国际能源机构的最新燃气市场报告，2018年天然气，估计的2023年，全球气体需求可能达到41000亿立方米（BCM）。这增加了2017年的3,740 BCM．更大的气体需求意味着更多的石油钻井平台，以及这些钻机上的机器分解。
ai可以提供帮助石油和天然气公司预测他们的机器和设备需要维护时。然后，石油和天然气公司可以在崩溃之前修复这些机器，导致长期停机时间或员工伤害可能花费数百万的法律费用和定居点。
这份报告中的公司都声称提供了帮助石油、天然气、能源和公用事业公司至少有以下一项：
- 监控他们的机器资产
- 预测未来机器故障的概率
- 制定主动的维护决策
- 因此，降低了灾难性机器故障引起的运营成本
我们开始对能源公司如何使用AI预测的分析，当他们的机器与摄取技术分解时。
吸收技术
吸收技术优惠它的资产绩效管理(APM)应用程序该公司声称，这是有帮助的石油和天然气公司监控其机器资产，预测未来的机器故障，并进行主动维护决策使用机器学习．
up索赔APM是由资产策略库(ASL)驱动的，该数据集包含有关机械和设备类型、故障机制、流体和检查数据、故障代码和操作阈值的数据。
公司国家软件背后的机器学习模型训练能源、化工、制造和采矿行业使用的800多种资产类型，1000万种组件，以及它们可能发生故障的58,000种方式．
应用程序可以应用在边缘和云中．该公司表示，石油和天然气客户公司的专家将需要决定在哪里安装传感器圆筒．
然后这些传感器将从这些部分收集遥测数据圆筒,如压力．然后将此数据用作正确运行的基线圆筒．
该软件背后的机器学习模型需要接受数百万个遥感数据点的训练，以及关于某些部分何时圆筒所需的维护，这些部件的维护需要多长时间，以及替换部件到达现场需要多长时间。然后，这些数据将通过软件的机器学习算法运行。
这将培训算法来辨别所有这些数据点中的哪一个与正常运行相关圆筒零件，时间圆筒在过去需要维护，以及它的哪些部件需要维修。
然后，该软件就能够预测，当某些部分圆筒应该在它们坏掉之前进行维修。
我们找不到这家公司软件的演示视频。
up声称帮助过米培立能源公司增加风力涡轮机可用性。在风电场部署后48小时内，应用程序发现塔楼17中的主要轴承失效迹象，类似于以前的条件，导致变速箱故障。
加起来提醒客户的工程和资产管理团队。在塔楼的物理检查后，资产管理团队发现了申请预测的问题。
这种早期的检测允许团队修理风力涡轮机的成本为5000美元，停机时间很少，这为中美能源节省了25万美元，如果变速箱发生故障的话。
中美能源还报告称，在使用Uptake的软件大约三个月的时间里，客户已经从其10%的涡轮机中生成了高价值的信息。
吸收技术还列出了卡特彼勒，布兰查德猫，俄亥俄猫，Magnetrol, BHE可再生能源和美国军队作为一些它过去的客户。
亚当McElhinney是机器学习与人工智能策略首席执行官在吸收技术．他拥有一个多发性硬化症在统计数据从伊利诺伊大学芝加哥分校．之前，MCELHINNEY.担任数学和计算机科学系的附属学院在他是伊利诺伊理工学院和伊利诺伊大学工程咨询委员会的董事会成员．
C3.ai
C3.ai优惠一个预防性维护应用它声称有什么帮助石油和天然气，航空航天和国防，金融服务，医疗保健，制造业， 和别的公司优先维护设备，最大限度地提高正常运行时间，提高工人的安全和保障，并减少费用使用预测分析．
C3索赔,客户可以集成软件成企业数据库软件背后的机器学习模型训练历史失败数据。
然后用户可以上传传感器数据、监控和数据采集(SCADA)数据、遗留数据、技术人员笔记等数据，以及天气等外部数据源那是没有标签它的软件．
然后，软件背后的算法将能够通过分析资产运行状况和资产性能数据，检测资产的异常情况，计算出各资产的故障风险评分．系统提供对不同时期(如14天、30天或6个月)发生故障的概率的估计。
公司国家石油和天然气客户公司的专家将需要决定在哪里安装传感器例如梁泵．然后这些传感器将从这些部分收集遥测数据梁泵,如每分钟或施加的力量．然后将此数据用作正确运行的基线梁泵．
该软件背后的机器学习模型需要接受数百万个遥感数据点的训练，以及关于某些部分何时梁泵所需的维护，这些部件的维护需要多长时间，以及替换部件到达现场需要多长时间。然后，这些数据将通过软件的机器学习算法运行。
这将培训算法来辨别所有这些数据点中的哪一个与正常运行相关梁泵零件，时间梁泵在过去需要维护，以及它的哪些部件需要维修。
然后，该软件就能够预测，当某些部分(梁泵)应该在它们坏掉之前进行维修。
下面是一个简短的4-分钟的视频演示如何C3软件提供仪表板的经理级概述。该视频解释说，该应用程序显示油井的失败风险评分，最低风险最低。地理空间可视化使用户可以看出油井的位置，以便更容易地进行颜色编码。仪表板还显示井的故障和故障类型的历史数据．
C3声称帮助过埃奈尔2013年部署企业范围的数字化，其中一部分包括欺诈检测和预测维护软件。
Enel还为五个控制中心部署了C3预测维护应用程序，以提高电网的可靠性，以满足容量和需求，并减少称为故障的电流异常。
该应用程序的目的是收集和分析网络传感器数据、智能电表数据、资产维护记录和天气数据，以预测馈线(从配电变电站向配电变压器输送电力的电力线路)的故障。应用程序集成花了3个月，而测试又花了3个月。
案例研究报告称，该项目使用了25个数据源，监测了5000万个传感器。Enel估计，在2018年结束的5年时间里，一旦数字化全面实施，总共可能节省75.7亿美元的成本和收入．
C3还列出了Engie，Eversource，Con Edison，SDGE和BGE作为一些它过去的客户。该公司已筹集了2.285亿美元在崛起基金的资金中，Sutter Hill Ventures，Breyer Capital，TPG增长，Thomas Siebel，Wildcat Venture Partners和Pat House。
埃德·伯博一直总统和首席技术官在自2011年以来C3．他拥有一个多发性硬化症在机械工业从麻省理工学院．之前，Abbo担任申请副总裁在甲骨文15年．
Mapr技术
Mapr技术优惠一个预测维护应用该公司声称，这是有帮助的石油和天然气公司通过更好的资产跟踪和预测性维护，提高效率并降低运营成本使用机器学习．
Mapr.索赔企业可以整合MapR数据平台成他们的本地，云和边缘数据收集和存储系统。
公司国家软件背后的机器学习模型训练石油钻塔、化工厂或采矿作业的工业设备的历史数据．然后用户可以上传图像文件，传感器数据，地震测量和维护数据那是没有标签的MAPR融合数据平台．该公司声称分析师还可以使用Mapr平台来了解天气如何影响操作。
然后，软件背后的算法将能够接收和分析当前和历史传感器数据。然后，算法将能够区分不同类型设备的正常和异常行为模式．那时系统警告资产或运营团队的轻微故障。
下面是一个简短的3.- 更低的视频解释了如何该公司的预测性维护软件从边缘和云处访问边缘的数据。然后系统摄取，存储，管理，分析，并适用该数据：
Mapr.声称帮助过国民油井华高（11月），石油和天然气钻井设备和零件制造商和制造商，创建一个大数据平台，可以从组织内的传感器和控制系统摄取和存储数据，支持深度分析和机器学习过程。
根据案例研究，11月创造了一个数据存储系统，可以容纳7500亿到5万亿字节的数据点。根据案例研究，这将允许NOV将所有传感器数据存储在一个集群中。没有提供其他细节．
Mapr.还列出了勃林格殷格翰(Boehringer Ingelheim)、思科(Cisco)、Cision、ComScore、奥迪(Audi)、惠普(HP)、农业信贷(Credit Agricole)、丹佛健康(Denver Health)和诺华(Novartis)作为一些它过去的客户。
泰德·邓宁一直首席应用程序架构师MAPR技术八年．他持有A.博士学位在计算机科学从谢菲尔德大学．之前，敦促担任Deepdyve的首席技术官，SiteTuners、Veoh Works和ID Analytics等公司的首席科学家。
Spacetime Insight.
时空的洞察力优惠它的资产分析应用该公司声称，这是有帮助的电,水,天然气公用事业美国、可再生能源公司、制造业和运输公司减少资产失败的成本和停机时间使用机器学习．
Spacetime Insight于2018年5月被诺基亚收购，索赔它可以将软件集成到客户公司的维护和维修计划。
公司国家软件背后的机器学习模型训练真实的或完整数据集的子集，由来自传感器、设备和其他资产的信息组成．然后用户可以分析客户的数据如传感器数据，以及与资产年龄，条件，位置，网络关系以及操作历史相关的信息那是没有贴上标签它的软件．
然后，软件背后的算法将能够查找类似物品的群集，检测异常数据．那时系统预测资产故障的概率，使资产管理人员能够对维护和维修计划或资产的剩余使用寿命做出明智的决定。
我们可以推断石油和天然气客户公司的专家将需要决定在哪里安装传感器管道和阀门．然后这些传感器将从这些部分收集遥测数据管道和阀门，例如压力和流量．然后，这些数据将被用作正常运行的基线管道和阀门．
该软件背后的机器学习模型需要接受数百万个遥感数据点的训练，以及关于某些部分何时管道和阀门所需的维护，这些部件的维护需要多长时间，以及替换部件到达现场需要多长时间。然后，这些数据将通过软件的机器学习算法运行。
这将培训算法来辨别所有这些数据点中的哪一个与正常运行相关管道和阀门零件，时间管道和阀门过去需要维护，其哪些部件需要维修。
然后，该软件就能够预测，当某些部分管道和阀门应该在它们坏掉之前进行维修。
下面是一个简短的3.-分钟的视频演示如何该公司的软件将资产显示为颜色编码表示，以帮助用户识别风险资产。应用程序跟踪并显示资产之间的关系，允许用户了解一个资产如何影响整个系统：
Spacetime Insight.网站上没有预测性维护案例研究，但声称有帮助加利福尼亚独立系统运营商（ISO）实施一个情境智能系统到M载人并管理危机．加州ISO综合诺基亚将市场智能、网格智能、可再生集成和危机智能等产业物联网技术融入其中控制中心。
根据案例研究，在实施情境智能之前，加利福尼亚州ISO倒入信息页面以发现异常。每个团队都有自己的监控系统，并与其他团队手动协调，易于误解和延误。
如今，诺基亚的情景情报系统提供了当前的可视化显示，允许团队关联和叠加任何所需的数据，以了解情况的潜在风险，如自然灾害。
在控制中心的80 x 6.5英尺的视频墙上显示在80 x 6.5英尺的视频墙上，确保运营商和调度员一切正常运行，也可以允许它们在异常上行动。该系统还使多个团队能够在需要操作时查看相同的信息并在同一页面上．
Spacetime Insight.还列出了E ON, Entergy, Florida Power and Light, American Water, Arizona Public Service, BC Hydro作为一些它过去的客户。
保罗霍夫曼曾是CTO.在在诺基亚收购之前的时空洞察力但最近离开了这家公司。目前还不清楚谁将担任这一角色。霍夫曼持有A.博士学位在物理从TechnischeUniversität达姆施塔特．此前,他担任作为CTO.在Saffron Technology，被英特尔收购．
目前，物联网分析应用属于Bhaskar Gorti.诺基亚软件总裁。他在弗吉尼亚科技的电气工程中持有MSC，并担任甲骨文高级VP和总经理九年。
标题图像信用：成本
