Sponzorovaný příspěvek
13 způsobů, jak mohou velká data zlepšit efektivitu a snížit náklady v energetickém průmyslu
I když tyto disruptory představují významné výzvy, společnosti hledají způsoby, jak tyto výzvy překonat, a to investováním do analýzy velkých dat.
Stojí za zmínku, že velká data nepředstavují jednoduché nebo snadné řešení žádného z problémů, kterým energetické společnosti čelí. Abyste mohli provádět analýzy dobře, potřebujete správnou kombinaci talentů, hardwaru a softwaru. K vedení projektu potřebujete jasně definované problémy, cílené cíle a výkonnou podporu.
Uvedení všech těchto prvků na místo je velmi obtížné. Podle některých odhadů mezi 60 % a 85 % všech projektů velkých dat selže.
Potenciální vzestup je však tak významný, že většina energetických společností významně investuje do technologie velkých dat.
Jaké jsou tyto potenciální výhody? Zde je 13 způsobů, jak analýza velkých dat pomáhá energetickým společnostem zvládat současnou úroveň narušení.
1. Lepší předpověď počasí
Energetické společnosti mají dnes přístup k mnohem většímu množství údajů o počasí, než kdy předtím byly k dispozici. Mnoho z nich má na klíčovém zařízení nainstalované vlastní senzory počasí a také si předplatí placené i bezplatné zdroje údajů o počasí.
Mnozí také investovali do pokročilých serverů nebo postavili superpočítače, které jim umožňují na tato data aplikovat techniky umělé inteligence (AI) nebo strojového učení (ML). To jim umožňuje vytvářet vysoce přesné, lokalizované předpovědi počasí. Vyzbrojeni těmito informacemi mohou provádět úpravy, které jim umožní lépe se připravit a reagovat na extrémní jevy počasí. I když lepší předpověď počasí nedokáže zastavit nebo zpomalit změnu klimatu, může společnostem usnadnit řešení přírodních katastrof způsobených změnou klimatu.
2. Rychlejší výzkum
Analytika velkých dat může také urychlit proces provádění výzkumu. Ať už společnosti hledají skryté zásoby ropy, vymýšlejí nové typy fotovoltaických panelů, testují baterie pro skladování energie, vybírají místa pro větrné turbíny nebo dělají jinou vědeckou práci, analýza velkých dat může pomoci procesu zrychlit.
Dnešní servery jsou schopny provádět objemy výpočtů, které by byly před několika lety téměř nemožné. To znamená, že společnosti mohou analyzovat více dat mnohem rychleji než kdykoli předtím. To jim může pomoci učinit průlomy, které by mohly zpomalit nebo zmírnit globální oteplování.
3. Preventivní údržba
Každá energetická společnost spoléhá na zařízení určitého druhu, která jí pomáhají vyrábět, přenášet a/nebo dodávat energii spotřebitelům. V současné době stále více lidí instaluje IoT senzory, které dokážou detekovat nepatrné změny ve způsobu, jakým zařízení funguje. Prováděním pokročilé analýzy těchto dat mohou předem předvídat, kdy bude konkrétní část zařízení nebo součást potřebovat opravu.
Tyto informace umožňují firmám naplánovat údržbu v době, kdy to nejméně narušuje jejich provoz. Pokud například společnost ví, že transformátor pravděpodobně selže v následujících dvou týdnech, může jej přes noc, když je poptávka nízká, odpojit k opravě, což zbytku sítě usnadní kompenzaci.
4. Integrita potrubí
Společnosti, které přepravují ropu a plyn potrubím, mohou použít velmi podobný proces k detekci a prevenci budoucích úniků. Rozlití velkého množství ropy a plynu může být katastrofální jak pro životní prostředí, tak pro pověst společnosti.
Instalací senzorů na klíčová místa na potrubí mohou společnosti detekovat malé změny tlaku, teploty, průtoku, hustoty nebo jiných faktorů, které mohou naznačovat problémy. V některých případech mohou také použít techniky počítačového vidění nebo ultrazvuk k detekci prasklin nebo promáčklin v potrubí, které by nakonec mohly vést k úniku.
A pokud dojde k nejhoršímu a dojde k úniku, tyto senzory okamžitě poskytnou informace společnostem a zároveň jim umožní používat analýzy k určení nejlepší reakce.
5. Analytika zabezpečení
Většina energetických společností se potýká s téměř neustálými kybernetickými útoky – někdy od státních činitelů v rámci probíhající kybernetické války a někdy od obyčejných kyberzločinců, kteří doufají, že vydělají peníze nebo zasejí chaos.
Bezpečnostní odborníci mají často pocit, že zaostávají. Jak rychle dokážou přijít s obranou, špatní herci přicházejí se zcela novými druhy útoků, které musí společnosti zjistit, jak je odhalit a zabránit jim.
Jednou z nejúspěšnějších strategií, jak se s těmito vyvíjejícími se hrozbami vypořádat, bylo spoléhat se na analýzu velkých dat. Mnoho z dnešních nejlepších nástrojů kybernetické bezpečnosti používá modely strojového učení k definování základní „normální“ úrovně aktivity v podnikových sítích a poté okamžitě odhalí cokoli neobvyklého. Tyto nástroje nejsou spolehlivé, ale mohou zvýšit bezpečnost energetických společností.
6. Seismické průzkumy
Po několik desetiletí se ropné a plynárenské společnosti spoléhají na seismické průzkumy, které jim pomohou najít ložiska v zemi. Po odpálení malých výbuchů používají aseismické pole k měření vln, jak proudí zemskou kůrou, což jim umožňuje vytvořit vizualizaci toho, co leží pod povrchem.
Dnes musí geologové hledat mnohem hlouběji, aby našli ropu a plyn, které hledají. To vyžaduje větší pole, která generují mnohem více dat – obecně terabajty nebo petabajty. Aby společnosti zvládly takové množství dat, potřebují hardware se škálovatelným úložištěm, rychlými procesory a pokročilými grafickými procesorovými jednotkami (GPU), které jim umožní provádět analýzy dat z průzkumu, aby našly zdroje, které hledají.
7. Geofyzikální simulace
Vědci kombinují data ze seismických průzkumů s dalšími daty, aby jim pomohli vytvářet geofyzikální modely. Tyto modely jsou neuvěřitelně cenné, protože umožňují ropným a plynárenským společnostem předpovídat s vysokou mírou přesnosti, kde najdou podzemní zásoby, stejně jako pravděpodobný objem a kvalitu těchto zásob.
Dnešní modely jsou mnohem složitější než modely vytvořené v minulosti, spoléhají na mnohem větší objemy dat a často zahrnují pokročilé techniky ML. Opět to vyžaduje výkonné servery podobné těm, které jsou vyžadovány pro zpracování seismických průzkumů.
8. Talent management
Přilákat a udržet si vysoce kvalitní pracovníky je dnes pro všechny energetické společnosti řešením problému. Protože konkurence je tak tvrdá, mnoho společností investuje do softwaru pro správu talentů, aby jim pomohl dosáhnout těchto cílů. Nejlepší z těchto systémů se při identifikaci nejlepších kandidátů spoléhají na analýzu velkých dat. Některé společnosti se také obracejí na prediktivní systémy, které se pokoušejí identifikovat zaměstnance, kteří pravděpodobně opustí společnost, aby manažeři mohli podniknout kroky a pokusit se je přimět, aby zůstali. Aby však byly tyto předpovědi přesné, potřebují systémy velký objem dat.
9. Řízení dodavatelského řetězce
Zatímco žádné množství dat nemůže způsobit, že se počítačové čipy nebo jiná zařízení magicky objeví, když žádné nejsou k dispozici, velká data mohou umožnit lepší přehled o dodavatelském řetězci a analýza velkých dat může zlepšit předpovědi o tom, které dodávky budou pravděpodobně nezbytné. Energetické společnosti dlouho používané nástroje pro řízení dodavatelského řetězce k udržení přehledu o toku zařízení a zboží. Kombinací těchto zdrojů s velkými daty z jiných částí organizace mohou firmy zlepšit kvalitu získaných poznatků, urychlit operace a snížit rizika.
10. Prediktivní modely spotřeby
Pomocí pokročilé prediktivní analýzy a algoritmů ML mohou datoví vědci vytvářet přesnější modely spotřeby energie spotřebitelů v různých scénářích. Použití těchto nástrojů k analýze historických energetických dat vám neřekne, kdy dojde k mezinárodnímu konfliktu nebo extrémnímu počasí, ale může vám říct, co se pravděpodobně stane, když k takovým událostem dojde. To může firmám pomoci plánovat dopředu, aby mohly lépe uspokojit poptávku a udržet svět zásobený energií, kterou potřebuje k fungování. Může jim také pomoci snížit riziko, že přijdou o potenciální výnosy, protože nejsou schopni držet krok s poptávkou.
11. Prediktivní cenové modelování
Datoví vědci mohou také použít podobné techniky modelování na stanovování cen, což jim umožňuje s určitou jistotou předpovídat, co se pravděpodobně stane s cenami energie v různých situacích. Tyto informace mohou pomoci ropným a plynárenským společnostem rozhodnout se, kdy, kde a zda vrtat. Může to pomoci rafineriím rozhodnout se, zda zvýšit kapacitu nebo uzavřít závody. Může to pomoci energetickým společnostem přesněji stanovit ceny za energii, kterou dodávají podnikům a spotřebitelům. A může pomoci energetickým společnostem všeho druhu stát se konkurenceschopnějšími.
12. Rychlost
Proces dodávání energie koncovým uživatelům je dlouhý a složitý. Analytika velkých dat žádnou část tohoto procesu dramaticky nezrychluje. Dokáže však zefektivnit téměř každý krok. Celkově vzato mohou tato vylepšení mít kumulativní účinek, díky kterému budou společnosti schopny realizovat své plány výrazně rychleji. Tato rychlost může být nesmírně důležitá, protože společnosti se snaží držet krok s konkurencí a reagovat na aktuální narušení trhu.
13. Agility
Rychlost úzce souvisí s obratností. Většina energetických společností ze své podstaty není přirozeně agilní. Nemůžete vyvrtat ropný vrt nebo postavit novou elektrárnu za den. A jakmile takové projekty probíhají, změna názoru s sebou nese obrovské množství rizika. Ale rychlost poskytovaná analýzou velkých dat může organizacím pomoci rychleji přijímat dobrá rozhodnutí. V odvětví, které není známé pro rychlou reakci a přizpůsobení se změnám, může každé zlepšení v této oblasti mít významný dopad na konečný výsledek.
Výhled
Většina analytiků se domnívá, že toto období intenzivního narušení energetického průmyslu bude pravděpodobně pokračovat minimálně do konce tohoto desetiletí. A dopady změny klimatu budou pravděpodobně jen zesilovat po mnoho dalších desetiletí.
Naštěstí mají organizace rostoucí množství velkých dat z nejrůznějších zdrojů, která jim pomáhají se s tímto narušením vypořádat. Firmy, které procházejí tímto obdobím nejúspěšněji, by mohly být ty, které nejlépe převádějí svá velká data na použitelné poznatky, které mohou vést jejich rozhodování.
Jak vybudovat datové centrum šetrné k životnímu prostředí
Energetické společnosti čelí dilematu: Aby se vypořádaly s výzvami způsobenými globálním oteplováním, potřebují velmi výkonnou výpočetní infrastrukturu, která dokáže provádět analýzu velkých dat, která jim může poskytnout potřebné informace. Tyto výkonné počítače však samy o sobě mohou přispět ke globálnímu oteplování, což společnostem znesnadňuje dosažení jejich cílů udržitelnosti.
Naštěstí je možné vytvořit velmi výkonné datové centrum, které je zároveň šetrné k životnímu prostředí.
Například University of Cambridge Research Computing Services postavila jeden z nejekologičtějších superpočítačů na světě, Wilkes 3, se servery Dell PowerEdge XE8545. Ve skutečnosti je Wilkes 3 aktuálně čtvrtý na seznamu Green500 celosvětově energeticky nejúčinnějších superpočítačů.
Systém Wilkes 3 obsahuje 80 uzlů s 26 880 jádry ve svých procesorech AMD EPYC 7763. Čipy EPYC jsou nejvýkonnější serverové procesory x86 na světě, které jsou ideální pro pracovní zátěže, jako je analýza velkých dat. Tyto CPU rozšiřují 320 GPU NVIDIA A100, které pomáhají systému dosáhnout 4,5 až 5 petaFLOPS výpočetního výkonu a zároveň snížit celkovou spotřebu energie.
Další organizací, která používala servery Dell PowerEdge s GPU NVIDIA k vytvoření superpočítače šetrného k životnímu prostředí, byla italská firma Eni. V tomto případě se společnost rozhodla pro své datové centrum využívat solární energii, díky čemuž je instalace ještě udržitelnější.
Společnost Dell Technologies se zavázala prosazovat udržitelnost prostřednictvím svých procesů a produktů, včetně pokročilého serverového hardwaru pro analýzu velkých dat.
Během několika příštích týdnů prozkoumáme tato témata:
Stáhněte si kompletního insideBIGDATA Průvodce technologií Energy s laskavým svolením společností Dell Technologies a AMD.
Související příspěvky
Zařazeno pod: Big Data, Big Data Hardware, Big Data Services, Big Data Software, Energie, Doporučené, Google News Feed, Novinky/analýza, Sponzorovaný příspěvek, Nezařazené, White Papers Tagged with: AMD , technologie dell, energie, energetický průzkum, plyn a ropa, příspěvek v týdenním zpravodajiZanechat komentář Zrušit odpověď
*
*
Odkazy na zdroje:
Perspektivy odvětví
Co je na kvalitě dat tak důležité?
V této speciální funkci hosta David Kolinek, viceprezident pro produkt, Ataccama, ptá se, proč je kvalita dat tak důležitá? Někdy krok zpět a zopakování si základů může pomoci věci vyjasnit. DQ není jedinou činností, ale řadou akcí, které čerpají z více zdrojů a funkcí, všechny zaměřené na účelné využití dat. Spadá pod správu dat, jejímž prvořadým posláním je poskytovat pohled na soubory dat z různých perspektiv, což umožňuje posoudit typ a úroveň kvality dat.
[ČTĚTE VÍCE...]Nejnovější video
Bílé knihy
Odpadky dovnitř, odpadky ven – jak jsme se sem dostali a proč se musíme hned dostat ven
< p>Tento dokument od našich přátel ze společnosti Profisee se zamýšlí nad tím, proč je stav dat ve většině organizací tak tristní, jaký je, a proč je s demonstrací hodnoty důvěryhodných dat dostupných v kritických operacích a analýzách takový problém. v podniku.StáhnoutZobrazit další bílé knihy »Najděte nás na:
Copyright © 2022
