Hoe kun je met data-analyse de gederfde omzet minimaliseren bij het onverwacht uitvallen van productielocaties op het Groningen-gasveld? Door de uitval te voorspellen en daarmee de problemen voor te zijn.

NAM heeft 20 volledig geautomatiseerde productielocaties op het Groningen-gasveld. Naast gas produceren die locaties een enorme hoeveelheid data; meer dan 90.000 sensoren meten iedere seconde temperatuur, druk, flow en schakelstanden. Uit die sensordata kun je informatie halen om de apparatuur optimaal te laten werken, bijvoorbeeld over een filter en of dat moet worden schoongemaakt of misschien vervangen. Maar hoe maak je die grote hoeveelheden data bruikbaar en inzichtelijk? En hoe maak je de juiste informatie beschikbaar voor de juiste mensen op het juiste tijdstip zodat zij tijdig actie kunnen ondernemen?

Het Wikker-project

Om hier invulling aan te geven is NAM in 2010 gestart met het Wikker-project. EOM heeft de architectuur en bijbehorende business-processen in overleg met NAM ontworpen, geïmplementeerd en geoptimaliseerd zodat data scientists van NAM, actuele en historische sensordata kunnen analyseren om analytische modellen te ontwikkelen en in te zetten voor continue monitoring van de gasproductielocaties.

Het Wikker-project heeft model gestaan voor de SAS Solution SAS Asset Performance Analytics (APA).

Toegepaste
SAS Solutions

We hebben onder meer gebruikt gemaakt van deze SAS Solutions:

SAS Asset Performance Analytics (APA)
SAS Data Management
SAS Enterprise BI Server
SAS Visual Analytics
SAS SPD Server
SAS Enterprise Guide

Data Management

De belangrijkste uitdagingen voor data management in dit project waren:

  • de grote hoeveelheid data (momenteel ca. 80 miljard observaties) – intelligente ETL-processen zijn ontworpen en geïmplementeerd om de grote hoeveelheid data uit bronsysteem OSIsoft PI te laden, te verwerken naar een datawarehouse, business rules en datakwaliteitsregels op toe te passen en te laden naar datamarts die de data scientists gebruiken voor hun analyses;
  • datakwaliteit – kapotte sensoren en apparatuur in onderhoud zijn voorbeelden van situaties die de resultaten van analyses en modellen verstoren. We hebben hiervoor Ralph Kimballs An Architecture for Data Quality toegepast.

Analytics

NAM heeft ervoor gekozen om data-analyse en de bouw van analytische modellen door de (chemical) process engineers van NAM uit te laten voeren waarbij wij hen opleiden in en ondersteunen bij het gebruik van de SAS-software.

Visualisatie

De prestaties van apparatuur worden uitgedrukt in KPI’s met een waarde tussen 0 (slecht) en 100 (goed). De KPI’s worden in een voor de onderhoudswereld gebruikelijke PF-curve uitgezet in de tijd.

De KPI’s worden opgenomen in door ons met SAS-software ontwikkelde informatieproducten:

  • Web Report Studio-rapporten
  • Visual Analytics Dashboards
  • toepassing voor Event Based Surveillance
  • toepassing voor alarmering met workflow voor opvolging
  • automatisch verstuurde e-mailnotificaties
pf-curve

PF-curve

De informatieproducten worden aan gebruikers ter beschikking gesteld via het Wikker SAS-portaal.

EOM heeft met haar SAS-expertise een belangrijke bijdrage geleverd aan het succes van Wikker bij het preventief onderhoud van de gaswinningslocaties van NAM.