Olja & Gas
USA
5 månader
Kunden driver en anläggning för bearbetning och komprimering av naturgas i USA. Deras anläggning hanterar inloppsseparation, gaskomprimering, avfuktning, aminbehandling, kondensatlagring, exportmätning och fackelhantering — en tät driftsmiljö som genererar kontinuerlig sensordata över dussintals tillgångar.
Anläggningen körde SCADA-system, PLC:er, en lokal historian och ingenjörskalkylark. Allt var begränsat till anläggningens nätverk.
Kunden hade flera års värdefulla anläggningsdata. Inget av det var redo för användning i en digital tvilling.
Kärnproblemen var:
Vi byggde en säker, strukturerad datainfrastruktur som tog anläggningsdata från SCADA- och historian-system och levererade den till en molnbaserad AWS-datasjö — organiserad efter tillgång, standardiserad för kvalitet och redo för användning i digitala tvillingar.
Vi etablerade en säker kanal från anläggningsnätverket till AWS. Litmus Edge distribuerades vid gränsen mellan OT och IT för att ansluta i skrivskyddat läge till anläggningens SCADA-system och lokala historian. Det samlade in godkända driftstaggar, utförde inledande validering och databehandling, buffrade data vid behov och förberedde telemetri för molnintag.
Från Litmus Edge vidarebefordrades utvald telemetri säkert till AWS IoT Core, med hjälp av MQTT över TLS. AWS IoT Core hanterade enhetsautentisering, krypterad kommunikation och telemetriroutning från det industriella kantlagret in i AWS. AWS IoT SiteWise organiserade inkommande tidsseriedata kring fysiska tillgångar — kompressorer, separatorer, pumpar, ventiler — och omvandlade råa SCADA-taggar till tillgångskontextualiserad data som var begriplig för nedströmssystem.
Rådata, rensad och kuraterad data laddades in i en strukturerad Amazon S3-datasjö med tre distinkta zoner. Råintaget bevarade källdatan som den var. Den rensade zonen tillämpade standardiserade tidsstämplar, enheter, taggnamn och kvalitetsflaggor. Den kuraterade zonen innehöll bearbetade datamängder som formats specifikt för användning inom digitala tvillingar och analys.
Vi granskade och exporterade tagglistor från SCADA och historian, och kopplade sedan varje sensortagg till motsvarande utrustning och processenhet. Resultatet blev en tydlig tillgångshierarki för anläggningen — som kopplade varje datapunkt till den fysiska tillgång den beskrev.
AWS Glue hanterade rensning, transformation och förberedelse i stor skala. AWS Glue Data Catalog lagrar metadata, scheman och tabelldefinitioner så att dataset är sökbara och frågbara. Amazon Athena gav ingenjörer direkt SQL-åtkomst till data i S3.
Vi körde inledande datavalidering för att bekräfta fullständighet, noggrannhet och förväntade sensorintervall över taggpopulationen. Löpande övervakning – byggd med Amazon CloudWatch – upptäckte saknade värden, inaktuella taggar, onormala avläsningar och luckor i inmatningen i realtid.
Grafana användes som instrumentpanelslager för teknik ovanpå kuraterade AWS-data. Det gjorde det möjligt för drifts- och teknikanvändare att visualisera utvalda SCADA-trender, övervaka datakvalitetsmätvärden, identifiera luckor i datainmatningen och granska viktiga tillgångssignaler innan data konsumerades av framtida applikationer för digitala tvillingar.
Kunden fick en säker datagrund för implementering av digital tvilling. Sensor- och SCADA-data från anläggningen extraherades, standardiserades, mappades till fysiska tillgångar och landade i AWS. Detta gjorde det möjligt för kunden att gå från isolerade anläggningsdata mot molnbaserad analys, scenarier för digital tvilling och framtida användningsfall för prediktivt underhåll.
Skicka en skiss, en kravspecifikation eller tre meningar om var systemet har kört fast. Ett samtal räcker oftast för att avgöra om vi passar er.
Skräddarsydd mjukvara, AI och ML, data och analys, moln och säkerhet — från tidig behovsanalys till långsiktig leverans.
Din integritet är viktig. Vi använder cookies för att förbättra din upplevelse och anpassa innehåll.
