石油與天然氣油槽液位預測

Data Factory
事件中樞
Machine Learning
串流分析
Synapse Analytics
Power BI

解決方案構想

如果您想要瞭解如何使用詳細資訊來擴充本文,例如可能的使用案例、替代服務、實行考慮或定價指引,請讓我們知道 GitHub 的意見反應!

現今,大部分的設施會被動到水箱層級的問題。 這通常會導致溢出、緊急關機、昂貴的補救成本、法規問題、昂貴的維修和罰款。 箱級預測有助於管理和消除這些問題和其他問題。

藉由充分利用可從感應器、計量和記錄取得的即時和歷程記錄資料,即可建立預測,協助您:

  • 防止水箱洩漏應對和緊急關機
  • 探索硬體故障或失敗
  • 排程維護、關機和物流
  • 優化作業和設備效率
  • 偵測管線流失和 slugging
  • 降低成本、罰款和停機時間

水箱層級預測程式會從正確的輸入開始。 石油的測量方式是透過計量進入設備,並傳送至智囊團。 在精簡程式期間,會在智囊團中監視和記錄層級,然後透過感應器、計量和記錄來記錄石油、天然氣和水的輸出。 然後會使用設備中的資料進行預測;例如,您可以每隔15分鐘進行一次預測。

Cortana Intelligence Suite 是可調整的,而且可以自訂,以符合設備和企業的不同需求。

架構

架構圖表會 下載此架構的SVG

Description

如需有關如何建立此解決方案的詳細資訊,請造訪GitHub中的解決方案指南。

Cortana Intelligence Suite 透過 Microsoft Azure 資料內嵌、資料儲存、資料處理及先進分析元件,提供先進的分析工具,這些都是建立箱層級預測解決方案的必要元素。

此解決方案結合了數個 Azure 服務,以提供強大的優勢。 事件中樞會收集即時箱層級的資料。 串流分析會匯總串流資料,並使其可供視覺效果使用。 Azure Synapse Analytics 儲存和轉換水箱層級的資料。 機器學習會執行預測模型並執行。 Power BI 將即時箱層級和預測結果視覺化。 最後,Data Factory 會協調並排程整個資料流程。

[部署] 按鈕會啟動工作流程,以在您指定的 Azure 訂用帳戶中,將解決方案的實例部署在資源群組內。 此解決方案包含多項 Azure 服務 (如下所述) ,以及模擬資料的 web 工作,如此一來,在部署之後,您就可以使用端對端解決方案。

部署之後,請參閱部署後指示。

技術詳細資料和工作流程

  1. 資料會送入 Azure 事件中樞中,並以資料點或事件的形式 Azure Synapse Analytics 服務,將用於解決方案流程的其餘部分。
  2. Azure 串流分析會分析資料,為來自事件中樞的輸入資料流程提供近乎即時的分析,並直接發佈至視覺效果的 Power BI。
  3. Azure Machine Learning 是用來根據收到的輸入,在特定區域的箱層級上進行預測。
  4. Azure Synapse Analytics 是用來儲存從 Azure Machine Learning 收到的預測結果。 然後,這些結果會在 Power BI 儀表板中使用。
  5. Azure Data Factory 會處理每小時重新訓練模型的協調流程與排程。
  6. 最後,Power BI 用於結果視覺效果,讓使用者可以即時監視設備的水箱層級,並使用預測等級來防止洩漏應對。

單元

下一步