¿Cómo sobrevivirá la industria petrolera? Simple: optimizando sus operaciones y siendo menos resilientes - World Energy Trade

¿Cómo sobrevivirá la industria petrolera? Simple: optimizando sus operaciones y siendo menos resilientes

Para sobrevivir a los efectos post pandemia la respuesta podría ser la digitalización

Para sobrevivir a los efectos post pandemia la respuesta podría ser la digitalización

General

Mucha gente se pregunta lo que debe hacer la industria petrolera y petroquímica, para sobrevivir los efectos post pandemia, y volatilidad del mercado. La respuesta es simple: ¿Modelos de procesos Híbridos Inteligentes?.

Aunque parezca sacado de “Stars Wars”, la respuesta es sencilla: Digitalización e Inteligencia Artificial (IA) aplicada a sus procesos.

Un nuevo informe de Accenture profundiza en la transformación digital de la industria del petróleo y gas, con una conclusión central: pese a que se está haciendo un importante esfuerzo inversor, no se logra extraer beneficios significativos de la aplicación de herramientas tecnológicas.

OIL & GAS
De Venezuela a Libia, los 10 países con las mayores reservas probadas de petróleo

Pese a que los resultados no son del todo optimistas, la inversión no se ha paralizado; antes al contrario, el gasto digital ha aumentado al mismo ritmo que el detectado en los dos anteriores informes. Un 56% de los participantes dicen estar invirtiendo más o significativamente más en tecnología digital que hace 12 meses, principalmente en las partes de planificación y ejecución de la producción; mantenimiento y confiabilidad; y proyectos de ingeniería y capital.

Sobre qué tecnologías muestran mayor mejora de margen en los últimos tres a cinco años, hay una tendencia que destaca sobre el resto: el análisis avanzado de datos. Le sigue el empleo de plataformas y el de sensores de internet de las cosas y Edge Computing.

En relación a los obstáculos para el cambio, crece el porcentaje de participantes que cita la resistencia de la plantilla y la dificultad para cambiar la cultura corporativa. Es de un 48% en el informe de 2019, 15 puntos porcentuales por encima del dato de 2018.

Las empresas petroleras de hoy exigen una mayor variedad de productos y capacidad de configuración con cantidades mínimas de pedido más pequeñas, lo que impulsa un cambio a CTO / MTO / ETO y aumenta la complejidad de las operaciones.

  • Hacer bajo pedido (MTO)
  • Configurar bajo pedido (CTO)
  • Ingeniero a pedido (ETO)

Esto está impulsando a los fabricantes a buscar un tomador de decisiones digital que pueda usarse tanto para diseñar y operar su sistema para que puedan visualizar y analizar el sistema mientras realizan análisis hipotéticos.

Esta misma solución también debería poder usarse operativamente para producir un programa de producción detallado y evaluar las compensaciones operativas. Digital Twin de Simio para la programación de producción detallada

La solución del mundo especializado, viene con una extensa cartera de productos de software industrial, y de ingeniería que proporcionan soluciones integrales al usuario, para que estos y sus clientes obtengan valor de la información proveniente de campo, mediante herramientas como el Internet de la Cosas ( IoT), y datos de producción con el fin de cumplir con los entregables de sus clientes con confianza.

Con base a lo anterior, y con el auge de las tecnologías emergentes, llamadas Digitales, y gracias a la constante evolución de empresas especializadas, como es el caso de: Aspen Technology y AVEVA entre otras.

La adecuación y construcción de nuevas herramientas de simulación y optimización de operaciones permitirán reducir los OPEX (costos operacionales) y CAPEX (Gastos de capital) de su industria, con la finalidad de hacerlas mas resilentes ante cualquier situación, y en especial adaptables a otros escenarios.

Un modelo hibrido e inteligente ayuda a desarrollar rápidamente modelos precisos para abordar los desafíos operativos más complejos.

En el caso de la empresa Aspen Technology

Estos lanzaron una nueva suite llamada “aspenONE® V12”, Aspen Hybrid Models aprovechan el poder de la IA sin que los ingenieros requieran experiencia en data science o machine learning, lo que simplifica la aplicación de la IA industrial.

Dentro de los beneficios esperados podemos citar

  1. Identificar los casos de aplicación para los modelos híbridos en aguas-abajo (downstream) y aguas-arriba (upstream).
  2. Modelar procesos y equipos difíciles y complejos con Modelos Híbridos ( Aspen HYSYS®)
  3. Actualizar los modelos de planificación de refinación en menor tiempo.
  4. Crear y sostener mejores modelos y más rápidas decisiones con digital twins generados por IA.

En el caso de AVEVA, y su plataforma de simulación SimCentra

En muchas plantas, cada actividad de simulación en el ciclo de vida de una planta operativa requiere una solución puntual individual. Aunque cada pieza de software está justificada por sí misma, las empresas luchan por mantener estos modelos de manera adecuada antes de que se vuelvan obsoletos.

Con SimCentral Simulation Platform, estas actividades se pueden realizar en la misma simulación maestra: el Digital Twin de su proceso. El Digital Twin se puede aprovechar para reducir en gran medida su inversión total en tecnología.

Con información de proceso cada vez más detallada de su SimCentral Simulation Platform Digital Twin, puede comparar el estado real de la planta con su modelo de simulación para ver y comprender el monitoreo del rendimiento de la unidad y la optimización en tiempo real.

Acerca de modelos híbridos e inteligentes de empresas petroleras

En la programación software, sistemas híbridos inteligentes denotan a los sistemas software que emplean, en paralelo, una combinación de modelos de vida artificial, métodos y técnicas de estos sub-campos como:

  • Programación neuro-fuzzy.
  • Sistemas difusos expertos.
  • Sistemas conexionistas expertos.
  • Redes neuronales evolutivas.
  • Sistemas Genetic-Fuzzy-Neural. Sistemas difusos genéticos (Míchigan, Pittsburg, Incremental).
  • Rough fuzzy y sistemas. Rough fuzzy, también llamado hibridación rough fuzzy;
  • Aprendizaje por reforzamiento de algoritmos genéticos de diferencias temporales.
  • Aprendizaje de algoritmos genéticos difusos (genetic algorithm fuzzy reinforcement learning, GAFRL).
  • Aprendizaje de refuerzo con métodos difusos, neurales o evolutivos, así como métodos de razonamiento simbólico; programación simbólica y conocimiento/regla-basada (knowledge/rule-based).

Que se nos avecina entonces: Definitivamente se deslumbra un futuro próximo más inteligente y seguro: trabajando en forma remota en el sector energía

Muchas compañías no solamente están buscando soluciones para mejorar su desempeño a corto plazo, y aumentar sus ventajas competitivas en mercados que cada vez se reducen más, pero también asegurando su sustentabilidad en el largo plazo en el próximo “nuevo normal” a través de una transformación saludable.

Un futuro próximo más inteligente y seguro: trabajando en forma remota en el sector energía: Los retos claves de la transición a métodos remotos de trabajo.

Las compañías de energía que realizan una transición laboral a modos remotos, enfrentan inmediatamente retos en los sistemas y formas de comunicación, muchos de los cuales incluyen infraestructura tecnológica inadecuada y eficiencia organizacional reducida. Respecto de la primera, el confiar solamente en la infraestructura tecnológica actual es inadecuado y seguramente obsoleto, ya que muchos sitios remotos enfrentan muchas limitaciones, tales como un inadecuado ancho de banda para el internet. Y respecto del segundo, el caos organizacional puede estar compuesto de una cultura organizacional en deterioro, en donde equipos de trabajo grandes son sometidos a particiones que son distribuidas en diferentes locaciones, normalmente remotas.

Finalmente, la misma naturaleza del trabajo remoto tiene sus propios retos. En una investigación realizada por la firma McKinsey muestra que los trabajadores remotos, aún en tiempos de normalidad (lo que algunos ya hacían desde hace años – el famoso “home office”) sienten que no tienen las habilidades para ser exitoso y competentes por un período largo de tiempo (después de unos meses en casa, sienten que se están quemado laboralmente).

De hecho, se preocupan de que dichos arreglos en cuanto a la distribución de lugares de trabajo, los haga menos valiosos a ojos de la empresa. Con el COVID-19, estas presiones probablemente aumenten.

Por correcto en las áreas correctas (nuevas áreas), diseñar un mecanismo de toma de decisiones expeditas, y establecieron centros de respuestas a la crisis. Estos esfuerzos del día cero como respuesta fueron críticos para manejar inmediatamente la pandemia, aunque luego quedó claro que una transición más a fondo para el trabajo remoto era necesaria.

Además, queda el hecho de que realmente este escenario ocurrió en muy pocas empresas, la gran mayoría tardó varias semanas (o incluso más de un mes) en hacer esta adaptación. Las empresas chicas pudieron hacerlo solamente restringidas por la cantidad de recursos disponibles; hicieron su mejor esfuerzo en general, pero hasta donde los recursos estuvieron disponibles.

Podemos concluir que la tecnología como elemento imprescindible, es capaz de ayudar al sector energético a enfrentar grandes retos de las próximas décadas, haciéndolos menos resilientes y mejorando su capacidad de analítica y manejo del entorno cambiantes.

 

No pierdas la oportunidad de leer este reportaje: 

Vehiculos Electrico Hidrogeno Foto Ref

 

Te puede interesar: