Ignorar navegação

Previsão de nível de óleo e gás do tanque

Hoje, a maioria das instalações operam reativamente a problemas nos níveis de tanques. Isso geralmente resulta em derramamentos, desligamentos de emergência, custos de remediação caros, problemas regulatórios, reparos caros e multas. A previsão do nível de tanque ajuda a gerenciar e mitigar esses e outros problemas.

Previsões são criadas aproveitando a capacidade de dados históricos e em tempo real prontamente disponíveis nos sensores, medidores e registros, o que ajuda a:

  • Evitar derramamento do tanque e desligamentos de emergência
  • Descobrir problemas ou falhas de hardware
  • Programar a manutenção, os desligamentos e a logística
  • Otimizar as operações e a eficiência das instalações
  • Detectar vazamentos e entupimentos de tubos
  • Reduzir custos, multas e tempo de inatividade

O processo de previsão do nível do tanque começa na entrada do poço. O óleo é medido conforme ele entra nas instalações por meio de medidores e é enviado aos tanques. Os níveis são monitorados e registrados em tanques durante o processo de refinamento e, em seguida, a saída de óleo, gás e água é registrada por meio de sensores, medidores e registros. As previsões são feitas usando dados das instalações; por exemplo, previsões podem ser feitas a cada 15 minutos.

O Cortana Intelligence Suite pode ser adaptado e personalizado para atender aos diferentes requisitos das instalações e corporações.

Descrição

Observação: se você já tiver implantado esta solução, clique aqui para exibir sua implantação.

Para obter mais detalhes de como essa solução é criada, visite o guia da solução no GitHub.

Tempo de provisionamento estimado: 20 minutos

O Cortana Intelligence Suite fornece ferramentas de análise avançadas por meio do Microsoft Azure – ingestão de dados, armazenamento de dados, processamento de dados e componentes de análise avançados – todos os elementos essenciais para criar uma solução de previsão de nível de tanque.

Esta solução combina vários serviços do Azure para oferecer vantagens impressionantes. Os Hubs de Eventos coletam dados de nível de tanque em tempo real. O Stream Analytics agrega os dados de streaming e os torna disponíveis para visualização. O SQL Data Warehouse do Azure armazena e transforma os dados de nível do tanque. O Machine Learning implementa e executa o modelo de previsão. O Power BI visualiza o nível do tanque em tempo real, bem como os resultados da previsão. Por fim, o Data Factory orquestra e agenda o fluxo de dados completo.

O botão “Implantar” inicializará um fluxo de trabalho que implantará uma instância da solução no Grupo de Recursos na assinatura do Azure que você especificar. A solução inclui vários serviços do Azure (descritos abaixo), juntamente com um trabalho da Web que simula dados para que você tenha uma solução de trabalho de ponta a ponta logo após a implantação.

Após a implantação, consulte as instruções pós-implantação aqui.

Detalhes técnicos e fluxo de trabalho

  1. Estes dados abastecem os Hubs de Eventos do Azure e o serviço como pontos ou eventos de dados do SQL Data Warehouse do Azure, que serão usados no restante fluxo da solução.
  2. O Azure Stream Analytics analisa os dados para fornecer uma análise praticamente em tempo real sobre o fluxo de entrada do hub de eventos e publicá-la diretamente no Power BI para visualização.
  3. O serviço Azure Machine Learning é utilizado para fazer uma previsão sobre o nível do tanque de uma região específica, considerando as entradas recebidas.
  4. O SQL Data Warehouse do Azure é usado para armazenar os resultados de previsão recebidos do serviço Azure Machine Learning. Em seguida, esses resultados são consumidos no dashboard do Power BI.
  5. O Azure Data Factory manipula a orquestração e o agendamento da reciclagem de modelos horários.
  6. Finalmente, o Power BI é usado para visualização de resultados, de modo que os usuários podem monitorar o nível do tanque de uma instalação em tempo real e usar o nível previsto para evitar derramamento.

Aviso de isenção de responsabilidade

© 2017 Microsoft Corporation. Todos os direitos reservados. Estas informações são fornecidas “no estado em que se encontram” e poderão ser alteradas sem aviso. A Microsoft não oferece garantias, expressas ou implícitas, com relação às informações aqui fornecidas. Dados de terceiros foram utilizados para gerar esta Solução. Você é responsável por respeitar os direitos de terceiros, incluindo a obtenção e o cumprimento de licenças relevantes com o intuito de criar conjuntos de dados similares.

Arquiteturas de solução relacionadas

Otimização de fornecimento de energia

Em uma rede de energia, os consumidores de energia são conectados com diversos tipos de componentes de fornecimento, troca e armazenamento de energia, tais como subestações, baterias, parques eólicos e painéis solares, microturbinas, bem como ofertas de resposta à demanda, a fim de suprir as respectivas necessidades e minimizar o custo do compromisso de energia. Para fazer tudo isso, o operador da rede deve determinar a quantidade de energia que cada tipo de recurso deve entregar em um período determinado, considerando os preços da solicitação dos diferentes tipos de recursos, bem como as capacidades e as características físicas deles.