Bruk av digital tvilling i vedlikeholdstyring - en casestudie i olje og gass

Abstract

Dagens samfunn bærer preg av en stadig økende digitalisering og effektivisering, med det hovedmålet om å bli mer lønnsom. Mer effektiv bruk av ressurser, nye arbeidsmetoder og bedre digitale systemer. Det å kutte ut manuelle arbeidsprosesser med nye digitale er noe som er på dagsorden for de fleste bedrifter og selskaper, inkludert i Olje- og gassindustrien. Det som har fått stort fokus i denne bransjen er det som kalles digital tvilling, som er en digital replika av et fysisk objekt eller system. Dette er en teknologi som forventes å øke i årene som kommer, og som har et stort potensiale når det kommer til effektivisering. Det denne studien har til hensikt å belyse er bruken av digital tvilling i vedlikeholdsstyring i olje og gassindustrien.

For å besvare problemstillingen «Hvordan kan digital tvilling bidra til økt samhandling innenfor vedlikeholdsstyring på en olje- og gassplattform?» er det benyttet en kvalitativ casestudie. For innhenting av empiriske data er det benyttet dybdeintervjuer av informanter fra olje og gass selskapet NorthOil, samt dokumentanalyse.

Studien deles hovedsakelig inn i tre hovedkategorier med tanke på digital tvilling, Samhandling, Digitalt feltarbeid og Tillit. Hvor samhandling tar for seg hvordan det blir lagt til rette for godt samarbeid mellom hav og land, hvor fokuset er på eksisterende fasiliteter, samhandlingsløsninger, utførelse av samhandling og kommunikasjon. Også i lys av digital tvilling. Digitalt feltarbeid tar for seg hvilke arbeidsprosesser digital tvilling er mest hensiktsmessig for den digitale feltarbeider. Både som et supplement som bidrar til bedre kvalitet og effektivitet i planleggingsarbeidet, men også nytten av tilgjengelig informasjon, tidsbesparelse og kvalitet i arbeidet med selve vedlikeholdsarbeidet. Siste hovedkategori er tillit, og denne tar for seg hvordan man vet at dataene får fra en simulasjon er riktige. Hvor det kommer fram at den digitale tvillingen blir aldri bedre enn det som ligger i kildesystemene, i tillegg at det er mulig å gjøre beslutninger basert på dårlige data, så lenge man forstår usikkerheten ved dem. Det trekkes også fram mekanismer som kan brukes for å sikre troverdigheten til data.

Today's society is characterized by ever-increasing digitization and efficiency, with the main goal of becoming more profitable. More efficient use of resources, new working methods and better digital systems. Cutting out manual work processes with new digital is something that is on the agenda for most companies and companies, including in the Oil & Gas industry. What has gained great focus in this industry is what is called digital twin, which is a digital replica of a physical object or system. This is a technology that is expected to increase in the years to come and that has great potential when it comes to efficiency improvements. What this study aims to highlight is the use of digital twin in maintenance management in the oil and gas industry.

To answer the research question "How can digital twin contribute to increased maintenance management collaboration on an oil and gas platform?" a qualitative case study is used. For obtaining empirical data, in-depth interviews have been used by informants from the oil and gas company NorthOil, as well as document analysis.

The study is mainly divided into three main categories with regard to digital twin, Cooperative, Digital fieldwork and Trust. Where Cooperative deals with how good cooperation between the sea and land is facilitated, where the focus is on existing facilities, cooperative solutions, execution of interaction and communication. Also in light of digital twin. Digital fieldwork examines which work processes digital twin is most expedient for the digital field worker. Both as a supplement that contributes to better quality and efficiency in the planning work, but also the usefulness of available information, time savings and quality in the work on the maintenance work itself. The last main category is trust, and this one deals with how to know that the data obtained from a simulation are correct. Where it emerges that the digital twin will never be better than what is in the source systems, plus it is possible to make decisions based on bad data, as long as one understands the uncertainty of them. There are also mechanisms that can be used to ensure the credibility of data.