Спонсорирана публикация
13 начина, по които големите данни могат да подобрят ефективността и да намалят разходите в енергийната индустрия
Въпреки че тези разрушители представляват значителни предизвикателства, компаниите намират начини да ги преодолеят, като инвестират в анализ на големи данни.
Заслужава да се отбележи, че големите данни не са просто или лесно решение на нито един от проблемите, с които се сблъскват енергийните компании. За да правите анализи добре, имате нужда от правилната комбинация от талант, хардуер и софтуер. Имате нужда от ясно дефинирани проблеми, насочени цели и изпълнителна подкрепа, за да управлявате проекта.
Поставянето на всички тези елементи на място е много трудно. Според някои оценки между 60% и 85% от всички проекти за големи данни се провалят.
Но потенциалният напредък е толкова значителен, че повечето енергийни компании инвестират значително в технология за големи данни.
Какви са тези потенциални ползи? Ето 13 начина, по които анализът на големи данни помага на енергийните компании да управляват текущото ниво на прекъсване.
1. По-добра прогноза за времетото
Днес енергийните компании имат достъп до много повече данни за времето, отколкото когато и да било досега. Много имат свои собствени метеорологични сензори, инсталирани на ключово оборудване, и също така се абонират както за платени, така и за безплатни източници на данни за времето.
Мнозина също са инвестирали в усъвършенствани сървъри или са изградили суперкомпютри, които могат да им позволят да прилагат техники за изкуствен интелект (AI) или машинно обучение (ML) към тези данни. Това им позволява да създават много точни, локализирани прогнози за времето. Въоръжени с тази информация, те могат да направят корекции, които им позволяват да се подготвят по-добре и да реагират на екстремни метеорологични събития. Въпреки че по-доброто прогнозиране на времето не може да спре или забави изменението на климата, то може да улесни компаниите да се справят с природни бедствия, причинени от изменението на климата.
2. По-бързо проучването
Анализът на големи данни също може да ускори процеса на провеждане на изследвания. Независимо дали компаниите търсят скрити петролни запаси, изобретяват нови видове фотоволтаични панели, тестват батерии за съхранение на енергия, избират места за вятърни турбини или извършват друга научна работа, анализът на големи данни може да помогне на процеса да върви по-бързо.
Днешните сървъри са способни на обеми изчисления, които биха били почти невъзможни само преди няколко години. Това означава, че компаниите могат да анализират повече данни много по-бързо от всякога. Това може да им помогне да направят пробиви, които могат да забавят или смекчат глобалното затопляне.
3. Профилактиката
Всяка енергийна компания разчита на оборудване от някакъв вид, за да им помогне да произвеждат, предават и/или доставят енергия на потребителите. Днес нарастващ брой инсталират IoT сензори, които могат да открият малки промени в начина, по който работи оборудването. Чрез извършване на усъвършенствани анализи на тези данни те могат да предскажат предварително кога определена част от оборудването или част ще се нуждае от ремонт.
Тази информация позволява на фирмите да планират поддръжка във време, когато това е най-малко разрушително за техните операции. Например, ако дадено предприятие знае, че има вероятност даден трансформатор да се повреди през следващите две седмици, те могат да го изключат за ремонт през нощта, когато търсенето е ниско, което улеснява останалата част от мрежата да компенсира.
4. Цялост на тръбопровода
Компаниите, които пренасят нефт и газ по тръбопроводи, могат да използват много подобен процес за откриване и предотвратяване на бъдещи течове. Разливането на голямо количество нефт и газ може да бъде катастрофално както за околната среда, така и за репутацията на компанията.
Чрез инсталирането на сензори на ключови места по тръбопровода компаниите могат да открият малки промени в налягането, температурата, потока, плътността или други фактори, които могат да показват проблеми. В някои случаи те могат също да използват техники за компютърно зрение или ултразвук, за да открият пукнатини или вдлъбнатини в тръбата, които в крайна сметка биха могли да доведат до теч.
И ако се случи най-лошото и възникне изтичане, тези сензори предоставят информацията на компаниите веднага, както и им позволяват да използват анализи, за да определят най-добрия отговор.
5. Анализ на сигурността
Повечето енергийни компании се справят с почти постоянни кибератаки – понякога от държавни актьори като част от продължаваща кибервойна, а понякога от обикновени киберпрестъпници, надяващи се да спечелят пари или да посеят хаос.
Специалистите по сигурността често се чувстват така, сякаш изостават. Колкото по-бързо могат да измислят защити, лошите актьори измислят чисто нови видове атаки, които компаниите трябва да разберат как да открият и предотвратят.
Една от най-успешните стратегии за справяне с тези развиващи се заплахи е да се разчита на анализ на големи данни. Много от днешните най-добри инструменти за киберсигурност използват модели на машинно обучение, за да определят базово „нормално“ ниво на активност в корпоративните мрежи и след това незабавно да забелязват всичко необичайно. Тези инструменти не са сигурни, но могат да направят енергийните компании по-безопасни.
6. Сеизмични изследванията
В продължение на няколко десетилетия петролните и газовите компании разчитат на сеизмични проучвания, за да им помогнат да намерят находища в земята. След като предизвикат малки експлозии, те използват асеизмичен масив за измерване на вълните, докато текат през земната кора, което им позволява да създадат визуализация на това, което се крие под повърхността.
Днес геолозите трябва да търсят много по-дълбоко, за да намерят нефта и газа, които търсят. Това изисква по-големи масиви, които генерират много повече данни - обикновено терабайти или петабайти. За да обработват толкова много данни, компаниите се нуждаят от хардуер с мащабируемо хранилище, бързи процесори и усъвършенствани графични процесори (GPU), които ще им позволят да извършват анализ на своите данни от проучвания, за да намерят ресурсите, които търсят.
7. Геофизични симулациии
Учените комбинират данни от сеизмични проучвания с други данни, за да им помогнат да изградят геофизични модели. Тези модели са невероятно ценни, защото позволяват на петролните и газови компании да прогнозират с висока степен на точност къде ще намерят подземни запаси, както и вероятния обем и качество на тези запаси.
Днешните модели са много по-сложни от тези, създадени в миналото, разчитайки на много по-големи обеми от данни и често включвайки съвременни техники за машинно обучение. Отново, това изисква мощни сървъри, подобни на това, което се изисква за обработка на сеизмични проучвания.
8. Управление на талантите
Днес привличането и задържането на висококачествени работници е основно предложение за много енергийни компании. Тъй като конкуренцията е толкова жестока, много компании инвестират в софтуер за управление на таланти, за да им помогнат да постигнат тези цели. Най-добрите от тези системи разчитат на анализ на големи данни, за да идентифицират най-добрите кандидати. Някои компании също се обръщат към системи за прогнозиране, които се опитват да идентифицират служители, които има вероятност да напуснат компанията, така че мениджърите да могат да предприемат действия, за да се опитат да ги накарат да останат. Но за да направят тези прогнози точни, системите се нуждаят от голям обем данни.
9. Управление на веригата на доставките
Въпреки че никакво количество данни не може да накара компютърните чипове или друго оборудване да се появят магически, когато няма налични, големите данни могат да позволят по-добра видимост във веригата за доставки, а анализите на големите данни могат да подобрят прогнозите за това кои доставки вероятно ще са необходими. Енергийните компании имат дълго използвани инструменти за управление на веригата за доставки, за да следите потока от оборудване и стоки. Чрез комбиниране на тези ресурси с големи данни от други части на организацията, фирмите могат да подобрят качеството на прозренията, които получават, да ускорят операциите и да намалят риска.
10. Модели за прогнозиране на потреблението
Използвайки усъвършенствани прогнозни анализи и алгоритми за машинно обучение, специалистите по данни могат да създават по-точни модели на потребление на енергия от потребителите при различни сценарии. Използването на тези инструменти за анализиране на исторически енергийни данни не може да ви каже кога ще се случи международен конфликт или екстремно време, но може да ви каже какво е вероятно да се случи, когато се случат събития като тези. Това може да помогне на фирмите да планират напред, така че да могат по-добре да отговорят на търсенето и да поддържат света снабден с енергията, от която се нуждае, за да функционира. Това също може да им помогне да намалят риска да пропуснат потенциални приходи, защото не са в състояние да се справят с търсенето.
11. Прогнозно моделиране на цената
Учените по данни могат също така да прилагат подобни техники за моделиране към ценообразуването, което им позволява да прогнозират с известна сигурност какво е вероятно да се случи с цените на енергията в различни ситуации. Тази информация може да помогне на нефтените и газовите компании да решат кога, къде и дали да сондират. Това може да помогне на рафинериите да решат дали да увеличат капацитета си или да затворят заводите. Това може да помогне на комуналните компании да определят по-точно цените за енергията, която доставят на бизнеса и потребителите. И може да помогне на енергийните компании от всякакъв вид да станат по-конкурентоспособни.
12. Скороста
Процесът на доставяне на енергия до крайните потребители е дълъг и сложен. Анализът на големи данни не прави никоя част от този процес драматично по-бърза. Въпреки това, той може да направи почти всяка стъпка малко по-ефективна. Взети като цяло, тези подобрения могат да имат кумулативен ефект, като направят компаниите способни да изпълняват плановете си значително по-бързо. Тази скорост може да бъде изключително важна, тъй като компаниите се стремят да бъдат в крак с конкуренцията и да отговорят на текущите сътресения на пазара.
13. Ловкоста
Скоростта е тясно свързана с ловкостта. По своята същност повечето енергийни компании не са естествено гъвкави. Не можете да пробиете нефтен кладенец или да построите нова електроцентрала за един ден. И след като проекти като този са в ход, промяната на мнението ви носи огромен риск. Но скоростта, предоставена от анализа на големи данни, може да помогне на организациите да вземат по-бързо добри решения. В индустрия, която не е известна с бързата си реакция и адаптиране към промените, всяко подобрение в тази област може да окаже значително влияние върху крайния резултат.
С поглед напред
Повечето анализатори смятат, че този период на интензивни смущения в енергийната индустрия вероятно ще продължи поне до края на това десетилетие. И ефектите от изменението на климата вероятно само ще се засилят за много десетилетия напред.
За щастие организациите разполагат с нарастващи количества големи данни от голямо разнообразие от източници, които да им помогнат да се справят с това прекъсване. Фирмите, които се справят най-успешно през този период от време, биха могли да бъдат тези, които се справят най-добре с преобразуването на своите големи данни в практически прозрения, които могат да ръководят вземането на решения.
Как да изградим екологично чист център за данни
Енергийните компании са изправени пред дилема: За да се справят с предизвикателствата, създадени от глобалното затопляне, те се нуждаят от много мощна компютърна инфраструктура, която може да извършва анализ на големи данни, който може да им даде прозренията, от които се нуждаят. Но самите тези мощни компютри могат да допринесат за глобалното затопляне, затруднявайки компаниите да постигнат целите си за устойчивост.
За щастие е възможно да се създаде много мощен център за данни, който е и екологичен.
Например, Изследователските компютърни услуги на университета в Кеймбридж построиха един от най-екологичните суперкомпютри в света, Wilkes 3, със сървъри Dell PowerEdge XE8545. Всъщност Wilkes 3 в момента е четвърти в списъка Green500 на най-енергийно ефективните суперкомпютри в света.
Системата Wilkes 3 включва 80 възела с 26 880 ядра в своите процесори AMD EPYC 7763. EPYC чиповете са най-производителните x86 сървърни процесори в света, които са идеални за работни натоварвания като анализ на големи данни. Увеличаващите тези процесори са 320 NVIDIA A100GPU, които помагат на системата да постигне 4,5 до 5 petaFLOPS изчислителна мощност, като същевременно намалява общата консумация на енергия.
Друга организация, която използва сървъри Dell PowerEdge с NVIDIA GPU за създаване на екологичен суперкомпютър, беше италианската фирма Eni. В този случай компанията избра да използва слънчева енергия за своя център за данни, което прави инсталацията още по-устойчива.
Dell Technologies се ангажира да напредва в устойчивостта чрез своите процеси и продукти, включително своя усъвършенстван сървърен хардуер за анализ на големи данни.
През следващите няколко седмици ще проучим тези теми:
Изтеглете пълното ръководство на вътрешните BIGDATA за ръководство за енергийни технологии, предоставено с любезното съдействие на Dell Technologies и AMD.
Свързани публикации
Подадени под: Големи данни, Хардуер за големи данни, Услуги за големи данни, Софтуер за големи данни, Енергия, Представени, Google News Feed, Новини / анализи, Спонсорирана публикация, Некатегоризирани, Бели книги, маркирани с: AMD , технологии на dell, енергетика, енергийно проучване, газ и нефт, седмичен представен бюлетин публикацияОставете коментар Отказ на отговор
*
*
Връзки към ресурси:
Перспективи на индустрията
Какво е толкова важно за качеството на данните?
В този специален гост, Дейвид Колинек, вицепрезидент по продуктите, Ataccama, пита защо качеството на данните е толкова важно? Понякога да направите крачка назад и да прегледате основите може да помогне за изясняване на нещата. DQ не е единична дейност, а поредица от действия, които се основават на множество ресурси и функции, всички фокусирани върху това да направят данните приложими по целенасочен начин. Той попада в управлението на данни, което има първостепенна мисия да предостави изглед на набори от данни от различни гледни точки, което позволява да се оцени вида и нивото на качество на данните.
[ПРОЧЕТЕТЕ ОЩЕ...]Последно видео
Бели книги
Боклук вътре, боклук вън – как стигнахме до тук и защо трябва да се махаме сега
< p>Тази бяла книга от нашите приятели в Profisee отразява защо състоянието на данните в повечето организации е толкова лошо, колкото е, и защо има такова предизвикателство, свързано с демонстрирането на стойността на надеждните данни, налични в критични операции и анализи в предприятие.Изтегляне Вижте още бели книги »Намерете ни на:
Авторско право © 2022
