Mientras tanto, la industria del petróleo y del gas afronta el reto del gran número de jubilados. Cuando los empleados con gran experiencia se jubilan, se llevan consigo décadas de conocimientos críticos relacionados con los activos y procesos de producción.
La implementación de capacidades de producción más inteligentes –donde sea adecuado en su ecosistema– puede ayudarlo a superar estos desafíos capturando conocimientos de procesos esenciales y habilitando mayores niveles de automatización dentro del sistema de control en el borde.
Automatización inteligente en el borde
La inteligencia puede proceder de diversas fuentes. La industria goza de un gran historial de herramientas de modelado y simulación, así como de conocimientos de las operaciones. En la actualidad es cada vez más necesario que las soluciones ofrezcan un equilibrio óptimo entre estos conocimientos de dominio y el aprendizaje automático. Desde hace tiempo, uno o más de estos elementos están desconectados. Lo que determina el éxito de una inteligencia más descentralizada son el empaquetado, la implementación y el mantenimiento eficientes de dichos elementos a escala.
Estas soluciones pueden integrarse en un gabinete de control y una unidad terminal remota (RTU) habilitados para IoT de un activo de producción administrado de manera centralizada a través de la nube con actualizaciones inalámbricas. La implementación de esta inteligencia en el campo le permite obtener los tiempos de respuesta necesarios para la automatización y optimización de lazo cerrado. La automatización avanzada puede llevarse a cabo de una manera confiable sin hacerse susceptibles a factores como, por ejemplo, interrupciones de comunicaciones inalámbricas, limitaciones de ancho de banda y costos.
Una vez implementada esta automatización, será posible detectar y tomar medidas de inmediato respecto a la probabilidad y gravedad de problemas como eventos de flujo bajo.
Si volvemos a estudiar el ejemplo anterior de la ESP, ¿cómo puede un sistema no solo identificar los eventos como los expertos de primer nivel, sino que también cómo puede resolver los eventos con mayor rapidez, confiabilidad y de manera óptima? Al igual que un automóvil autónomo que evita colisiones al detectar riesgos y realizar maniobras correctivas, estas soluciones basadas en IA implementadas en el sistema de control pueden reconocer situaciones de alto riesgo al evaluar de manera constante la probabilidad y la gravedad de problemas como, por ejemplo, eventos de flujo bajo, y tomar medidas inmediatas en tiempo real. Como las ESP están ubicadas a gran profundidad, precisan del flujo adecuado para enfriar el motor y la bomba. En condiciones de flujo bajo, se podría liberar una cantidad considerable de energía localmente alrededor de la ESP, lo cual requiere atención inmediata para resolver el problema. La solución puede actuar ajustando las operaciones del equipo, tales como la velocidad de la ESP u otras manipulaciones de válvula, en función del tipo específico de evento de flujo bajo detectado, y monitoreando el impacto de los ajustes con base en múltiples criterios.
Este tipo de toma de decisiones inteligentes emula a un “súper operador” que puede evitar que las situaciones se agraven hasta un punto en que provoquen el fallo del equipo o el disparo por límites de protección, lo cual resulta en un costoso tiempo improductivo. Además, puesto que el sistema puede efectuar ajustes de control de forma proactiva en las etapas tempranas en que las condiciones se agravan, puede proteger los activos de producción y prolongar su vida útil.
Actualmente, con recursos limitados los operadores se ven obligados a priorizar los pozos que deben atender con base en métricas como las tasas de producción, a la vez que permiten que se disparen los pozos de nivel inferior con las consiguientes interrupciones prolongadas. No obstante, en una época en la que es necesario buscar hasta la más mínima oportunidad de mejorar la eficiencia, estas soluciones escalables basadas en IA podrían ayudar a los operadores a evitar tener que hacer concesiones.
Por último, los expertos comparan un parámetro de referencia y evalúan de manera continua el rendimiento de la solución, lo cual es una faceta crítica para fomentar la confianza entre el usuario y el sistema.
Mayor nivel de conocimientos
Cuando estas soluciones basadas en IA se operacionalizan a escala, también pueden mejorar la gestión de activos de producción al suministrarle a los expertos de operaciones un mayor nivel de apoyo en la toma de decisiones. Desde un punto de vista centralizado, esto le permite empezar a capturar, priorizar, resolver y clasificar eventos de forma inmediata.
Al fomentar esta cultura en flujos de trabajo bien diseñados, se puede acumular una gran cantidad de conocimientos con el paso del tiempo, los cuales se pueden aprovechar para mejorar continuamente. En el caso de la ESP, a medida que se validan y se catalogan debidamente más eventos, se pueden implementar técnicas de aprendizaje supervisado para reentrenar los núcleos a fin de mejorar las métricas de rendimiento.
Además, los conocimientos recopilados se pueden utilizar a lo largo de toda su empresa a un nivel de granularidad significativo. Ahora, en vez de perder los conocimientos especializados de los trabajadores que se jubilan, usted recolecta, retiene y comparte conocimientos con toda la fuerza laboral, incluyendo a los nuevos empleados con menor experiencia, a fin de promover la toma de mejores decisiones.
Este enfoque también puede transformar cómo el personal de producción hace su trabajo. ¿Cómo? Ya que la solución incorporada en el sistema de control puede monitorear y responder donde sea apropiado, los operadores pueden enfocarse mejor en las actividades de valor agregado de medio a largo plazo, tales como la planificación de operaciones de mantenimiento y de estrategias de optimización de la producción.
Gracias a mayor acceso a inteligencia en el ecosistema, se reducirá la brecha entre los ingenieros de producción y las operaciones con el paso del tiempo. Esto permitirá una mayor colaboración entre los equipos de trabajo y ayudará a aprovechar las eficiencias que anteriormente no estaban accesibles.
Además, hay elementos de la solución basada en IA que pueden aprender continuamente más sobre cada pozo y los eventos de este. Con este mecanismo, la solución se adaptará y, con el tiempo, podrá mejorar sus decisiones para resolver problemas en función del historial único de cada pozo. Esto permitirá que cada pozo se controle como si un ingeniero supervisor dedicado lo hubiera estado monitoreando y atendiendo de forma continua durante años.
Vuelva a imaginar su yacimiento
Las soluciones basadas en IA en tiempo real en la nube y en el campo ya se están probando, lo cual ayuda a promover la toma de mejores decisiones.
Estas soluciones han sido concebidas para ofrecer un máximo impacto con un mínimo de interrupciones, con capacidad de ampliación posteriormente a fin de abarcar muchos activos con un mínimo de configuración y mantenimiento adicional. Los ensayos de campo en curso siguen dando resultados positivos. Las soluciones basadas en IA se utilizan en la nube para detectar y priorizar eventos y en el campo para resolver de forma autónoma eventos críticos y resultar en mejoras a lo largo del tiempo.
Muy pronto, soluciones inteligentes como estas constituirán una necesidad competitiva para los productores que deseen no solo mejorar su rendimiento y rentabilidad, sino retener conocimientos críticos de operaciones antes de que se esfumen.
