Data Models and Data Utilisation for Improved Diagnostics for Gas Detectors

Abstract

Gassdeteksjon spiller en avgjørende rolle for sikkerheten på offshore-anlegg, men ugunstige værforhold kan påvirke infrarød stråling (IR)-gassdetektorer. Disse detektorene er avhengige av IR-stråler for å detektere gass, og når værforholdene hindrer lysbanen eller det dannes kondens på linsen, kan det føre til at detektorene får skitten linse eller blir blokkert. Den nåværende praksisen med korrigerende vedlikehold mangler er lite ressurseffektiv.

Formålet med masteroppgaven er å utvikle en datamodell for overvåking av optiske gassdetektorer, spesielt i sammenheng med Aker BP. Målet er å forbedre vedlikeholdsplanleggingen ved å integrere data fra gass- og vær-detektorer. Ved å analysere historiske data og korrelere dem med værforhold, har datamodellen som mål å identifisere potensielle problemer før de fører til utstyrssvikt og muliggjøre proaktive vedlikeholdstiltak. Datamodellen er implementert i Cognite Data Fusion (CDF), en plattform for integrering av data fra informasjonsteknologi (IT) og operasjonell teknologi (OT)-systemer.

Oppgaven spesifiserer problemområdet knyttet til værforhold som forårsaker skitten optikk og blokkering av stråling i optiske gassdetektorer og foreslår en løsningsmodell som innebærer implementering av en datamodell som visualiserer mønstre mellom feil i gassdetektorer og værforhold. Datamodellen har som mål å muliggjøre mer effektiv vedlikeholdsplanlegging, unngåelse av feil og identifisering av sårbare detektorer.

Designet av datamodellen omfatter enheter som gassdetektorer, plattformer, anlegg, værfaktorer, objekttyper, katalogprofiler, funksjonsblokker og notifikasjoner, med tilknyttede attributter. Kildesystemene som brukes i oppgaven inkluderer Aveva Net og SAP for lagring og administrasjon av utstyrsinformasjon og vedlikeholdsdata, samt sikkerhets- og automatiseringssystem (SAS) for hendelser og alarmer knyttet til gassdetektorer. CDF muliggjør integrering og sammenkobling av data fra ulike kilder, og data fra alle nevnte kilder er allerede tilgjengelige i CDF-datasett.

Datamodellen er implementert i CDF, men det oppstod utfordringer med å knytte data til datamodellen. Videre arbeid blir foreslått, inkludert integrering av gassdetektorenes diagnostiske alarmer og hendelser, notifikasjoner og værdata i datamodellen, samt bruk av den for prediktivt vedlikehold og analyse av forholdet mellom gassdetektorer og værforhold.

Gas detection plays a critical role in offshore facility safety, but adverse weather conditions can affect infrared radiation (IR) line gas detectors. These detectors rely on IR beams to detect gas concentrations, and when weather conditions obstruct the path of the light, or condensation forms on the lens, it can lead to detectors that have dirty optics or are beam blocked. The current practice of corrective maintenance lacks efficiency in resource management.

The purpose of the master thesis is to develop a data model for monitoring optical gas detectors, specifically in the context of Aker BP. The goal is to improve maintenance planning by integrating data from gas and weather detectors. By analysing historical data and correlating it with weather conditions, the data model aims to identify potential issues before they lead to equipment failure and enable proactive maintenance measures. The data model is implemented in CDF, a platform for integrating information technology (IT) and operational technology (OT) systems.

The thesis specifies the problem space related to weather conditions causing dirty optics and beam block in optical gas detectors and proposes a solution space involving the implementation of a data model that visualises patterns between failures in gas detectors and weather conditions. The data model aims to enable more efficient maintenance planning, avoidance of failures, and identification of susceptible detectors.

The design of the data model encompasses the entities gas detectors, platforms, facilities, weather factors, object types, catalog profiles, function blocks, and notifications, with associated attributes. The source systems used in the thesis include the Aveva Net and SAP for storing and managing asset information and maintenance data and safety and automation system (SAS) for gas detector events. CDF facilitates the integration and linkage of data from different sources and data from all of the mentioned sources are already provided in CDF data sets.

The data model is implemented in CDF, but challenges were encountered in populating the data model. Further work is suggested, including the integration of the gas detector diagnostic alarms and events, notifications, and weather data to the data model and utilising it for predictive maintenance and analysis of the relationship between gas detectors and weather conditions.