В погоне за эффективностью. ML-аналитика для оптимизации энергопотребления на установках НПЗ

ML и AI в производственных компаниях

Доклад принят в программу конференции

Мнение Программного комитета о докладе

Предиктивная аналитика давно зарекомендовала себя в производственных циклах промышленных предприятий. На примере повышения эффективности энергопотребления на установках НПЗ, Дмитрий детально расскажет об их собственном опыте и нюансах реализации. Рекомендуется для специалистов data science.

Целевая аудитория

CEO и -1 1. Специалисты нефтегазовой отрасли: инженеры, геологи, технологи, специалисты по добыче и переработке нефти и газа. 2. Исследователи и ученые, занимающиеся проблематикой применения новых технологий в нефтегазовой отрасли. 3. Представители компаний, занимающихся разработкой и внедрением программного обеспечения для нефтегазового сектора. 4. Финансовые аналитики и консультанты, интересующиеся использованием предиктивной аналитики для управления финансовыми рисками в нефтегазовой отрасли. 5. Студенты и аспиранты, изучающие технологии машинного обучения и искусственного интеллекта и интересующиеся их применением в нефтегазовой отрасли. 6. Представители государственных органов, занимающиеся регулированием и контролем деятельности компаний в нефтегазовой сфере. 7. Инвесторы и представители фондов, заинтересованные в инвестировании в проекты, связанные с развитием предиктивной аналитики в нефтегазовой отрасли. 8. Журналисты и представители СМИ, следящие за последними тенденциями и инновациями в нефтегазовой отрасли.

Тезисы

Повышение эффективности производства — одна из основных задач в современном мире. С этой целью к нам обратился Заказчик для оптимизации цикла энергопотребления крупного НПЗ. Необходимо было построить математическую модель энергопотребления установки ЭЛОУ для выявления влияния факторов технологического процесса и окружающей среды на рост потребления энергии и возможности его прогнозирования.

Решение задач по оптимизации технологического процесса на основе ML/DL позволяет компаниям выявлять узкие места, повышать эффективность и тем самым значительно снижать расходы. Вы услышите о подходе к анализу промышленных данных за 10 лет, а также о реализации методов, которые помогли разработать модель электропотребления на 3 года вперед на основе помесячного электропотребления установкой (MAPE = 2,3%) и достичь положительных результатов в рамках проекта.

Дмитрий Рубанов

Ротек Диджитл Солюшнс

Директор по развитию бизнеса с более чем 10-летним стажем работы в IТ-индустрии как по реализации крупных интеграционных проектов, так и проектов по информационной безопасности для государственного сектора и энтерпрайз-бизнеса и микроэлектроники. Имеет успешный опыт в управлении блоком развития бизнеса, который включал в себя: GR, продажи, PR, проекты и продукты, а также опыт эффективного сотрудничества с зарубежными компаниями и партнерами.

Ротек Диджитл Солюшнс

Компания АО «Ротек Диджитал Солюшнс» — это технологическая компания, специализирующаяся на разработке и внедрении инновационных цифровых решений для цифровой трансформации промышленности. Ключевой продукт — СПиУМ «ПРАНА». «ПРАНА» — это индустриальное IoT-решение для диагностики и прогноза технического состояния промышленного оборудования, Оно обеспечивает возможность выявления и интерпретации отклонений в техническом состоянии промышленного оборудования в процессе его эксплуатации на самых ранних этапах развития дефектов и деградаций с применением неинвазивных подходов на базе ИИ. Ключевые услуги: * цифровая трансформация, * разработка программного обеспечения, * предиктивная аналитика.

Видео

Другие доклады секции

ML и AI в производственных компаниях