネットワークが最も正確な結果をもたらすことが分かりました。このグループは、センサーデータを使用してポンプの故障を予測するためのニューラル ネットワークを作成し、学習させました。彼らは、モデルの構築に使用されなかった現場の追加データを使用して、このモデルを検証しました。
現場のテストでは、ヘルス モニタリング システムでポンプの故障を予測できることが確認されました。
Baker Hughes の予知保全アラームシステム (MATLAB を使用して開発)
結果
- 1,000 万ドル以上のコストの削減見込み。「バルブ、バルブシステム、プランジャー、シールといったポンプの内部コンポーネントのメンテナンスや交換を行うだけで、年間収益を大幅に上げることができます」と、Baker Hughes のシニアプロダクトマネージャー、Thomas Jaeger 氏は語ります。「弊社では、MATLAB で開発したソフトウェアによって、全体のコストを 30 ～ 40% 削減できると見込んでいます。また、現場に余分なトラックを送る必要がなくなることでさらにコストが削減できます。
- 開発期間を 10 分の 1 に短縮。 Singh 氏は次のように述べています。「MATLAB によって、機械学習を含め、期待どおりに解析および処理を行うことができました。低水準の言語では、常に必要なライブラリを見つけ、割り当てられた数週間以内にプロジェクトを完了できるとは限りません。必要とする MATLAB のすべての組み込み機能のために、低水準の言語ライブラリを使用して独自のコードを記述しなければならないとしたら、このプロジェクトが完了するのに桁違いの時間がかかっていたでしょう。」
- 複数の種類のデータに簡単にアクセス可能。 Singh 氏は次のように述べています。「MATLAB のおかげで、複数の種類のデータを 1 つの解析アプリケーションに簡単にまとめられただけでなく、専用のファイル形式のセンサーデータも問題なく使用できました。」
