ყველა გაზსადენს ვერ ემსახურება ტექნიკური ღორები, მაგრამ სენსორული მონაცემები მილსადენებიდან, რომლებსაც შეუძლიათ, გვაწვდიან სასიცოცხლო მნიშვნელობის ინფორმაციას.
მსოფლიოს მილსადენების მხოლოდ მცირე ნაწილი შეიძლება გაიწმინდოს მსგავსი ღორებით.
მსოფლიოს გაზსადენების დაახლოებით ერთი მესამედი შეიძლება შემოწმდეს „მილსადენის ღორების“ გამოყენებით. ამ ცილინდრულ მოწყობილობებს აქვთ ფიგურირებს ჯეიმს ბონდის სამ ფილმში, ერთ შემთხვევაში მოდიფიცირებულია პირის ფარულად გადასაყვანად საზღვრებს გარეთ.
რეალურ სამყაროში პრობლემა ის არის, რომ მსოფლიოს გაზსადენების დანარჩენი ორი მესამედი არ შეიძლება იყოს შემოწმებულია ღორების გამოყენებით, ამიტომ მათი მოვლა უნდა ეფუძნებოდეს მილის თეორიულ, გამოთვლილ სიცოცხლის ხანგრძლივობას კომპონენტები.
AR + VR
- ამ 400$-იანი XR სათვალეებმა ჩემს MacBook-ს 120 დიუმიანი ეკრანი მისცა სამუშაოდ
- მე ვცადე Apple Vision Pro და ის ბევრად უსწრებს, ვიდრე ველოდი
- საუკეთესო VR ყურსასმენები თამაშებისთვის, სამუშაოსთვის და მის ფარგლებს გარეთ
- გაიცანით Apple-ის AR/VR Vision Pro ყურსასმენი: ფასი, მახასიათებლები, გამოშვების თარიღი და ყველაფერი, რაც უნდა იცოდეთ
თავდაპირველად, ღორები ატარებდნენ უბრალო ფოლადის ჯაგრისებს მილსადენების შიგნიდან გასაწმენდად. მაგრამ ამ დღეებში ისინი ასევე შეიძლება იყოს გადატვირთული სენსორებით მილსადენის მდგომარეობისა და მდგომარეობის გასაზომად. სხვა საკითხებთან ერთად, მათ შეუძლიათ გაზომონ მილის კედლის სისქე, რათა გააკონტროლონ, როდის სჭირდება მილსადენი კოროზიის გამო.
ამ სენსორების გარეშე, მილსადენის ოპერატორებმა უნდა გააკეთონ ძალიან კონსერვატიული გამოთვლები სტრუქტურების უსაფრთხოდ და ფუნქციონირებისთვის. ეს მიდგომა იწვევს ზედმეტად ხშირ მოვლას და, შესაბამისად, არასაჭირო მაღალ ხარჯებს ოპერატორისთვის.
უკეთესი გზა შეიძლება იყოს პროგნოზირებადი ტექნიკური პროგრამების გამოყენება მანქანათმცოდნეობის და მილსადენებიდან შეგროვებული დიდი მონაცემების გამოყენებით, რომლებიც შეიძლება გაიზომოს მილსადენის ღორებით. ეს არის ნორვეგიული ფირმის DNV GL Software-ის სპეციალისტების მოსაზრება, პროგრამული უზრუნველყოფის ბიზნეს ერთეული, რომელიც წარმოიშვა Det Norske Veritas-Germanischer Lloyd-ის შერწყმის შედეგად 2013 წელს.
მილსადენის ღორს ინსტრუმენტებით შეუძლია უზარმაზარი რაოდენობის მონაცემების გენერირება. „ღორები, რომლებიც ზომავენ მილსადენის კედლის სისქეს, მოდის ორ ჯიშად: ერთი გადის მილში და იყენებს ულტრაბგერა რეგულარული ინტერვალებით გასაზომად, მეორე ეფუძნება მაგნიტიზმს და ზომავს უფრო უწყვეტად. ეს ქმნის დიდი რაოდენობით მონაცემებს. ჩვენ აქ ვსაუბრობთ ტერაბაიტებზე“, - განუცხადა ZDNet-ს DNV GL Software-ის დიზაინისა და ინჟინერიის ხელმძღვანელმა ჯო ოვსტაასმა.
კოროზიის მოდელირებისთვის, თავად მილსადენის კედლის სისქე არის გადამწყვეტი მონაცემების წერტილი, მაგრამ ასევე არსებობს რამდენიმე სხვა შესაბამისი მონაცემთა წყარო.
„ჩვენ ვაერთიანებთ ღორების მონაცემებს ნიადაგის მონაცემებთან, სხვა საკითხებთან ერთად, pH მნიშვნელობებთან, სადაც მილსადენი დევს მიწაზე, რადგან ეს ეხება კოროზიას. ჩვენ მივიღეთ მონაცემები ახლომდებარე ამინდის სადგურებიდან და სხვა ინფორმაცია, რაც ვიცით, გარკვეულწილად დაკავშირებულია კოროზიასთან“, - ამბობს ოვსტაასი.
DNV GL Software-ის სპეციალისტებმა დაინახეს პოტენციალი მათ ხელმისაწვდომ მილსადენის მონაცემებში და დაიწყეს კვლევა, თუ როგორ გამოეყენებინათ ისინი. Øvstaas-ის თანახმად, მანქანურ სწავლაზე დაფუძნებული პროგნოზირებადი მოვლა მალე გახდა მიმზიდველი შესაძლებლობა.
„სულ რამდენიმე წლის წინ, მანქანათმცოდნეობამ ძალიან დიდი მოთხოვნები დააყენა მონაცემთა ანალიზის კომპეტენციაზე და სპეციალურ აპარატურაზე, ასევე მოითხოვდა სტატისტიკის ღრმა ცოდნას და ალბათობის გამოთვლებს. დღეს ტექნოლოგიები მომწიფდა და ამისთვის სპეციალიზებულ ინსტრუმენტს იყენებთ. ამისათვის ჩვენ ვიყენებთ ისეთ ინსტრუმენტებს, როგორიცაა Microsoft Azure Machine Learning Studio და Azure ML Cheat Sheet,“ - ამბობს ის.
DNV GL-მა ჩაატარა ხუთდღიანი ჰაკათონი ამ ინსტრუმენტებითა და მონაცემებით და გაკვირვებული იყო, რამდენად კარგი გახდა ხელმისაწვდომი პროგრამული უზრუნველყოფა. ”ჩვენ აქამდე მივედით, რადგან გვაქვს ძალიან კარგი ალგორითმი, რომელიც ძალიან კარგად ხვდება ნამდვილ, გაზომილ მონაცემებს. მას აქვს მაღალი დარტყმის მაჩვენებელი, ”- ამბობს Øvstaas.
სამუშაო რჩება ამ ტექნოლოგიის კომერციალიზაციისთვის. DNV GL ყურადღება გაამახვილა ტექნოლოგიურ მხარეზე. ჭეშმარიტი ბიზნეს ღირებულება, როგორიცაა მილსადენის ოპერატორების ხარჯების დაზოგვა, მაგალითად, ჯერ არ არის გამოთვლილი. თუმცა, კომპანიას ეჭვი არ ეპარება ამ ტექნოლოგიის პოტენციალის შესახებ.
DNV GL ციფრული ტრანსფორმაციის დირექტორი ტორმოდ სვენსენი ამბობს, რომ ფირმა უკვე მუშაობს გარკვეულ მომხმარებლებთან ახალ პროდუქტზე. „ამ ტექნოლოგიის კომერციალიზაციას მოვახდენთ ამ წლის ბოლომდე“, - ამბობს ის.
წაიკითხეთ მეტი ანალიტიკის შესახებ
- მონაცემები ანალიტიკამდე AI: აღწერიდან პროგნოზირებულ ანალიტიკამდე
- დიდი მონაცემები, ანალიტიკა მოსალოდნელია 187 მილიარდი დოლარის ბაზარი 2019 წელს
- შედეგების მიღება დიდი მონაცემების ანალიტიკიდან, დიდი წინასწარი ხარჯების გარეშე
- ყველაზე ბინძური პატარა საიდუმლო დიდი მონაცემების შესახებ: ჯობსი
- 6 დიდი მონაცემების ტენდენცია 2017 წელს (TechRepublic)
- Big Bang Data გამოფენა აერთიანებს დიდ მონაცემებს დიდ ხელოვნებას (სურათები) (CNET)