|
minutter å lese
- Sopra Steria utvikler analysemodeller som skal gjøre roboter og andre autonome systemer i stand til å oppdage lekkasjer og andre avvik offshore.
- Ved hjelp av KI, sensordata, bilder og syntetiske treningsdata utforsker Aker Solutions og Sopra Steria hvordan teknologi kan legge grunnlaget for mer autonome og effektive offshoreoperasjoner.
|
Hvordan kan en maskin trenes til å kjenne igjen hendelser som nesten aldri skjer?
Dette jobber Sopra Steria og Aker Solutions sammen om å finne ut av. Et felles team er i gang med å utvikle analysemodeller som kan oppdage avvik som lekkasjer, temperaturendringer og slitasje ved å tolke data fra kameraer og sensorer.
– Hvis du bare samler inn enorme datamengder, men ikke er i stand til å tolke informasjonen, så er du like langt. Du trenger et system som ikke bare gjenkjenner avvik, men også hvilke avvik som faktisk er interessant å oppdage. Det er der mye av det faglige arbeidet ligger, sier Omar Retterstøl Langset i Sopra Steria.
Taurob Robot på Edvard Grieg-plattformen (Foto: Aker Solutions)
Gasslekkasjer og oljesvetting
Mens Aker Solutions bidrar med domenekunnskap, testfasiliteter, utstyr og hvilke typer avvik modellene må kunne kjenne igjen, leverer Sopra Steria kompetanse på dataanalyse, kunstig intelligens (KI) og modellutvikling.
– Dette prosjektet ligger midt i kjernen av det vi jobber med. Vi bruker roboter, droner og sensorer til å samle inn data. Men for å få verdi ut av informasjonen må vi forstå den. Modellen må skjønne hva den leter etter, sier Øystein Larsen i Aker Solutions.
Det kan for eksempel være lekkasjer, temperaturendringer, oljesvetting eller andre endringer som røper slitasje eller feil i offshoreutstyr.
Øystein Larsen i Aker Solutions (Foto: Aker Solutions)
Når treningsdataene ikke finnes
En av utfordringene er at hendelsene modellene skal oppdage, nesten aldri skjer, og det finnes da lite historiske data til å lære opp modellene. Teamet må derfor finne andre måter å bygge opp et godt treningsgrunnlag på.
Sopra Steria bidrar blant annet med å evaluere ulike KI-tilnærminger og bygge opp datagrunnlaget modellene skal lære av. Her er simuleringer og data fra Aker Solutions' Robot Garden på Fornebu, der relevante situasjoner kan gjenskapes og dokumenteres, gull verdt.
– En av metodene vi bruker er å generere realistiske bilder av lekkasjer ved hjelp av kunstig intelligens. Vi kan ta utgangspunkt i bilder fra offshoremiljøer og lage tusenvis av varianter med ulike typer avvik. Det gir modellene langt flere eksempler å lære av enn det som finnes i det historiske datagrunnlaget, forteller Langset i Sopra Steria.
På den måten kan teamet utvide datagrunnlaget uten å måtte vente på at de sjeldne hendelsene skal oppstå i virkeligheten.
Omar Retterstøl Langset i Sopra Steria
En byggekloss for mer autonome operasjoner
Arbeidet er en del av Aker BPs Yggdrasil-utbygging. Med Yggdrasil setter Aker BP en ny standard gjennom fjernstyrt drift, lavt bemannede og ubemannede plattformer, lav aktivitet offshore, ny teknologi og et unikt digitalt økosystem. Målet er en høy grad av autonome operasjoner, og Change Detection-prosjektet er én av mange teknologiske byggeklosser i driftsstrategien til Yggdrasil-området.
– Skal vi lykkes med mer autonome offshoreoperasjoner, må systemene kunne oppdage og forstå avvik på egenhånd. Derfor kan det vi lærer i dette prosjektet bli viktig for videre arbeid med KI-modeller og potensialet for industrien, sier Larsen.
Dette leverer Sopra Steria
- Utvikling og evaluering av KI-modeller for deteksjon av lekkasjer og avvik
- Etablering av treningsgrunnlag, blant annet ved bruk av syntetiske data
- Analyse av bilde-, sensor- og måledata
- Teknologi og beslutningsstøtte for mer autonome offshoreoperasjoner
Teknologi
- Azure Machine Learning
- Computer vision
- Generativ KI
- GPT-modeller fra OpenAI
- Syntetiske treningsdata
- Bilde- og sensoranalyse
Alle foto: Aker Solutions