CN103025592A - 用于油田设备预测和健康管理的系统、方法和装置 - Google Patents

用于油田设备预测和健康管理的系统、方法和装置 Download PDF

Info

Publication number
CN103025592A
CN103025592A CN2011800328754A CN201180032875A CN103025592A CN 103025592 A CN103025592 A CN 103025592A CN 2011800328754 A CN2011800328754 A CN 2011800328754A CN 201180032875 A CN201180032875 A CN 201180032875A CN 103025592 A CN103025592 A CN 103025592A
Authority
CN
China
Prior art keywords
unit
oil field
module
program
maintenance
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2011800328754A
Other languages
English (en)
Other versions
CN103025592B (zh
Inventor
加鲁德·斯里德哈
迈克·韦奇
李准葛
萨马德·阿德南
伊斯干达·威查亚
奥兰多·德弗瑞塔斯
拉多万·罗洛维克
桑德拉·阿尔达纳
路易斯·罗德里格斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Schlumberger Canada Ltd
Prad Research and Development Ltd
Original Assignee
Prad Research and Development Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Prad Research and Development Ltd filed Critical Prad Research and Development Ltd
Publication of CN103025592A publication Critical patent/CN103025592A/zh
Application granted granted Critical
Publication of CN103025592B publication Critical patent/CN103025592B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B17/00—Drilling rods or pipes; Flexible drill strings; Kellies; Drill collars; Sucker rods; Cables; Casings; Tubings
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B17/00—Drilling rods or pipes; Flexible drill strings; Kellies; Drill collars; Sucker rods; Cables; Casings; Tubings
    • E21B17/20—Flexible or articulated drilling pipes, e.g. flexible or articulated rods, pipes or cables
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B34/00—Valve arrangements for boreholes or wells
    • E21B34/06—Valve arrangements for boreholes or wells in wells
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH OR ROCK DRILLING; MINING
    • E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B47/00—Survey of boreholes or wells
    • E21B47/06—Measuring temperature or pressure
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06316—Sequencing of tasks or work
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Mining & Mineral Resources (AREA)
  • Geology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Geochemistry & Mineralogy (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Fluid Mechanics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Automation & Control Theory (AREA)
  • Educational Administration (AREA)
  • Mechanical Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Geophysics (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

一种用于油田设备资产利用率提高的系统包括许多油田设备单元，所述油田设备单元具有常见的设备类型。所述系统进一步包括控制器，其具有解释对应于油田设备单元中每个的状态值的设备信心模块、解释油田程序的性能需求的作业需求模块，和响应于油田程序的性能需求和对应于油田设备单元中每个的状态值，而从许多油田设备单元选择单元的集合的设备计划模块。所述设备计划模块选择单元的集合使得程序成功信心值超过完成保证阈值。

Description

用于油田设备预测和健康管理的系统、方法和装置
背景技术
油田应用在一个位置利用各种类型的设备。确定适当的维护计划和预测设备故障是持续面临的挑战。在一个位置的设备故障可能具有巨大的成本，从而导致处理或油井故障，以及在等待替换设备时使昂贵的设备和工作人员闲置。设备故障的成本和传送替换设备的困难在海上应用方面更大。管理维护和预测设置故障的当前系统存在，但是具有几个缺点。
一个当前可用系统包括在一个位置提供冗余和额外的设备。冗余的设备增加处理成本、增加维护给定水平的操作能力所需的总资本，并且不是-例如在海上或环境敏感地区这个位置的空间十分昂贵的最佳解决方案。
另一当前可用系统包括确定特定设备单元的异常情况，和/或预测何时将在给定设备单元中发生异常情况。当前可用系统的另一实施方案预测过程中特定的维护计划。这些系统的限制在于例如当设备老化或由于利用不同的作业类型而经历不同的工作周期时，不使过程中特定的维护计划适应一件特定设备。此外，确定特定设备单元中的异常情况只是确定给定设备单元是否可用或将可用。然而，这些确定不允许通过解决设备单元之间的互动，或通过适应维护响应以提高特定设备单元的利用率而增加资产利用率。因此，在这个领域需要进一步的技术开发。
发明内容
一个实施方案是一种用于调整设备维护计划的独特装置。另一实施方案是一种用于提高资产利用率的独特装置。又一实施方案是一种用于执行预测维护准备步骤的方法。其它实施方案、形式、目标、特征、优势、方面和益处将从以下描述和附图变得显而易见。
附图说明
图1为用于更新油田设备单元的维护计划的示例性控制器的示意性方框图。
图2为用于最大化油田设备的资产利用率的示例性控制器的示意性方框图。
图3为用于执行维护准备步骤的示例性控制器的示意性方框图。
图4为包括多个监测变量的系统的示意图。
图5为预测和健康管理系统的示意图。
图6为预测和健康管理系统的替代实施方案的示意图。
图7描绘T2统计量相对于一系列的观察点的说明性数据。
图8描绘从包括多个监测变量的系统确定的T2统计量。
图9描绘单元平均欧氏距离的说明性数据。
图10描绘平均欧氏和马氏距离的说明性数据。
图11描绘示出多个流体分析器件的平均渗透率读数相对于时间的说明性数据。
图12描绘示出一个流体分析器件的T2统计量相对于时间的说明性数据。
图13描绘示出在去除离群数据后的一个流体分析器件的T2统计量相对于时间的说明性数据。
图14描绘示出第二个流体分析器件的T2统计量相对于时间的说明性数据。
图15描绘示出第三个流体分析器件的T2统计量相对于时间的说明性数据。
图16描绘用于为油田设备单元提供实时设备健康和维护准备的说明性系统。
图17描绘说明性压力数据相对于操作时间的曲线。
图18描绘对应于图17的说明性数据的T2统计值。
图19描绘描绘基于图17的说明性数据的T2分解的最重要的传感器读数的示例性帕累托(Pareto)。
图20描绘根据图19中识别的主分量确定的图17的说明性数据的示例性非平方方差图。
具体实施方式
为了促进理解本文中所述的实施方案的原理，现将参考附图中所示出的实施方案，并且特定语言将用于描述相同内容。然而，应理解，不意图限制所涵盖实施方案的范围，本文中涵盖与所述实施方案相关的本领域技术人员将正常想到的所示出的实施方案中的任何变化和其它修改，以及所描述的实施方案(如本文中所示出)的原理的任何其它应用。
应注意，在任何此实际的实施方案的开发中，必须做出许多实施-特定决策以实现开发者的特定目标，例如，遵守系统相关和业务相关约束，这将根据不同的实施而变化。此外，应了解，此开发工作可能是复杂和耗时的，然而将是具有本公开的益处的本领域普通技术人员承担的例程。另外，本文中使用/公开的组成也可以包括除了引用的部件以外的一些部件。在提供数值描述的情况下，每个数值应被一次理解为由术语“大约”修饰(除非已经明确这样修饰)，然后再次被理解为不这样修饰(除非上下文中另有指示)。也应理解，在浓度范围被列出或描述为有用、适合等的情况下，旨在将在这个范围内的任何和每个浓度(包括端点)视为已经加以陈述。例如，“从1到10的范围”应被理解为指示沿着约1与约10之间的连续统的每个和每个可能的数量。因此，即使在这个范围内的特定数据点，或甚至在这个范围内没有数据点被明确地识别出或指的是只有一些细节，也应理解，发明者了解和理解，在这个范围内的任何和所有数据点将被视为已经加以指定，以及发明者拥有整个范围的知识和在这个范围内的所有点。
本文中做出的陈述只提供与本公开相关的信息并且可能不构成现有技术。
本文所公开的实施方案一般涉及一种用于在油田和天然气勘探和生产中预测设备的未来的可靠性的健康监测系统(即，预测和健康管理(PHM))。
用于油井服务/绳索作业的设备经常包括用于测量各种参数的传感器。这些参数提供作业相关的信息或设备性能信息。例如，在增产压裂泵单元上，在发动机和变速器上存在提供传动系性能信息的压力传感器和温度传感器，并且在流体端上存在提供作业相关的信息的压力传感器。这些传感器战略上被定位以评估流量、温度、压力、混合率、流体密度，仅以这些为例。
参看图4，示例性发动机系统400包括至少一个发动机气缸402、增压空气冷却器404、压缩气流406、压缩机408、环境进气口410、涡轮增压器出口412、涡轮机叶轮414、废气排放装置416、用于涡轮增压器的废气门418、用于涡轮增压器润滑系统的出油口420和压缩机叶轮422。系统的所示出零件为示例性和非限制性的。示例性油田传感器系统400测量一系列参数，例如，X1-油压、X2-油温、X3-发动机速度、X4-涡轮排气温度、X5-曲轴箱压力、X6-涡轮进口压力和X7-涡轮出口压力等。油田传感器系统的更多实例公开在共同转让的美国专利申请序号11/312,124和11/550,202中，所述专利的内容以全文引用的方式并入本文以实现所有目的。
根据当前应用的一些实施方案，提供一种用于通过根据预期正常操作状态评定设备的偏差或降级的程度而预测油田设备的未来的可靠性的系统。该系统可以执行设备的健康状况的实时监测以评估其实际生命周期条件，从而确定故障开始、确定设备需要的维护级别。当前应用的系统也有助于验证设备的操作状态和减轻系统风险。
设备的实时预测健康管理可以由完全整合的PHM系统实现。将数据馈入分析器(例如，计算机系统)中，分析器进而外推所捕获的数据并比较捕获的数据与历史数据。此外推法可以在接下来的维护或故障之前预测总剩余寿命。相关数据(参数和振动)可以用于完成更准确的预测和关于资产利用率的增加的置信水平。将该整合的PHM系统并入油田操作可以最优化预防性维护计划和提高资产利用率。
参看图5，用于为设备单元建立正常(健康)的基线数据的示例性系统500被示出。为正常(良好、健康等)的操作设备504收集的现场数据502用于建立良好的操作数据506的区域。在某些实施方案中，来自失效(不良、不健康、故意不当操作等)的设备508的现场数据502用于验证、校准和/或设置良好的操作数据506的基线。可以将从良好的设备504和不良的设备508校准的累积的良好的操作数据506存储为良好的历史数据集510。比较从设备的实时操作获得的新数据512与良好的历史数据集510。新数据512可以被现场评估或可以被远程传输以用于评估。新数据512与良好的历史数据集510的比较提供可以提供新数据512的设备的状况的最终解释514。数据的最终解释514可以由与良好的历史数据集510的平均值(其可以是欧氏平均值)的距离(例如，所有维度或信道被相等地加权)或马氏距离(例如，根据相关值加权的维度或信道-更多的预测参数被给予更大的权重)或本领域中理解的其它平均距离参数来确定。
新来的数据上的最终解释可以由在油田操作的现场或场外的适当人员使用以作为恰当的操作指导。可以进一步将新来的数据播送到现场数据502，使得现场数据502表示从油田中的操作的新数据的不断累积。已提供新数据512的设备可以被认为是良好的设备504或不良的设备508的一部分以增加至用于良好的历史数据集510的数据。
参看图6，用于利用建立的历史数据的示例性系统600被示出。从操作的设备单元实时地确定实时设备数据602。比较实时设备数据602与良好的历史数据集604，并且根据比较和设备的最终解释514的先前迭代确定任何潜在的故障的严重程度606。如果严重程度606是高的，那么系统600可以包括自动地发生以防止严重的故障的行动618，例如，泵可以关闭、流体分析单元可以向故障指示器发信号，或本领域中理解的其它操作可以发生。
在故障或即时故障存在，但是严重程度606不足以进行自动操作618的某些实施方案中，可以激活或以其它方式呈现设备单元上的用户界面警告608。系统600包括将持续数据存储到历史数据库610中。将历史数据库610提供到具有设备的当前状态的维护系统616，并且历史数据库610可以进一步用于现场数据分析612以更新设备的最终解释514。
在另一实例中，根据分析的严重程度606，警告608将在UI上呈现给操作者，从而显示谈及的部件和警报后的推理(基于数据点的分解，观察帕累托分析614)，或如果足够的严重，那么将在给定部件或设备自动地发生后具有系统行动618。将数据播送到数据库，此数据库馈送具有设备的当前状态的维护系统和用于进一步增强解释的现场数据。
因此，当前应用的系统600能够从设备的一个或多个单元捕获数据、分析数据，以及将分析自动地传输到适当的人员。系统600最小化主观人类干扰的需要以确定需要预防性维护和减轻灾难性故障。
先进的统计技术，例如，马田系统(MTS)和/或多变量统计过程控制(MVSPC)可以用于当前应用的实施方案中。马田系统(MTS)是一种模式信息技术。其已被用于不同的诊断应用，例如，医学诊断、脸/语音识别、检查系统等。可以通过使用数据分析方法建构多变量测量尺度而做出定量决策。
在典型的MTS分析中，计算马氏距离(多变量测量，下文称为MD)以测量模式异常的程度，并且实施田口方法的原理以基于建构的尺度评估预测的准确性。MD考虑多个变量之间的相关性。尽管欧氏距离平等地处理系统中的所有决定性参数，但是MD将更大的权重给予高度相关的参数。
示例性MD由Z’iC-1Zi提供；其中Zi为Xi(i＝1...k)的标准化向量，C为相关矩阵，并且Z’为向量Z的移项。定标的MD由(1/k)Z’iC-1Zi获得；其中k为变量的数量。关于马田系统(MTS)的更多信息可以见于G.Taguchi等人在威利父子出版公司(Wiley&Sons，Inc.)(2002)的The Mahalanobis-Taguchi Strategy：A Pattern Technology System，其全部内容据此以引用的方式并入当前应用以实现所有目的。
MTS的一个特征为识别在检测异常方面更有用的那些传感器/参数。因此，可以排除不显著地有助于检测设备异常的传感器/参数以减少预测健康系统必须跟踪的变量的总数。在一些实施方案中，田口正交阵列L12(211)可以用于确定每个传感器/参数的信噪比(S/N)和S/N比增益。S/N比越大，传感器/参数的重要性越大。此外，正的S/N比增益指示传感器/参数在确定设备异常方面是重要的；负的S/N比增益指示传感器/参数在确定设备异常方面是不太有用的。
在以下表1中示出实例。
表1：MTS最优化
变量 1级 2级 增益
X1 0.805 1级：开
X2 -0.270 2级：关
…
…
…
X7 -1.440 -0.684 -0.756
X8 -0.137 -1.987 1.850
多变量统计过程控制(MVSPC)为概率统计方法并且基于霍特林T2统计量的应用，其也考虑多个变量之间的相关性。通常，MVSPC过程由以下两个阶段组成：阶段1：基于参考样品获得基线控制极限，该参考样品为从已知的正常状态收集的数据；阶段2：从目前产量收集数据(即，操作阶段)、计算适当的T2统计量，然后比较T2统计量与控制极限。
参看图7，MVSPC分析700的实例具有说明性数据704。控制上限(UCL)702被示出为在约7.8的T2值与Y轴相交的实线。T2统计量将多变量观测值，即，许多变量上的观测值(X’＝(x1，x2，...，xp))合并为单个数。关于MVSPC的更多信息可以见于R.Mason等人在Societyfor Industrial Mathematics(2001)的Multivariate Statistical ProcessControl with Industrial Application(ASA-SIAM Series on Statisticsand Applied Probability 9)，其全部内容据此以引用的方式并入当前应用以实现所有目的。在一个实例中，参看图8，将所测量的参数X1...X7合并为单个T2值802进行分析。
提供以下实例以进一步说明当前应用的某些实施方案。提供实例以仅用于说明性目的，并且不应被理解为对当前应用的限制。
实例1：关系分析
参看图9，提供说明性数据900，其中从油田设备单元的温度和压力传感器获得四(4)个读数。第一数据点读数178°F、76psi；第二数据点180°F、80psi；第三数据点170°F、70psi；以及第4数据点172°F、74psi。4个数据点的平均值为175°F、75psi。互相比较这些数据点并且计算每个点与平均值的距离，我们获得以下数：第一数据点＝3.16，第二数据点＝7.07，第三数据点＝7.07，以及第四数据点＝3.16。在图9中相对于欧氏距离902标绘这些值。相对于欧氏距离902，数据点1和数据点4最接近于平均值，并且数据点3离平均值最远。
然而，图9中呈现的分析没有考虑温度和压力的分布以呈现代表数据集的平均值。在上文呈现的数据中含有此信息，并且可以通过定义变量之间的相互关系的协方差矩阵的计算来确定此信息。在图10的说明性数据1000中示出结果，其包括覆盖在欧氏距离902上的MD1002。
实例2：流体分析机
当前应用的示例性实施方案包括利用MVSPC以检查三个流体分析机的准确性。为方便参考，三个流体分析机被称为α、β和γ。收集七个参数以用于分析：电池温度、流速、下游流、上游流、液流、渗透率和电导率。在图11至图15中示出结果。
参看图11，相对于测量的时间帧(X轴)标绘出每个流体分析机的平均渗透率(Y轴)。α1102被证明是最稳定的机器，因为渗透率读数一直在205与215之间的水平。β1104和γ1106示出潜在异常的指示。β1104的渗透率读数示出从约210到约300的稳定增加。对于γ1106，渗透率读数在时间帧10-14周围以及再次在时间帧20-34周围波动很大。可以为β1104和γ1106推断某些异常。
参看图12，说明性数据1200示出α(X轴)相对于测量的时间帧(Y轴)的T2值。通过考虑所有七个参数计算T2值。对于α，根据前面的图中示出的渗透率数据α为最稳定的机器，T2值在约0与约18之间变化。在时间单位10，离群值1204指示α的高于在约17.5定义的UCL 1202的T2值。离群值1204可能由测量误差提供，并且在某些实施方案中，可以从考虑排除在时间帧10的单个数据点。离群值1204的排除可以由监测系统的管理员确定，和/或通过自动过程(例如，滤波、消除抖动、提供移动平均数等)来确定。参看图9，去除离群值1204后的说明性数据1201被示出。测量误差的手动或自动去除为预测健康管理系统的操作中的可选步骤。因为异常设备单元的T2值经常比基线设备单元的T2值大数十或数百倍，所以经常并不需要从预测健康管理系统的基线颁布去除读数误差。
在某些实施方案中，一旦建构可以由许多适当操作的设备单元制定的基线，就可以计算出异常机的T2值并且比较异常机的T2值与正常机的T2值。在当前实例中，β和γ两者均示出明显更高的T2值。参看图14，说明性数据1400示出β的T2值，T2值在2600至4800的范围中。参看图15，说明性数据1500示出γ的T2值，T2值为约24,000，其中尖峰达到58,000。
实例3：油田泵
参看图16，系统1600使用基于知识的系统以加速过程/设备故障检测和分类，并且使用先进的统计技术来监测设备的健康状况并识别异常。确定来自多个传感器信道(例如，加速计1602)的与泵故障和正常泵操作相关的数据1604。根据多变量分析，将示例性数据集1610提供给操作员，数据包括当前设备健康状态1612(例如，良好、失效、怀疑等)和预计预期寿命1616(例如，发生故障的小时、所需维护的小时等)。另一示例性数据集1608可以进一步由远程通信器件1606提供，例如，传达给维护人员。示例性数据集1608包括当前设备健康状态1612和维护准备步骤1614。维护准备步骤1614可以包括对修理/维护的需要、修理/维护即将到来的指示器、将维护零件输送到泵的随后位置的指示、将替换泵输送到泵的随后位置的指示，和/或本领域中已知的其它维护通信。
所描述的数据集1608、1610为示例性而非限制性的。来自多变量分析的其它数据集可以通过本领域中理解的任何方法来确定和提供。在一个实例中，可以将从油田设备收集的操作参数的信息与油田设备性能参数组合以提供最佳维护需要。自动的数据分析提供统计实时数据评估以提供当前设备健康状态和预计预期寿命。
参看图17，说明性数据1700示出来自在200小时的一段时间内泵送的油田泵的两个压力传感器的读数。两个读数在280psi与190psi之间波动，并且在整个时间波动的方式保持一致。通过使预防系统只基于查看单个变量，不可以得出结论，并且谈及的油田设备的部件将一直运行到故障。选择两个传感器作为实例以仅用于说明性目的。在操作时，多个传感器(在一些情况下，多达20-50个传感器)可以同时操作。可以周期性地(例如，每一秒或每五秒)获得传感器的读数。在当前实例中，每一分钟获得读数一次。将这样收集的所有读数馈入存储器件(例如，硬盘或临时存储器)以供存储。然后，分析单元(例如，计算机)对数据执行统计分析。
参看图18，说明性数据1800示出基于许多传感器，相对于来自同一设备的良好基线的历史数据的T2分析。T2分析指示在运转时间1802(约10,500分钟)，数据的统计移位发生。参看图19，图18的数据的信号分解1900被示出。帕累托分析指示驱使分歧的关键的传感器读数。示例性基线重要值1902指示约12个传感器描述几乎所有的统计偏差，并且那些传感器可以用于T2分析。可以通过本领域中理解的任何方法，包括至少选择高于选定重要性阈值1902的传感器，以及选择传感器使得预定总的重要性由选定传感器解释(例如，通常90％的方差)来确定对最重要的传感器的确定。
参看图20，说明性数据2000示出利用最重要的传感器的变化的非平方分量分析。例如在图20中示出的数据允许操作员确定方差和创建严重性矩阵，该严重性矩阵允许操作员维持具有设备状态的最新的维护操作。同时，如果严重级别要求自动系统行动，那么可以触发自动系统用于立即行动。此外，例如在图19和图20中示出的数据允许操作员以系统中传感器的总数的最重要的子集维持维护操作。
当前应用的系统可以应用于陆上操作和海上操作。陆上操作具有优势，这是因为与海上单元建立相比，机械和电子技术人员的可用性相对较高。在任何情况下，可以利用数据的无线或卫星传输以确保数据捕获和评估。
某些示例性实施方案如下所述。参看图1，系统100包括被建构成执行某些操作以调整设备维护计划的控制器101。在某些实施方案中，控制器101形成处理子系统的一部分，该处理子系统包括具有存储器、处理硬件和通信硬件的一个或多个计算器件。控制器101可以是单一器件或分布式器件，并且控制器101的功能可以由硬件或软件执行。
在某些实施方案中，控制器101包括被构造成功能上执行控制器的操作的一个或多个模块。在某些实施方案中，控制器包括油田设备维护模块102、标称性能模块104、设备监测模块106、设备状态模块108和/或维护通信模块110。本文中包括模块的描述强调控制器101的方面的结构独立，并且说明操作的一个分类和控制器101的责任。在本申请的范围内理解执行类似的整体操作的其它分类。模块可以用硬件和/或软件实施在计算机可读介质上，并且模块可以分布在各种硬件或软件部件上。
本文中所描述的某些操作包括用于解释一个或多个参数的操作。本文中所用的解释包括通过本领域中已知的任何方法接收值，这些方法包括从数据链路或网络通信至少接收值、接收指示值的电子信号(例如，电压、频率、电流或PWM信号)、接收指示值的软件参数、从计算机可读介质上的存储位置读取值、通过本领域中已知的任何方法，和/或通过接收可以计算解释参数的值和/或通过参考被解释为参数值的默认值将值接收为运行时间参数。
示例性控制器101包括解释油田设备单元的维护计划112的油田设备维护模块102。维护计划112可以是适合于设备类型的任何类型的维护，其包括包装阀座、替换阀、重新校准传感器或其它分析器件等。维护计划112可以由(但不限于)制造商、根据标准或最佳实践指导的计划、根据先前的经验确定的计划，和/或从控制器101的先前的执行周期存储的计划来提供。
示例性控制器101进一步包括解释油田设备单元的标称性能描述114的标称性能模块104。在某些实施方案中，标称性能描述114可以从先前良好的操作数据506、从良好的历史数据集510被提供、由操作员定义，和/或根据被认为是正确操作的设备单元的当前操作状态116，根据控制器101的先前的执行周期被确定。
示例性控制器101进一步包括设备监测模块106，其确定油田设备单元的许多当前操作状态116。当前操作状态116选自可用传感器和系统中的其它参数，并且在一个实例中可以根据参看图17至图20的部分中利用的分析类型被确定，和/或根据被已知(或认为)与设备单元的正确操作相关的传感器和参数被确定。
示例性控制器101进一步包括设备状态模块108，其响应于标称性能描述114和许多当前操作状态116，而使用多变量分析120确定油田设备单元的状态。示例性和非限制性多变量分析120包括马田系统分析124和/或多变量统计过程控制分析126。在某些实施方案中，油田设备维护模块102响应于油田设备单元的状态而调整油田设备单元的维护计划122。所调整的维护计划122可以被存储于控制器101上以作为未来参考和/或传达至操作员或输出器件。在某些其它实施方案中，控制器101包括将调整的维护计划122提供给远程输出器件128的维护通信模块110。远程输出器件128可以是本领域中理解的任何器件，包括至少监测器、打印机、网络或数据链路、无线通信器件和/或卫星通信。
油田设备单元的某些非限制性实例包括高压泵(例如，正排量泵)、低压泵、计量泵、流体分析器件、压力传感器、阀、管、连续油管单元、固体计量器件和/或测井器件。本文涵盖具有至少部分地与传感器输出值相关的磨损、使用、检测或故障参数的任何其它油田设备单元。在某些实施方案中，油田设备维护模块通过重新安排已计划的维护事件来调整维护计划。
参看图2，包括控制器201的又一示例性系统200被示出。系统200包括许多油田设备单元202，油田设备单元202为常见的设备类型。例如，单元202可以是泵、流体分析器件、阀、管、压力传感器或任何其它类型的油田设备，其中许多相同类型的单元可以用于单一程序中。系统200进一步包括控制器201，其被构造成功能上执行用于确定提高的资产利用率的操作。
示例性控制器201包括解释状态值218的设备信心模块204，状态值218包括对应于油田设备单元202中的每个的状态值。在某些实施方案中，根据多变量分析220确定状态值218，其中多变量分析220包括比较对应于单元202中的每个的标称性能描述214与单元202中的每个的监测的操作状态216。可以根据贯穿本申请描述的任何原理确定多变量分析220。每个单元的标称性能描述214不需要相同-例如，但不限于，1200kW压裂泵的标称性能描述214将可能具有与1500kW压裂泵不同的标称性能描述214。然而，两个泵均具有可传达至控制器201的额定功率和状态值218。
示例性控制器201进一步包括解释油田程序的性能需求222(例如，第一性能需求)的作业需求模块206。示例性性能需求222包括泵送进度表、压力和操作时间和/或适合于单元202的任何其它参数，其中可以进行比较以根据状态值218为程序的持续时间和预期的状态确定是否这些单元的特定单元可能能够有助于程序。
示例性控制器201进一步包括设备计划模块208，其响应于油田程序的性能需求222和对应于油田设备单元中每个的状态值218，而从油田设备单元202选择单元的集合(例如，单元的第一集合228)，使得程序成功信心值224超过完成保证阈值226。在一个实例中，完成保证阈值226为程序将成功地完成的可接受的可能性的统计描述。例如，如果性能需求222为在5,000psi下30bpm的流体输送达30分钟，单元202为泵，并且完成保证阈值226为97％机会的程序，那么设备计划模块208选择具有足够的状态值218的足够数量的泵，使得程序成功信心值224超过97％的值。在实例中，如果每个单元在90％的置信水平下为压力和持续时间输送6bpm，那么需要7个泵使程序成功信心值处于约97.5％。完成保证阈值226可以是操作员定义的值、从数据链路或网络读取的值、存储在控制器201上的预定值，和/或系统200中的默认值。
在某些实施方案中，单元202为正排量泵。在某些其它实施方案中，性能需求222包括泵送率、在预定压力下的泵送率和/或泵送功率需求。示例性系统包括解释第一性能需求222和第二性能需求230的作业需求模块206，以及进一步从单元202的总数选择单元的第一集合228和单元的第二集合236的设备计划模块208，使得第一程序成功信心值224超过第一性能需求222的第一完成保证阈值226，以及第二程序成功信心值232超过第二性能需求230的第二程序保证阈值234。因此，设备计划模块208可以基于状态值218选择具有足够信心的足够的单元202，使得可以满足多个性能需求222、230。
在一个实例中，单元202为泵，第一性能需求222为在5,000psi下的30bpm达30分钟，并且第一完成保证阈值226为97％的保证值。此外，在该实例中，第二性能需求230为在12,000psi下的18bpm达30分钟，并且第二完成保证阈值234为90％。示例性设备计划模块208选自可用单元202以提供单元的第一集合228和单元的第二集合236，使得第一程序成功信心值224超过97％并且第二程序成功信心值232超过90％。在该实例中，单元202包括10个泵，每个泵具有90％的置信水平以在6bpm下完成第一程序(泵组A)，并且具有65％的置信水平以在4bpm下完成第二程序，并且单元202进一步包括6个泵，每个泵具有99％的置信水平以在5bpm下完成第一程序(泵组B)，并且具有90％的信心以在3.5bpm下完成第二程序。示例性设备计划模块208为第一程序选择组A泵中的7个泵(97.5％的信心)，并且选择剩余泵(来自组B中的6个泵和来自组A中的剩余3个泵-约94.5％的信心)。
应注意，在为第一程序(例如，这是调入的第一作业)选择所有高信心泵的典型默认情况下，将选择6个组B泵(第一程序具有94.5％的信心)，从而需要1个额外的组A泵以实现第一程序(然后在99％的信心下)。然后，剩余的9个组A泵将不足以可接受地执行第二程序，从而只具有约82.5％的第二程序成功信心值232。因此，控制器201的操作可以响应于状态值218而实现更大的资产利用率。
在某些实施方案中，控制器201进一步包括维护推荐模块240，其响应于确定没有来自单元202的总数的单元的集合228足以提供超过完成保证阈值226的程序成功信心值224，而提供单元维护命令242。例如，如果单元中的一个或多个具有提供低信心值(但是未必是失效的值)的状态值218，其中具有更正常或更优化的信心值的一个或多个单元将提供足够的程序成功信心值224，那么维护推荐模块240可以用单元维护命令242标示一个或多个单元。在某些实施方案中，单元维护命令242可以进一步指示如果执行单元维护命令242的维护，那么程序可以完成。在某些实施方案中，单元维护命令242包括对应于单元202中至少一个的维护指令。在某些实施方案中，单元维护命令242包括对应于具有状态值218的单元中一个或多个的维护指令，状态值218不是异常情况值，然而可以通过维护操作加以改善使得用单元202可以接受地执行一个或多个程序。可以为第二程序提供示例性单元维护命令242，其中单元的第一集合228可用于第一程序。
在某些实施方案中，控制器201包括设备缺陷模块244，其响应于确定没有来自单元202的总数的单元的集合228足以提供超过完成保证阈值226的程序成功信心值224，而提供设备缺陷描述246。示例性设备缺陷模块244可以独立于维护推荐模块240而操作-例如，即使适当的维护行动可以另外启用单元202或单元202的子集以可接受地执行一个或多个程序，也提供设备缺陷描述246。在某些实施方案中，设备缺陷模块244只响应于不存在可用于启用单元202或单元202的子集的单元维护命令242以可接受地执行一个或多个程序，而提供设备缺陷描述246。在某些实施方案中，设备缺陷描述246包括额外的单元或将需要可接受地执行一个或多个程序的单元能力。可以为第二程序提供示例性设备缺陷描述246，其中单元的第一集合228可用于第一程序。
参看图3描述又一示例性系统300。系统包括控制器310，其具有解释油田设备单元的标称性能描述114的标称性能模块104，以及确定油田设备单元的许多操作状态的设备监测模块106。控制器301进一步包括执行多变量分析120以确定单元的状态118的设备状态模块108，以及响应于单元的状态118而确定单元的维护需要132的维护需求模块130。示例性控制器301进一步包括将维护需要132传达至远程位置134的维护通信模块110。
以下示意性流程描述提供执行用于更新维护计划、提高资产利用率和执行维护准备步骤的程序的说明性实施方案。所描述的操作仅应被理解为示例性的，且该操作可以组合或分割和添加或去除，以及全部或部分地重新排序操作，除非明确指出与此处相反。所描述的某些操作可以由在计算机可读介质上执行计算机程序产品的计算机实施，其中计算机程序产品包括使计算机执行一个或多个操作，或将命令发布到其它器件以执行一个或多个操作的指令。
用于更新维护计划的示例性程序包括用于解释油田设备单元的维护计划的操作、用于解释油田设备单元的标称性能描述的操作，以及用于确定油田设备单元的许多当前操作状态的操作。程序进一步包括响应于标称性能描述和当前操作状态，而使用多变量分析确定油田设备单元的状态的操作。在某些实施方案中，程序包括响应于油田设备单元的状态而调整油田设备单元的维护计划的操作。
程序的某些其它实施方案如下所述。示例性程序进一步包括从单元选择的油田设备，该单元由以下元件组成：高压泵、低压泵、计量泵、流体分析器件、压力传感器、阀、管、连续油管单元、固体计量器件和/或测井器件。示例性程序进一步包括通过重新安排计划维护事件来调整维护计划。另一示例性实施方案包括用于将调整的维护计划提供到远程输出器件的操作。在某些实施方案中，多变量分析包括马田系统分析和/或多变量统计过程控制分析。
用于提高资产利用率的又一示例性程序包括用于解释对应于许多油田设备单元中每个的状态值的操作，以及用于解释一个或多个油田程序的性能需求的操作。程序包括为油田程序中的每一个从许多油田设备单元选择单元的集合。从许多油田设备单元选择单元的每个集合使得对应于程序的程序成功信心值超过程序的完成保证阈值。响应于状态值和性能需求而确定程序成功信心值。
以下描述用于提高资产利用率的程序的其它示例性操作。示例性程序包括根据包括比较每个单元的标称性能描述与为单元监测的许多操作状态的多变量分析，确定每个状态值。另一示例性程序包括油田设备单元为正排量泵。在另一实施方案中，每个程序的性能需求包括泵送率、在预定压力下的泵送率和/或泵送功率需求。示例性程序包括两个或更多个性能需求，每个性能需求对应于不同的油田程序。
又一示例性实施方案包括响应于确定没有来自许多单元的单元的集合足以提供超过一个或多个油田程序的完成保证阈值的一个或多个油田程序的程序成功值，而提供单元维护命令的操作。另一实施方案包括将单元维护命令提供为对应于一个或多个单元的维护指令。在某些实施方案中，单元维护命令为如下命令：如果被执行，那么使单元的集合可用，从而足以提供超过一个或多个油田程序的完成保证阈值的一个或多个油田程序的程序成功值。在某些其它实施方案中，单元维护命令针对具有不是异常情况值的状态值的单元。
在某些其它实施方案中，程序进一步包括响应于确定没有来自许多单元的单元的集合足以提供超过一个或多个油田程序的完成保证阈值的一个或多个油田程序的程序成功值，而提供设备缺陷描述的操作。
用于执行维护准备步骤的又一示例性程序包括用于解释油田设备单元的标称性能描述的操作，以及用于确定油田设备单元的许多操作状态的操作。程序进一步包括响应于标称描述和操作状态，而执行多变量分析以确定油田设备单元的状态的操作。示例性程序进一步包括响应于单元状态而确定单元的维护需要的操作，以及将单元的维护需要传达到远程位置的操作。程序进一步包括响应于传达而执行维护准备步骤的操作。
在某些实施方案中，传达维护需要，并且当单元状态不异常时执行维护准备步骤。例如，当单元接近最低限度的相容，并且确定随后的程序具有单元变得非相容的很高可能性时，和/或当需要单元的置信水平增加使得随后的程序成功信心值可以增加以实现完成保证阈值时，相容单元还是可以具有传达的维护需要。用于执行维护准备步骤的示例性操作包括排序单元的指定零件、将单元的指定零件提供到单元的未来计划的位置(例如，随后的程序的位置)，和/或将替换单元发送到单元的未来计划的位置。
如从上文呈现的附图和文本明显的，涵盖所呈现的概念的各种实施方案。
实施方案的示例性集合为一种装置，其包括解释油田设备单元的维护计划的油田设备维护模块、解释油田设备单元的标称性能描述的标称性能模块，以及确定油田设备单元的许多当前操作状态的设备监测模块。该装置包括响应于标称性能描述和许多当前操作状态，而使用多变量分析确定油田设备单元的状态的设备状态模块，其中油田设备维护模块响应于油田设备单元的状态而调整油田设备单元的维护计划。
以下描述装置的某些其它示例性实施方案。示例性装置包括油田设备单元，该油田设备单元为高压泵、低压泵、计量泵、流体分析器件、压力传感器、阀、管、连续油管单元、固体计量器件和/或测井器件。示例性装置包括通过重新安排计划维护事件来进一步调整维护计划的油田设备维护模块。示例性装置进一步包括将所调整的维护计划提供到远程输出器件的维护通信模块。在某些实施方案中，多变量分析包括马田系统分析和/或多变量统计过程控制分析。
实施方案的又一示例性集合为一种系统，其包括许多油田设备单元，其中油田设备单元为常见的设备类型。该系统进一步包括控制器，其具有解释对应于油田设备单元中每个的状态值的设备信心模块、解释油田程序的性能需求的作业需求模块，以及响应于油田程序的性能需求和对应于油田设备单元中每个的状态值，而从油田设备单元的总数选择单元的集合，使得程序成功信心值超过完成保证阈值的设备计划模块。
以下描述系统的某些其它示例性实施方案。示例性系统包括根据多变量分析确定的每个状态值，多变量分析包括对于设备单元中的每个，比较对应于设备单元的标称性能描述与为设备单元监测的许多操作状态。在某些实施方案中，设备单元为正排量泵。在某些其它实施方案中，性能需求包括泵送率、在预定压力下的泵送率和/或泵送功率需求。
示例性系统进一步包括为第一油田程序的第一性能需求的性能需求为单元的第一集合的单元的集合、为第一程序信心值的程序成功信心值，以及为第一完成保证值的完成保证值。示例性系统进一步包括进一步解释第二油田程序的第二性能需求的作业需求模块，以及响应于第一性能需求、第二性能需求和对应于油田设备单元中每一个的状态值，而从单元的总数进一步选择单元的第一集合和单元的第二集合的设备计划模块。设备计划模块选择单元的第一集合和单元的第二集合，使得第一程序成功信心值超过第一完成保证阈值并且第二程序成功信心值超过第二程序保证阈值。
在某些实施方案中，系统包括维护推荐模块，其响应于确定没有来自多个单元的单元的集合足以提供超过完成保证阈值的程序成功值，而提供单元维护命令，其中单元维护命令包括对应于单元中的至少一个的维护指令。另一示例性系统包括对应于具有不是异常情况值的状态值的单元中的至少一个的维护指令。又一示例性系统包括设备缺陷模块，其响应于确定没有来自单元的总数的单元的集合足以提供超过完成保证阈值的程序成功值，而提供设备缺陷描述。
实施方案的另一示例性集合为一种用于执行维护准备步骤的方法。示例性方法包括解释油田设备单元的标称性能描述、确定油田设备单元的许多操作状态，以及执行多变量分析以响应于标称描述和操作状态而确定油田设备单元的状态。方法进一步包括响应于单元的状态而确定单元的维护需要、将单元的维护需要传达到远程位置，以及响应于传达而执行维护准备步骤。
用于执行维护准备步骤的示例性操作包括排序单元的指定零件、将单元的指定零件提供到单元的未来计划的位置，和/或将替换单元发送到单元的未来计划的位置。在某些实施方案中，单元的状态不异常。
已参照一些实施方案呈现上述描述。本公开关于的本领域和技术的技术人员将了解，在不有目的地脱离本申请的原理和范围的情况下，可以实行所描述的结构和操作方法的变更和变化。因此，上述描述不应被理解为只关于附图中所描述和所示的精确结构，而应被理解为与以下权利要求书一致并且作为以下权利要求书的支持，权利要求书将具有其最充分和最公平的范围。
在阅读权利要求书时，旨在当使用例如“一个”(a，an)、“至少一个”或“至少一个部分”的词时，不意图将权利要求书只限于一个项目，除非明确指出与权利要求书中相反。当使用语言“至少一部分”和/或“一部分”时，项目可以包括一部分和/或整个项目，除非明确指出相反。
此外，本申请中没有描述应被理解为意味着任何特定的元件、步骤或功能是必须包括在权利要求书范围中的基本元素：专利的主题的范围只由所允许的权利要求书定义。此外，除非出现确切的词“用于......的构件”后跟分词，否则没有呈现的权利要求书意图调用美国法典第35篇第112条的第六段。提交的权利要求书意图尽可能全面，并且没有主题是被有意放弃、专用或遗弃的。

Claims (16)

1.一种装置，其包括：
油田设备维护模块，其被构造成解释油田设备单元的维护计划；
标称性能模块，其被构造成解释所述油田设备单元的标称性能描述；
设备监测模块，其被构造成确定所述油田设备单元的多个当前操作状态；
设备状态模块，其被构造成响应于所述标称性能描述和所述多个当前操作状态，而使用多变量分析确定所述油田设备单元的状态；以及
其中所述油田设备维护模块被进一步构造成响应于所述油田设备单元的所述状态，而调整所述油田设备单元的所述维护计划。
2.如权利要求1所述的装置，其中所述油田设备单元包括选自由以下组成的设备单元的设备单元：高压泵、低压泵、计量泵、流体分析器件、压力传感器、阀、管、连续油管单元、固体计量器件和测井器件。
3.如权利要求1和2中任一项所述的装置，其中所述油田设备维护模块被进一步构造成通过重新安排计划维护事件来调整所述维护计划。
4.如权利要求1至3中任一项所述的装置，其进一步包括被构造成将所述调整的维护计划提供到远程输出器件的维护通信模块。
5.如权利要求1至4中任一项所述的装置，其中所述多变量分析包括马田系统分析和多变量统计过程控制分析中的一个。
6.一种系统，其包括：
多个油田设备单元，所述油田设备单元包括常见的设备类型；
控制器，其包括：
设备信心模块，其被构造成解释对应于所述油田设备单元中每个的状态值；
作业需求模块，其被构造成解释油田程序的性能需求；和
设备计划模块，其被构造成响应于所述油田程序的所述性能需求和对应于所述油田设备单元中每个的所述状态值，而从所述多个油田设备单元选择单元的集合，使得程序成功信心值超过完成保证阈值。
7.如权利要求6所述的系统，其中根据多变量分析确定每个状态值，所述多变量分析包括对于所述设备单元中的每个，比较对应于所述设备单元的标称性能描述与为所述设备单元监测的多个操作状态。
8.如权利要求6和7中任一项所述的系统，其中所述设备单元包括正排量泵。
9.如权利要求8所述的系统，其中所述性能需求包括选自由以下组成的需求的需求：泵送率、在预定压力下的泵送率和泵送功率需求。
10.如权利要求6至9中任一项所述的系统：
其中所述性能需求是第一油田程序的第一性能需求，其中单元的所述集合是单元的第一集合，其中所述程序成功信心值是第一程序信心值，并且其中所述完成保证值是第一完成保证值；以及
其中所述作业需求模块被进一步构造成解释第二油田程序的第二性能需求，并且其中所述设备计划模块被进一步构造成响应于所述第一性能需求、所述第二性能需求和对应于所述油田设备单元中每个的所述状态值，而从所述多个单元选择单元的所述第一集合和单元的第二集合，使得所述第一程序成功信心值超过所述第一完成保证阈值并且第二程序成功信心值超过第二程序保证阈值。
11.如权利要求6至9中任一项所述的系统，其进一步包括维护推荐模块，所述维护推荐模块被构造成响应于确定没有来自所述多个单元的单元的集合足以提供超过所述完成保证阈值的程序成功值，而提供单元维护命令，所述单元维护命令包括对应于所述单元中的至少一个的维护指令。
12.如权利要求11所述的系统，其中所述维护指令对应于具有不是异常状态值的状态值的所述单元中的至少一个。
13.如权利要求6至9中任一项所述的系统，其进一步包括设备缺陷模块，所述设备缺陷模块被构造成响应于确定没有来自所述多个单元的单元的集合足以提供超过所述完成保证阈值的程序成功值，而提供设备缺陷描述。
14.一种方法，其包括：
解释油田设备单元的标称性能描述；
确定所述油田设备单元的多个操作状态；
执行多变量分析以响应于所述标称描述和所述操作状态而确定所述油田设备单元的状态；
响应于所述单元的所述状态而确定所述单元的维护需要；
将所述单元的所述维护需要传达到远程位置；以及
响应于所述传达，执行维护准备步骤。
15.如权利要求14所述的方法，其中执行所述维护准备步骤包括执行选自由以下组成的操作的至少一个操作：排序所述单元的指定零件、将所述单元的指定零件提供到所述单元的未来计划的位置，以及将替换单元发送到所述单元的未来计划的位置。
16.如权利要求14和15中任一项所述的方法，其中所述单元的所述状态不异常。
CN201180032875.4A 2010-06-30 2011-06-30 用于油田设备预测和健康管理的系统、方法和装置 Active CN103025592B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US39875310P 2010-06-30 2010-06-30
US61/398,753 2010-06-30
PCT/IB2011/052894 WO2012001653A2 (en) 2010-06-30 2011-06-30 System, method, and apparatus for oilfield equipment prognostics and health management

Publications (2)

Publication Number Publication Date
CN103025592A true CN103025592A (zh) 2013-04-03
CN103025592B CN103025592B (zh) 2016-08-03

Family

ID=45402492

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180032875.4A Active CN103025592B (zh) 2010-06-30 2011-06-30 用于油田设备预测和健康管理的系统、方法和装置

Country Status (8)

Country Link
US (1) US20150356521A1 (zh)
EP (1) EP2571739A4 (zh)
CN (1) CN103025592B (zh)
CA (1) CA2803114C (zh)
MX (1) MX2013000066A (zh)
RU (2) RU2013103775A (zh)
SG (1) SG186412A1 (zh)
WO (1) WO2012001653A2 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104159245A (zh) * 2014-08-22 2014-11-19 哈尔滨工业大学 面向无线数据传输设备的间接健康因子获得方法
CN107893682A (zh) * 2016-10-03 2018-04-10 通用电气公司 用于检测润滑轴承状态的系统的方法
US10281519B2 (en) 2016-03-23 2019-05-07 Industrial Technology Research Institute Abnormality measuring method and abnormality measuring apparatus
CN110905478A (zh) * 2019-11-07 2020-03-24 中法渤海地质服务有限公司 一种基于箱线图法和马氏平方距离法的钻井数据清洗方法
CN112101458A (zh) * 2020-09-16 2020-12-18 河海大学常州校区 一种基于田口函数-信噪比的特性度量方法和装置
CN113671938A (zh) * 2021-08-20 2021-11-19 内蒙古民族大学 基于融合距离法的列车故障解析方法及系统

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140121973A1 (en) * 2012-10-25 2014-05-01 Schlumberger Technology Corporation Prognostics And Health Management Methods And Apparatus To Predict Health Of Downhole Tools From Surface Check
WO2015195520A1 (en) * 2014-06-16 2015-12-23 Schlumberger Canada Limited Fault detection in electric submersible pumps
US20170226842A1 (en) 2014-08-01 2017-08-10 Schlumberger Technology Corporation Monitoring health of additive systems
US9777723B2 (en) 2015-01-02 2017-10-03 General Electric Company System and method for health management of pumping system
CN105593864B (zh) * 2015-03-24 2020-06-23 埃森哲环球服务有限公司 用于维护设备的分析设备退化
US10657450B2 (en) * 2015-09-30 2020-05-19 Deere & Company Systems and methods for machine diagnostics based on stored machine data and available machine telematic data
NO20151453A1 (en) * 2015-10-26 2017-04-27 Mhwirth As Maintenance system and method for a machine used in drilling operations
CA3012455C (en) * 2016-01-24 2023-01-17 Exciting Technology, Llc System, method, and apparatus for improving oilfield operations
US10584698B2 (en) 2016-04-07 2020-03-10 Schlumberger Technology Corporation Pump assembly health assessment
KR20190141262A (ko) * 2016-04-08 2019-12-23 허스크바르나 에이비 지능형 급수 시스템
US10047741B2 (en) 2016-08-18 2018-08-14 Caterpillar Inc. Monitoring system for fluid pump
KR101863781B1 (ko) * 2016-09-08 2018-06-01 두산중공업 주식회사 로터 진동 이상 감지 장치 및 방법
US10546355B2 (en) 2016-10-20 2020-01-28 International Business Machines Corporation System and tool to configure well settings for hydrocarbon production in mature oil fields
RU183724U1 (ru) * 2017-04-18 2018-10-01 Российская Федерация, От Имени Которой Выступает Министерство Промышленности И Торговли Российской Федерации Устройство мониторинга судового электрооборудования
WO2019074712A2 (en) 2017-10-02 2019-04-18 Schlumberger Technology Corporation CONDITION MONITORING BASED ON PERFORMANCE
MX2020010288A (es) * 2018-03-28 2021-01-20 L&T Tech Services Limited Sistema y procedimiento para supervisar la salud y predecir fallos de una máquina electromecánica.
US10689953B2 (en) 2018-05-22 2020-06-23 Schlumberger Technology Corporation Orientation measurements for rig equipment
US12000261B2 (en) 2019-05-20 2024-06-04 Schlumberger Technology Corporation System and methodology for determining appropriate rate of penetration in downhole applications
US11808097B2 (en) * 2019-05-20 2023-11-07 Schlumberger Technology Corporation Flow rate pressure control during mill-out operations
US11041371B2 (en) 2019-08-27 2021-06-22 Schlumberger Technology Corporation Adaptive probabilistic health management for rig equipment
JP7275023B2 (ja) * 2019-12-27 2023-05-17 富士フイルム株式会社 品質管理装置、品質管理方法、およびプログラム
EP3995919A1 (en) * 2020-11-05 2022-05-11 Hitachi, Ltd. Method and system for diagnosing a machine
US20220350321A1 (en) * 2021-04-29 2022-11-03 Salt & Light Energy Equipment, LLC Maintenance Monitoring System and Method
US20230205168A1 (en) * 2021-12-29 2023-06-29 Performance Multi-Flow Solutions, LLC Methods of Optimizing Pump Performance
WO2024145016A1 (en) * 2022-12-29 2024-07-04 Schlumberger Technology Corporation Planning and deploying multiple assets for projects

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09145404A (ja) * 1995-11-22 1997-06-06 Mitsubishi Chem Corp 設備劣化診断システムにおける情報検出方法
CN2547871Y (zh) * 2002-07-02 2003-04-30 北京长久华银计算机工程公司 油田生产设备无线监控管理系统
US20050262838A1 (en) * 2004-05-21 2005-12-01 Masato Kageyama Hydraulic machine, system for monitoring health of hydraulic machine, and method thereof
CN101594570A (zh) * 2009-07-06 2009-12-02 黑龙江圣亚科技发展有限公司 基于无线通信与传感器组网的智能定位和监控系统及方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3169036B2 (ja) * 1993-06-04 2001-05-21 株式会社日立製作所 プラント監視診断システム、プラント監視診断方法および非破壊検査診断方法
JP3097491B2 (ja) * 1995-04-12 2000-10-10 トヨタ自動車株式会社 排気ガス還流装置の故障診断装置
KR0168815B1 (ko) * 1995-12-14 1999-05-15 한승준 배기 가스 재순환 장치의 검사방법
US6892317B1 (en) * 1999-12-16 2005-05-10 Xerox Corporation Systems and methods for failure prediction, diagnosis and remediation using data acquisition and feedback for a distributed electronic system
US20010034567A1 (en) * 2000-01-20 2001-10-25 Allen Marc L. Remote management of retail petroleum equipment
CA2401707C (en) * 2000-03-02 2009-11-03 Shell Canada Limited Electro-hydraulically pressurized downhole valve actuator
JP2002026874A (ja) * 2000-07-07 2002-01-25 Matsushita Electric Ind Co Ltd 光通信装置
EP1340576A4 (en) * 2000-12-07 2007-12-05 Honda Motor Co Ltd METHOD FOR CONTROLLING ARC WELDING AND ARC WELDING
US6952828B2 (en) * 2001-09-26 2005-10-04 The Boeing Company System, method and computer program product for dynamic resource management
US6896762B2 (en) * 2002-12-18 2005-05-24 Industrial Technology Research Institute Separation method for object and glue membrane
US20050222772A1 (en) * 2003-01-29 2005-10-06 Koederitz William L Oil rig choke control systems and methods
DE102004047241A1 (de) * 2004-09-29 2006-04-06 Abb Patent Gmbh Verfahren und Einrichtung zur Diagnose von innerhalb einer industriellen Anlage angeordneten technischen Geräten
US8366402B2 (en) * 2005-12-20 2013-02-05 Schlumberger Technology Corporation System and method for determining onset of failure modes in a positive displacement pump
US7801707B2 (en) * 2006-08-02 2010-09-21 Schlumberger Technology Corporation Statistical method for analyzing the performance of oilfield equipment
US10410145B2 (en) * 2007-05-15 2019-09-10 Fisher-Rosemount Systems, Inc. Automatic maintenance estimation in a plant environment
US8204697B2 (en) * 2008-04-24 2012-06-19 Baker Hughes Incorporated System and method for health assessment of downhole tools

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09145404A (ja) * 1995-11-22 1997-06-06 Mitsubishi Chem Corp 設備劣化診断システムにおける情報検出方法
CN2547871Y (zh) * 2002-07-02 2003-04-30 北京长久华银计算机工程公司 油田生产设备无线监控管理系统
US20050262838A1 (en) * 2004-05-21 2005-12-01 Masato Kageyama Hydraulic machine, system for monitoring health of hydraulic machine, and method thereof
CN101594570A (zh) * 2009-07-06 2009-12-02 黑龙江圣亚科技发展有限公司 基于无线通信与传感器组网的智能定位和监控系统及方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104159245A (zh) * 2014-08-22 2014-11-19 哈尔滨工业大学 面向无线数据传输设备的间接健康因子获得方法
CN104159245B (zh) * 2014-08-22 2017-08-25 哈尔滨工业大学 面向无线数据传输设备的间接健康因子获得方法
US10281519B2 (en) 2016-03-23 2019-05-07 Industrial Technology Research Institute Abnormality measuring method and abnormality measuring apparatus
CN107893682A (zh) * 2016-10-03 2018-04-10 通用电气公司 用于检测润滑轴承状态的系统的方法
CN107893682B (zh) * 2016-10-03 2022-05-03 通用电气公司 用于检测润滑轴承状态的系统的方法
CN110905478A (zh) * 2019-11-07 2020-03-24 中法渤海地质服务有限公司 一种基于箱线图法和马氏平方距离法的钻井数据清洗方法
CN112101458A (zh) * 2020-09-16 2020-12-18 河海大学常州校区 一种基于田口函数-信噪比的特性度量方法和装置
CN112101458B (zh) * 2020-09-16 2024-04-19 河海大学常州校区 一种基于田口函数-信噪比的特性度量方法和装置
CN113671938A (zh) * 2021-08-20 2021-11-19 内蒙古民族大学 基于融合距离法的列车故障解析方法及系统

Also Published As

Publication number Publication date
CA2803114A1 (en) 2012-01-05
RU2015147471A3 (zh) 2019-06-03
CN103025592B (zh) 2016-08-03
MX2013000066A (es) 2013-02-15
CA2803114C (en) 2016-06-07
WO2012001653A2 (en) 2012-01-05
US20150356521A1 (en) 2015-12-10
RU2013103775A (ru) 2014-08-10
RU2015147471A (ru) 2019-01-11
EP2571739A4 (en) 2015-03-04
RU2729697C2 (ru) 2020-08-11
WO2012001653A3 (en) 2012-04-26
SG186412A1 (en) 2013-01-30
EP2571739A2 (en) 2013-03-27

Similar Documents

Publication Publication Date Title
CN103025592A (zh) 用于油田设备预测和健康管理的系统、方法和装置
CN117010863A (zh) 一种基于物联网技术的市政管网健康度在线监测系统和方法
US6871160B2 (en) Intelligent condition-based engine/equipment management system
US20090037206A1 (en) Method of forecasting maintenance of a machine
US20040049715A1 (en) Computer networked intelligent condition-based engine/equipment management system
KR20170123332A (ko) 데이터 클린징 시스템 및 공급물 조성을 추론하기 위한 방법
CN116539128B (zh) 智慧燃气超声波计量仪表准确度诊断方法及物联网系统
CN108027594A (zh) 用于检测配水系统中的异常的方法
KR20140130540A (ko) 설비들의 그룹의 조건 모니터링을 위한 방법 및 시스템
CN105900022A (zh) 使用概率介质的基于人工智能模型的动态过程控制的方法和系统
CN105987822A (zh) 用于预测装备故障的方法和系统
EP3916505A2 (en) Identification of facility state and operating mode in a particular event context
CN104756029A (zh) 一种监控设备的部件组的系统
Agarwal et al. Machine learning and economic models to enable risk-informed condition based maintenance of a nuclear plant asset
WO2019164915A1 (en) Developing linear process models using reactor kinetic equations
CN112200323A (zh) 评估工业设备和过程的状态
CN118014185A (zh) 一种基于大数据的市政管网健康度在线监测系统
JP6851247B2 (ja) 運用計画立案装置、運用制御システム、および、運用計画立案方法
US11101050B2 (en) Systems and methods to evaluate and reduce outages in power plants
CN117592736A (zh) 一种运维部门用工单紧急智能排序优先级管理系统
CN116955955A (zh) 一种管道缺陷模型预测方法、系统、终端设备及存储介质
CN117472017A (zh) 用于使用机器学习估计风力涡轮机组件的未来故障风险的系统和方法
RU2580786C2 (ru) Способ мониторинга состояния узлов автоматизированных технологических комплексов производств непрерывного типа
US20090199617A1 (en) Apparatus and methods for management of fluid condition
CN118134206B (zh) 一种加氢站安全控制方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant