Innføring av prediktivt vedlikehold – en mulighetsstudie

Abstract

Målet med denne bacheloroppgaven har vært å undersøke hvordan Aker BP kan nyttiggjøre seg av tilgjengelig tilstands- og driftsdata fra vanninjeksjonssystemet på oljeplattformen Ivar Aasen i innføring av prediktivt vedlikehold på vanninjeksjonspumpen.

Ved å studere prediktivt vedlikehold har vi kommet fram til en rekke suksessfaktorer som må oppfylles for å kunne implementere denne vedlikeholdsformen. Etter studien har vi gjennomført en ståstedsanalyse for å undersøke hvordan tilstands- og driftsdata fra vanninjeksjonspumpen innhentes og benyttes i dag, samt en kartlegging av dagens vedlikeholdsprogram for vanninjeksjonspumpen.

Resultatet fra studien viser at vanninjeksjonspumpen er utstyrt med tilstrekkelig tilsands- og driftsovervåkingen for å kunne innføre prediktivt vedlikehold. Tilstandsovervåkingen er i stand til å logge data med høy hastighet, men dataen tilgjengeliggjøres imidlertid ikke i en plattform der den kan anvendes i prediktiv analyse i dag. Det er også nødvendig å fremskaffe datamodeller, algoritmer og analyseverktøy, samt nødvendig kunnskap som kan behandle den innsamlede dataen for å kunne innføre prediktivt vedlikehold.

Denne oppgaven konkluderer derfor med at prediktiv vedlikehold på vanninjeksjonspumpen er mulig med dagens overvåking. Imidlertid bør bedriften ferdigutvikle en digital plattform som kan lagre og analysere historisk data med høy loggehastighet. De trenger også den riktige kompetansen og verktøy for å behandle disse dataene.

The goal of this thesis has been to study how Aker BP can utilize condition monitoring data from the water inejection system on the Ivar Aasen platform to implement predictive maintenance on the water injection pump.

A broad study of predictive maintenance lead to certain factors which have to be met to successfully implement this maintenance form. The study was followed by an analysis to investigate how maintenance on the injection pump is currently conducted and how condition monitoring is used to diagnose machine failure.

The results of this study show that the water injection pump is equipped with the condition monitoring sensors needed to implement predictive maintenance. The data collected through condition monitoring is high frequent but not stored on a digital platform capable of fasilitating predictive analysis. It is also necessary to obtain data models, algorithms and analysis tools, as well as necessary knowledge that can process the collected data in order to implement predictive maintenance.

This study therefore concludes that predictive maintenance on the water injection pump is possible by using data from the currenct condition monitoring system; however, the company has yet to finish developing a digital platform for storing and analysing condition and process monitoring data. They also need the right skills and tools to process the data.