النفط والغاز
الولايات المتحدة الأمريكية
6
5 أشهر
يدير العميل منشأة لمعالجة وضغط الغاز الطبيعي في الولايات المتحدة. ويتولى مصنعه عمليات الفصل عند المدخل، وضغط الغاز، وإزالة الرطوبة، والمعالجة بالأمينات، وتخزين المكثفات، وقياس كميات التصدير، وإدارة الشعلات — وهي بيئة تشغيلية معقدة تولد بيانات مستمرة من أجهزة الاستشعار عبر عشرات الأصول.
كان المرفق يستخدم أنظمة SCADA، ووحدات التحكم المنطقية القابلة للبرمجة (PLC)، ونظام تسجيل البيانات المحلي، وجداول البيانات الهندسية. وكانت جميع هذه الأنظمة محصورة ضمن شبكة المحطة.
كان لدى العميل بيانات قيّمة عن المصنع تمتد لسنوات عديدة. ولم تكن أي منها جاهزة للاستخدام في نموذج التوأم الرقمي.
وكانت المشاكل الأساسية هي:
لقد أنشأنا بنية تحتية آمنة ومنظمة للبيانات، تعمل على استخراج بيانات المنشأة من أنظمة SCADA وأنظمة السجلات التاريخية، ونقلها إلى بحيرة بيانات AWS قائمة على السحابة — حيث يتم تنظيمها حسب الأصول، وتوحيد معايير جودتها، وتجهيزها للاستخدام في التوأم الرقمي.
قمنا بإنشاء مسار آمن من شبكة المصنع إلى AWS. تم نشر Litmus Edge عند الحدود الفاصلة بين تكنولوجيا التشغيل (OT) وتكنولوجيا المعلومات (IT) للاتصال، في وضع القراءة فقط، بنظام SCADA الخاص بالمصنع وقاعدة البيانات التاريخية المحلية. وقام النظام بجمع العلامات التشغيلية المعتمدة، وإجراء التحقق الأولي من صحة البيانات وتجهيزها، وتخزين البيانات مؤقتًا عند الحاجة، وإعداد بيانات القياس عن بُعد لإدخالها إلى السحابة.
من Litmus Edge، تم إعادة توجيه بيانات القياس عن بُعد المختارة بشكل آمن إلى AWS IoT Core، باستخدام بروتوكول MQTT عبر TLS. تولى AWS IoT Core مهمة مصادقة الأجهزة، والاتصالات المشفرة، وتوجيه بيانات القياس عن بُعد من طبقة الحافة الصناعية إلى AWS. وقام AWS IoT SiteWise بتنظيم البيانات الزمنية الواردة وفقًا للأصول المادية — مثل الضواغط، والفواصل، والمضخات، والصمامات — لتحويل علامات SCADA الأولية إلى بيانات مرتبطة بسياق الأصول، بحيث تصبح مفهومة للأنظمة اللاحقة.
تم تحميل البيانات الأولية والبيانات المنقحة والبيانات المُنتقاة إلى بحيرة بيانات منظمة على Amazon S3 تتألف من ثلاث مناطق متميزة. وقد حافظت عملية استيعاب البيانات الأولية على البيانات المصدرية كما هي. أما المنطقة المنقحة، فقد طبقت طوابع زمنية ووحدات قياس وأسماء علامات وعلامات جودة موحدة. أما المنطقة المُنتقاة، فقد احتوت على مجموعات بيانات معالجة ومُهيأة خصيصًا للاستخدام في التوأم الرقمي والتحليلات.
قمنا بمراجعة قوائم علامات نظام SCADA وقاعدة البيانات التاريخية وتصديرها، ثم قمنا بربط كل علامة مستشعر بالمعدات ووحدة العملية المقابلة لها. وكانت النتيجة هي تكوين هيكل هرمي واضح للأصول في المنشأة — يربط كل نقطة بيانات بالأصل المادي الذي تصفه.
تولى AWS Glue مهام التنقية والتحويل والإعداد على نطاق واسع. ويقوم AWS Glue Data Catalog بتخزين البيانات الوصفية والمخططات وتعريفات الجداول، مما يتيح إمكانية العثور على مجموعات البيانات والاستعلام عنها. كما وفرت Amazon Athena للمهندسين وصولاً مباشراً عبر لغة SQL إلى البيانات الموجودة في S3.
أجرينا عملية التحقق الأولية من صحة البيانات للتأكد من اكتمالها ودقتها ونطاقات عمل أجهزة الاستشعار المتوقعة عبر مجموعة العلامات بأكملها. وقد كشفت عملية المراقبة المستمرة — التي تم إنشاؤها باستخدام Amazon CloudWatch — عن القيم المفقودة، والعلامات غير المحدثة، والقراءات غير الطبيعية، والثغرات في عملية استيعاب البيانات، وذلك في الوقت الفعلي.
تم استخدام Grafana كطبقة لوحة معلومات هندسية فوق بيانات AWS المُنتقاة بعناية. وقد أتاح ذلك لمستخدمي العمليات والهندسة إمكانية تصور اتجاهات SCADA المحددة، ومراقبة مقاييس جودة البيانات، وتحديد الثغرات في عملية الاستيعاب، ومراجعة الإشارات الرئيسية للأصول قبل أن يتم استخدام البيانات من قبل تطبيقات التوأم الرقمي المستقبلية.
حصل العميل على أساس بيانات آمن لتنفيذ مفهوم «التوأم الرقمي». تم استخراج بيانات أجهزة الاستشعار في المنشأة وبيانات نظام SCADA، وتوحيدها، وربطها بالأصول المادية، ونقلها إلى AWS. وقد أتاح ذلك للعميل الانتقال من بيانات المنشأة المعزولة إلى التحليلات المستندة إلى السحابة، وسيناريوهات «التوأم الرقمي»، وحالات الاستخدام المستقبلية للصيانة التنبؤية.
أرسل لنا مخططاً أولياً أو مواصفات أو ثلاث جمل عن النقطة التي توقف عندها النظام. عادةً ما تكفي محادثة واحدة لمعرفة ما إذا كنا مناسبين لك.
البرمجيات المخصصة، والذكاء الاصطناعي والتعلم الآلي، والبيانات والتحليلات، والحوسبة السحابية، والأمن — من تحديد النطاق المبكر وحتى التسليم على المدى الطويل.
خصوصيتك تهمنا. نستخدم ملفات تعريف الارتباط لتحسين تجربتك وتخصيص المحتوى.
