Sponsoroitu viesti
13 tapaa big data voi parantaa tehokkuutta ja alentaa kustannuksia energiateollisuudessa
Vaikka nämä häiriötekijät ovat merkittäviä haasteita, yritykset etsivät tapoja voittaa nämä haasteet investoimalla big datan analytiikkaan.
On syytä huomata, että big data ei ole yksinkertainen tai helppo ratkaisu mihinkään energiayhtiöiden kohtaamiin ongelmiin. Jotta voit tehdä analytiikan hyvin, tarvitset oikean yhdistelmän lahjakkuutta, laitteistoa ja ohjelmistoa. Tarvitset selkeästi määritellyt ongelmat, kohdennettuja tavoitteita ja johdon tukea hankkeen paimentamiseen.
Kaikkien elementtien asettaminen paikoilleen on erittäin vaikeaa. Joidenkin arvioiden mukaan 60–85 % kaikista big dataprojekteista epäonnistuu.
Mutta potentiaalinen nousu on niin merkittävä, että useimmat energiayhtiöt investoivat merkittävästi big data -teknologiaan.
Mitä nämä mahdolliset edut ovat? Tässä on 13 tapaa, joilla big data-analytiikka auttaa energiayrityksiä hallitsemaan nykyistä häiriötasoa.
1. Parempi sääennuste
Energiayhtiöillä on nykyään käytössään paljon enemmän säätietoja kuin koskaan aikaisemmin. Monilla on omat sääanturit asennettuna keskeisiin laitteisiin, ja he tilaavat myös sekä maksullisia että ilmaisia säätietolähteitä.
Monet ovat myös investoineet edistyneisiin palvelimiin tai rakentaneet supertietokoneita, joiden avulla he voivat soveltaa tekoälyä (AI) tai koneoppimistekniikoita (ML) näihin tietoihin. Näin he voivat luoda erittäin tarkkoja, paikallisia sääennusteita. Näiden tietojen avulla he voivat tehdä säätöjä, joiden avulla he voivat valmistautua paremmin äärimmäisiin sääilmiöihin ja reagoida niihin. Vaikka parempi sääennuste ei voi pysäyttää tai hidastaa ilmastonmuutosta, se voi auttaa yrityksiä selviytymään ilmastonmuutoksen aiheuttamista luonnonkatastrofeista.
2. Nopeampi tutkimus
Big datan analytiikka voi myös nopeuttaa tutkimuksen tekemistä. Etsivätkö yritykset piilotettuja öljyvaroja, keksivätkö uudentyyppisiä aurinkopaneeleja, testaavatko akkuja energian varastointiin, valitsevatko tuuliturbiinien sijoituspaikkoja tai tekevät muuta tieteellistä työtä, big data -analytiikka voi auttaa prosessia sujumaan nopeammin.
Nykyiset palvelimet pystyvät tekemään sellaisia laskelmia, jotka olisivat olleet lähes mahdottomia vielä muutama vuosi sitten. Tämä tarkoittaa, että yritykset voivat analysoida enemmän tietoja paljon nopeammin kuin koskaan ennen. Tämä voi auttaa heitä tekemään läpimurtoja, jotka saattavat hidastaa tai lieventää ilmaston lämpenemistä.
3. Ennaltaehkäisevä huolto
Jokainen energiayhtiö käyttää jonkinlaisia laitteita, jotka auttavat niitä tuottamaan, siirtämään ja/tai toimittamaan energiaa kuluttajille. Nykyään yhä useammat asentavat IoT-antureita, jotka voivat havaita pieniä muutoksia laitteiden toiminnassa. Suorittamalla edistyneitä analyyseja näille tiedoille he voivat ennustaa etukäteen, milloin tietty laite tai osa tarvitsee korjausta.
Näiden tietojen avulla yritykset voivat ajoittaa huollon ajankohtaan, jolloin se on vähiten häiritsevää niiden toimintaa. Jos sähkölaitos esimerkiksi tietää, että muuntaja todennäköisesti epäonnistuu seuraavan kahden viikon aikana, se voi viedä sen offline-tilaan korjausta varten yön aikana, kun kysyntä on vähäistä, mikä helpottaa muun verkon kompensointia.
4. Putken eheys
Öljyä ja kaasua putkistoja pitkin kuljettavat yritykset voivat käyttää hyvin samankaltaista prosessia havaitakseen ja estääkseen tulevat vuodot. Suuren öljy- ja kaasumäärän vuotaminen voi olla tuhoisa sekä ympäristölle että yrityksen maineelle.
Asentamalla antureita putkilinjan tärkeimpiin paikkoihin yritykset voivat havaita pienet paineen, lämpötilan, virtauksen, tiheyden tai muiden tekijöiden muutokset, jotka voivat viitata ongelmiin. Joissakin tapauksissa he voivat myös käyttää tietokonenäkötekniikoita tai ultraääntä havaitakseen halkeamia tai kolhuja putkessa, jotka voivat lopulta johtaa vuotoon.
Ja jos pahin tapahtuu ja vuoto tapahtuu, nämä anturit antavat tiedot yrityksille välittömästi ja antavat niille mahdollisuuden käyttää analytiikkaa parhaan vastauksen määrittämiseen.
5. Tietoturva-analytiikka
Useimmat energiayhtiöt kohtaavat lähes jatkuvia kyberhyökkäyksiä – joskus valtion toimijoilta osana jatkuvaa kybersotaa ja joskus tavallisilta kyberrikollisilta, jotka haluavat tehdä rahaa tai kylvää kaaosta.
Turvaammattilaiset tuntevat usein jäävänsä jälkeen. Niin nopeasti kuin he voivat keksiä puolustusta, huonot toimijat keksivät aivan uudenlaisia hyökkäyksiä, jotka yritysten on keksittävä, kuinka havaita ja ehkäistä.
Yksi menestyneimmistä strategioista näiden kehittyvien uhkien torjumiseksi on ollut suuren datan analytiikkaan luottaminen. Monet nykypäivän parhaista kyberturvallisuustyökaluista käyttävät koneoppimismalleja määrittääkseen "normaalin" toiminnan perustason yritysverkoissa ja havaitsevat sitten välittömästi kaiken poikkeavan. Nämä työkalut eivät ole idioottivarmoja, mutta ne voivat tehdä energiayhtiöistä turvallisempia.
6. Seismiset tutkimukset
Öljy- ja kaasuyhtiöt ovat useiden vuosikymmenten ajan luottaneet seismisiin tutkimuksiin auttaakseen niitä paikantamaan esiintymiä maan sisällä. Pienten räjähdysten laukaisemisen jälkeen he käyttävät aseismia mittaamaan aaltoja niiden virtaaessa maankuoren läpi, jolloin ne voivat luoda visualisoinnin siitä, mitä pinnan alla on.
Nykyään geologien täytyy etsiä paljon syvemmälle etsimäänsä öljyä ja kaasua. Tämä vaatii suurempia taulukoita, jotka tuottavat paljon enemmän dataa - yleensä teratavuja tai petabyyttiä. Näin paljon dataa varten yritykset tarvitsevat laitteistoa, jossa on skaalautuva tallennustila, nopeita prosessoreita ja edistyneitä grafiikkaprosessointiyksiköitä (GPU), joiden avulla ne voivat analysoida tutkimustietojaan löytääkseen etsimänsä resurssit.
7. Geofysiikan simulaatiot
Tutkijat yhdistävät seismiset tutkimustiedot muihin tietoihin auttaakseen heitä rakentamaan geofysikaalisia malleja. Nämä mallit ovat uskomattoman arvokkaita, koska niiden avulla öljy- ja kaasuyhtiöt voivat ennustaa suurella tarkkuudella, mistä ne löytävät maanalaisia varantoja, sekä näiden varastojen todennäköisen määrän ja laadun.
Nykyiset mallit ovat paljon monimutkaisempia kuin aiemmin luodut, ja ne perustuvat paljon suurempiin tietomääriin ja sisältävät usein kehittyneitä ML-tekniikoita. Jälleen tämä vaatii tehokkaita palvelimia, jotka ovat samanlaisia kuin seismiset tutkimukset.
8. Talent management
Nykyään korkealaatuisten työntekijöiden houkutteleminen ja pitäminen on energiayhtiöiden ehdotus. Koska kilpailu on niin kovaa, monet yritykset investoivat lahjakkuuksien hallintaohjelmistoihin auttaakseen niitä saavuttamaan nämä tavoitteet. Parhaat näistä järjestelmistä luottavat big datan analytiikkaan parhaiden ehdokkaiden tunnistamiseksi. Jotkut yritykset käyttävät myös ennakoivia järjestelmiä, jotka yrittävät tunnistaa henkilöstöä, jotka todennäköisesti lähtevät yrityksestä, jotta johtajat voivat ryhtyä toimiin saadakseen heidät jäämään. Mutta jotta nämä ennusteet voidaan tehdä tarkasti, järjestelmät tarvitsevat suuren määrän dataa.
9. Toimitusketjun hallinta
Vaikka mikään tietomäärä ei voi saada tietokonesiruja tai muita laitteita taianomaisesti näkyviin, kun niitä ei ole saatavilla, big data voi tarjota paremman näkyvyyden toimitusketjuun, ja ison datan analytiikka voi parantaa ennusteita siitä, mitä tarvikkeita todennäköisesti tarvitaan. Energiayhtiöt ovat kauan käytettyjä toimitusketjun hallintatyökaluja laitteiden ja tavaroiden virran seuraamiseksi. Yhdistämällä nämä resurssit suuriin tietoihin organisaation muista osista, yritykset voivat parantaa saamiensa oivallusten laatua, nopeuttaa toimintaansa ja vähentää riskejä.
10. Ennustavat kulutusmallit
Käyttäen kehittynyttä ennustavaa analytiikkaa ja ML-algoritmeja datatutkijat voivat luoda tarkempia malleja kuluttajien energiankäytöstä eri skenaarioissa. Näiden työkalujen käyttäminen historiallisten energiatietojen analysointiin ei voi kertoa, milloin kansainvälinen konflikti tai äärimmäinen sää on tulossa, mutta se voi kertoa, mitä todennäköisesti tapahtuu, kun tällaisia tapahtumia tapahtuu. Tämä voi auttaa yrityksiä suunnittelemaan eteenpäin, jotta ne pystyvät vastaamaan paremmin kysyntään ja pitämään maailmaa toimitettuna energialla, jota se tarvitsee toimiakseen. Se voi myös auttaa heitä vähentämään riskiä, että he menettävät mahdollisia tuloja, koska he eivät pysty pysymään kysynnän tahdissa.
11. Ennakoiva hintamallinnus
Tiedotieteilijät voivat myös soveltaa samanlaisia mallinnustekniikoita hinnoitteluun, jolloin he voivat ennustaa varmuudella, mitä todennäköisesti tapahtuu energian hinnoille eri tilanteissa. Nämä tiedot voivat auttaa öljy- ja kaasuyhtiöitä päättämään, milloin, missä ja tehdäänkö poraus. Se voi auttaa jalostamoita päättämään, lisäävätkö ne kapasiteettia vai sulkevatko ne tuotantolaitokset. Se voi auttaa laitoksia määrittämään tarkemmin yrityksille ja kuluttajille toimittamansa energian hinnat. Ja se voi auttaa kaikenlaisia energiayhtiöitä tulemaan kilpailukykyisemmiksi.
12. Nopeus
Energian toimittaminen loppukäyttäjille on pitkä ja monimutkainen. Big data analytics ei nopeuta yhtäkään osaa tästä prosessista dramaattisesti. Se voi kuitenkin tehdä melkein jokaisesta askeleesta hieman tehokkaamman. Kaiken kaikkiaan näillä parannuksilla voi olla kumulatiivinen vaikutus, jolloin yritykset pystyvät toteuttamaan suunnitelmansa huomattavasti nopeammin. Tämä nopeus voi olla erittäin tärkeä, kun yritykset pyrkivät pysymään kilpailun tahdissa ja reagoimaan markkinoiden tämänhetkisiin häiriöihin.
13. Ketteryys
Nopeus liittyy läheisesti ketteryyteen. Luonteeltaan useimmat energiayhtiöt eivät ole luonnostaan ketteriä. Et voi porata öljykaivoa tai rakentaa uutta voimalaitosta päivässä. Ja kun tällaisia hankkeita on käynnissä, mielesi muuttamiseen liittyy valtava riski. Big datan analytiikan tarjoama nopeus voi kuitenkin auttaa organisaatioita tekemään hyviä päätöksiä nopeammin. Toimialalla, joka ei tunneta nopeasta reagoinnista ja muutokseen sopeutumisesta, tällä alueella tehdyt parannukset voivat vaikuttaa merkittävästi tulokseen.
Katso eteenpäin
Useimmat analyytikot uskovat, että tämä energiateollisuuden voimakas häiriökausi jatkuu todennäköisesti ainakin tämän vuosikymmenen loppuun. Ja ilmastonmuutoksen vaikutukset luultavasti vain voimistuvat tulevina vuosikymmeninä.
Onneksi organisaatioilla on yhä suurempia määriä big dataa useista eri lähteistä auttaakseen niitä selviytymään tästä häiriöstä. Yritykset, jotka navigoivat tällä ajanjaksolla menestyksekkäimmin, voivat hyvinkin olla niitä, jotka tekevät parhaan työn muuntaessaan big datansa käyttökelpoisiksi oivalluksiksi, jotka voivat ohjata heidän päätöksentekoaan.
Ympäristöystävällisen palvelinkeskuksen rakentaminen
Energiayritykset kohtaavat dilemman: selviytyäkseen ilmaston lämpenemisen aiheuttamista haasteista ne tarvitsevat erittäin tehokkaan laskentainfrastruktuurin, joka pystyy suorittamaan big datan analytiikkaa, joka voi antaa heille tarvitsemansa oivallukset. Mutta nämä tehokkaat tietokoneet itse voivat lisätä ilmaston lämpenemistä, mikä vaikeuttaa yritysten kestävän kehityksen tavoitteiden saavuttamista.
Onneksi on mahdollista luoda erittäin tehokas palvelinkeskus, joka on myös ympäristöystävällinen.
Esimerkiksi University of Cambridge Research Computing Services rakensi yhden maailman vihreimmistä supertietokoneista, Wilkes 3:n, Dell PowerEdge XE8545 -palvelimilla. Itse asiassa Wilkes 3 on tällä hetkellä neljännellä Green500-luettelossa maailman energiatehokkaimmista supertietokoneista.
Wilkes 3 -järjestelmä sisältää 80 solmua ja 26 880 ydintä sen AMD EPYC 7763 -prosessoreissa. EPYC-sirut ovat maailman tehokkaimpia x86-palvelinprosessoreja, jotka ovat ihanteellisia suuren datan analytiikan kaltaisiin työkuormiin. Näitä prosessoreita täydentävät 320 NVIDIA A100GPU:ta, jotka auttavat järjestelmää saavuttamaan 4,5–5 petaFLOPS laskentatehoa samalla kun kokonaisenergiankulutus pienenee.
Toinen organisaatio, joka käytti NVIDIA-grafiikkasuorittimia sisältäviä Dell PowerEdge -palvelimia ympäristöystävällisen supertietokoneen luomiseen, oli italialainen Eni. Tässä tapauksessa yritys päätti käyttää aurinkoenergiaa datakeskukseensa, mikä teki asennuksesta entistä kestävämmän.
Dell Technologies on sitoutunut edistämään kestävyyttä prosesseillaan ja tuotteillaan, mukaan lukien edistynyt palvelinlaitteisto suurdatan analytiikkaa varten.
Seuraavien parin viikon aikana tutkimme näitä aiheita:
Lataa Dell Technologiesin ja AMD:n tarjoama täydellinen insideBIGDATA Guide to Energy Technology -opas.
Aiheeseen liittyvät viestit
Filed Under: Big Data, Big Data Hardware, Big Data Services, Big Data Software, Energy, Featured, Google News Feed, News/Analysis, Sponsored Post, Uncategorized, White Papers Tagged with: AMD , dell-teknologiat, energia, energian etsintä, kaasu ja öljy, viikoittainen uutiskirjeJätä kommentti Peruuta vastaus
*
*
Resurssilinkit:
Toimialan näkökulmat
Mikä on niin tärkeää tietojen laadussa?
Tässä erityisvierailussa David Kolinek, tuotejohtaja, Ataccama kysyy, miksi tietojen laatu on niin tärkeää? Joskus askel taaksepäin ja perusasioiden tarkistaminen voi auttaa selventämään asioita. DQ ei ole yksittäinen toiminta vaan sarja toimintoja, jotka käyttävät useita resursseja ja toimintoja, jotka kaikki keskittyvät tietojen tekemiseen käyttökelpoisiksi tarkoituksenmukaisella tavalla. Se kuuluu tiedonhallinnan piiriin, jonka ensisijaisena tehtävänä on tarjota näkymä tietojoukoista eri näkökulmista, mikä mahdollistaa tietojen tyypin ja laatutason arvioinnin.
[LUE LISÄÄ...]Viimeisin video
Valkoiset kirjat
Roskat sisään, roskat ulos – miten pääsimme tänne ja miksi meidän on poistuttava nyt
< p>Tämä Profiseen ystäviltämme laatima raportti pohtii, miksi tietojen tila useimmissa organisaatioissa on niin synkkä kuin se on ja miksi on niin vaikeaa osoittaa luotettavan tiedon arvo, joka on saatavilla kriittisissä toiminnoissa ja analytiikan välillä. yrityksessä.LataaKatso lisää valkoisia kirjoja »Löydä meidät:
Tekijänoikeus © 2022
