0
Olja och gas företag som genererar stora mängder data från en mängd olika system och sensorer i området — information om borrning, väderförhållanden, seismiska aktivitet och andra faktorer. För att förbli konkurrenskraftiga i dagens globala marknaden, de behöver kunna för att snabbt dra insikter från dessa data.
En nyckel till att kunna utnyttja alla data är att använda graphics processing unit (Gpu), som ger den datorkraft och high-speed minne som behövs för dessa företag att analysera petabyte av data i en fråga om millisekunder.
“Nya parallella plattformar och Api: er kommer tillsammans för att använda Gpu för generella beräkningar,” sade Chris Niven, forskningschef, Olja & Gas, på analysföretaget IDC.
“Särskilda mikroprocessorer finns nu att integrera GPU-acceleration, 3D-rendering, video acceleration, och våg-bordet syntes i ett enda chip,” Niven sagt. “Kombinationen av Gpu och CPU är nu tillgänglig som kan påskynda analytics, djupt lärande, high-performance computing, och vetenskapliga simuleringar.”
GPU-tillverkare är att skapa lärande institut och arbetar med leverantörer som SAP, Microsoft, IBM, Dell, Amazon, och alla stora moln leverantörer för att bygga ett ekosystem fokuserade på artificiell intelligens (AI) och djupt lärande, Niven sagt.
“Framtiden för denna vision är att främja snabbare datorer och kontinuerligt lärande på företagets data för företag att tillämpa analytics, modellering, simulering och avancerade analyser som kognitiv bearbetning,” Niven sagt. “Företag tillämpar redan analytics initiativ i uppströms produktion.”
För olja och gas leverantörer, det meningsfullt att utveckla en asset performance management (APM) miljö för att övervaka stora mängder data som används inom området, t.ex. ny utrustning, apparater, sensorer och andra Internet of Things (IoT) komponenter.
“Det är viktigt för företag att organisera och analysera dessa data och att förstå och lära sig vad som fungerar och vad som inte fungerar, för att på ett säkert sätt driva och optimera produktionen,” Niven sagt. Detta är särskilt sant för APM, som företag strävar efter att automatisera produktionen.
“Borrning är långsam i dessa dagar och produktion av olja genererar välbehövliga intäkter för företaget,” Niven sagt. “Olja och gas företag utvecklar data management-plattformar för att hantera utvinning av kolväten data.” De är också tillämpa deskriptiv och prediktiv analys och kognitiv bearbetning för att övervaka hälsan av utrustning och maskiner, för att förhindra oönskade driftstopp och katastrofer innan de inträffar, och att hjälpa till att optimera anläggningar för olje-och gasproduktion.
“Grafikprocessorer i kombination med CPU är också tillämpliga för underordnade, särskilt när det gäller modellering och simulering av utrustning och maskiner som den Digitala Twin har blivit en hög IT-initiativ för APM [application performance management) i raffinaderier och petrokemiska anläggningar,” Niven sagt. En digital twin är en digital representation av en industriell tillgången, vilket gör det möjligt för företag att bättre kunna förutsäga resultatet av maskiner.
“Som i upstream olja och gas, nedströms sektorn också erkänner värdet av parallell bearbetning, AI och för att främja ett kontinuerligt lärande miljö för att hålla anläggningen i drift vid full kapacitet och undvika driftstopp och katastrofer innan de inträffar,” Niven sagt.
0