Equinor bruker AI til å unngå nedetid og sparer hundretalls millioner

Equinor bruker kunstig intelligens til å unngå kostbar driftsstans i olje og gassproduksjonen. I sommer sparte AI-verktøyet Omnia. Equinor for 300 millioner kroner, da verktøyet oppdaget en feil tidlig ved Kårstø prosessanlegg.

Det internasjonale energikonsernet Equinor har hovedsakelig virksomhet innen olje og gass og er den største petroleumsaktøren på den norske kontinentalsokkelen. Virksomheten bruker kunstig intelligens på en rekke områder slik som seismikktolkning og brønnplanlegging. Det er størst verdipotensial knyttet til driften på sokkelen, og Equinor har derfor investert mest i kunstig intelligens tilknyttet driftsoperasjoner.

Bruker maskinlæring til prediktivt vedlikehold

Equinor bruker AI-verktøyet Omnia.Prevent for prediktivt vedlikehold. AI-verktøyet er en programvare som overvåker tilstanden til tungt roterende utstyr, og i første omgang har Equinor fokusert på roterende utsyr som pumper, kompressorer og turbiner. AI-verktøyet er trenet til å identifisere feil så tidlig som mulig, slik at Equinor kan gjøre tiltak for å unngå nedetid, som her vil si at produksjonen av olje og gass stopper opp. 

Bruk av kunstig intelligens og maskinlæring til å prediktere feil innebærer flere fordeler for Equinor fremfor å bruke tradisjonell tilstandsovervåkning. Maskinlæringsmodeller kan fange opp feil som vil være umulig å oppdage for mennesker. Dette skyldes at de kan trenes til å finne mønster og sammenhenger i enorme datamengder som mennesker ikke er i stand til å analysere på samme måte. I tillegg muliggjør AI at man kan skalere utstyrsovervåkningen til å omfatte mange utstyrstyper på samtlige produksjonsanlegg på en svært kosteffektiv måte.

Klarer Equinor å minske nedetid for produksjonen, sparer de mye. En hendelse sommeren 2023 på prosessanlegget på Kårstø er et eksempel på dette. Der oppdaget AI-verktøyet Omnia.prevent en feil på en viktig gasskompressor ved at det gikk en alarm på en turbin til kompressoren. Dette var en reell alarm og turbinen ble byttet ut. AI-verktøyet gjorde til at alarmen gikk, som igjen førte til at feilen ble oppdaget tidlig og ble raskt håndtert. Dette førte igjen til at man fikk byttet turbinen på en planlagt og langt mer effektiv måte enn om feilen hadde ført til driftsstans. Dette er den mest alvorlige feilen som er oppdaget av AI-verktøyet og det er estimert at den raske oppdagelsen sparte Kårstø og Equinor for 300 millioner kroner. Omnia.prevent systemet har imidlertid oppdaget rundt 400 reelle feil, hvor flere av dem kunne ha utviklet seg til reelle hendelser. [1]

Erfaringsdata og språkmodeller bidrar til læring og det grønne skiftet

Equinor bruker også store språkmodeller til å optimalisere drift og vedlikehold på installasjoner. Olje- og gassindustrien samler inn enorme mengder skriftlig data fra sine operasjoner slik som hendelsesrapporter og erfaringsdata. Disse dataene blir brukt til å trene opp en egen språkmodell, som anvendes i operasjonell planlegging, for å trekke inn relevant sikkerhetsinformasjon fra tidligere hendelser og tilgjengeliggjøre den når en tilsvarende jobber planlegges. Når Equinor planlegger for en spesifikk operasjon, som for eksempel boring eller vedlikehold, så henter modellen ut historisk data fra tidligere hendelser som er relevant for den operasjonen som skal gjennomføres. Dette gjør igjen at Equinor kan lære av tidligere operasjoner, og erfaringsdata blir systematisert slik at virksomheten kan dra nytte av dem. Språkmodellen er multispråklig slik at ansatte i Equinor kan lære av relevante erfaringer fra Nordsjøen i forbindelse med operasjoner i for eksempel Brasil.

Den operasjonelle planleggingsløsningen har også blitt videreutviklet til bruk med fornybare energikilder som havvind, og testes nå ut på verdens største offshore vindpark Dogger Bank. For Equinor er det å implementere AI-teknologi viktig for å kunne gjennomføre det grønne skifte og gjøre investeringer innen havvind lønnsomme.

Fotenote 1: Denne peaken sparte Kårstø for 300 millioner kroner  - Digi.no