Comment le Big Data peut éliminer les risques liés à l'entretien des gazoducs

Avenir de l’IT : Tous les gazoducs ne peuvent pas être nettoyés par des pistons racleurs, mais les données de capteurs peuvent fournir des quantités d’informations vitales. Voici comment l’entretien des gazoducs est en passe d’être révolutionné.

Environ un tiers des gazoducs dans le monde peuvent être inspectés à l’aide de pistons racleurs. Ces appareils cylindriques sont apparus à l’écran dans trois James Bond, dont une fois dans une version modifiée pour faire sortir une personne d’un pays en toute discrétion.

 

Seule une minorité de canalisations à travers le monde peuvent être nettoyées avec des racleurs tels que celui-ci. Image : Getty Images/iStockphoto

Pour revenir à la réalité, le problème est que les deux autres tiers des gazoducs mondiaux ne peuvent pas être inspectés par ces appareils, si bien que leur entretien doit reposer sur la durée de vie théorique calculée des composants de la canalisation.

À l’origine, ces racleurs intégraient de simples brosses en acier pour nettoyer l’intérieur des canalisations. Aujourd’hui, ils peuvent également être truffés de capteurs pour mesurer l’état et la condition de la canalisation. Entre autres choses, ils peuvent mesurer l’épaisseur de la paroi d’une canalisation pour contrôler quand cette dernière a besoin d’un entretien pour cause de corrosion.

Plusieurs téraoctets de données

Sans ces capteurs, les exploitants des canalisations doivent se livrer à des calculs très prudents pour que les structures restent sûres et opérationnelles. Cette approche entraîne un entretien inutilement fréquent, et donc des coûts inutilement élevés pour l’exploitant.

Une meilleure approche pourrait être d’utiliser des programmes de maintenance prédictive utilisant l’apprentissage automatique et le big data collecté dans les canalisations qui peuvent être mesurées avec les racleurs. C’est du moins l’idée de spécialistes de la société norvégienne DNV GL Software, division dédiée aux logiciels qui est née de la fusion entre Det Norske Veritas et Germanischer Lloyd en 2013.

Un racleur équipé de capteurs peut générer de grandes quantités de données. “Les racleurs qui mesurent l’épaisseur des parois des canalisations sont de deux types : l’un se déplace dans la canalisation et utilise des ultrasons pour effectuer les mesures à intervalles réguliers, l’autre repose sur le magnétisme et mesure de façon plus continue. Cela génère de grandes quantités de données. Nous parlons ici de plusieurs téraoctets”, précise Jo Øvstaas, responsable de la conception et de l’ingénierie à DNV GL Software, à ZDNet.

Modéliser la corrosion

Pour modéliser la corrosion, l’épaisseur de la paroi de la canalisation proprement dite est un point de données crucial, mais il existe également plusieurs autres sources de données pertinentes.

“Nous combinons les données des racleurs avec les données relatives au sol, notamment les valeurs du pH aux endroits où la canalisation repose au sol, car cette information est pertinente pour déterminer la corrosion. Nous avons les données des stations météorologiques environnantes et d’autres informations dont nous savons qu’elles ont un lien avec la corrosion d’une manière ou d’une autre”, explique Jo Øvstaas.

Les spécialistes de DNV GL Software ont décelé le potentiel des données qu’ils avaient à leur disposition sur les canalisations et ont lancé une étude pour déterminer comment ils pouvaient les utiliser de manière concrète. La maintenance prédictive basée sur l’apprentissage automatique est vite devenue une opportunité attractive, indique Jo Øvstaas.

Commercialisation avant la fin de l’année

“Il y a encore quelques années, l’apprentissage automatique demandait des compétences très approfondies en analyse des données et du matériel dédié. Il fallait également bien connaître les statistiques et les calculs de probabilité. Aujourd’hui, les technologies ont gagné en maturité et il existe des outils spécialisés pour cela” explique-t-il.

DNV GL a organisé un hackathon sur cinq jours avec ces outils et ces données et a été surpris de voir à quel point les logiciels disponibles étaient devenus efficaces. “Nous en sommes arrivés là parce que nous avons un très bon algorithme qui cible très bien des données mesurées concrètes. Il a un taux de réussite élevé”, se félicite Jo Øvstaas.

Il reste du travail à faire pour commercialiser cette technologie. DNV GL s’est concentré sur l’aspect technologique. La véritable valeur économique, telle que la réduction des coûts pour les exploitants des canalisations, par exemple, n’a pas encore été calculée. Toutefois, l’entreprise n’a aucun doute quant au potentiel de cette technologie. Tormod Svensen, directeur de la transformation numérique de DNV GL, confie que l’entreprise travaille déjà avec certains clients sur le nouveau produit. “Nous commercialiserons cette technologie avant la fin de l’année”, prévoit-il.

  • Big Data et analyses IoT : les passerelles sont jetées
  • Place de la Nation (Paris) : l’IoT et le Big Data au service de l’urbanisme
  • Vidéo, Les RDV de l’IT – Big Data et IoT : du remue-ménage dans l’infrastructure ?
  • Big data : quel intérêt pour l’analyse prédictive ?
  • Big data : un marché mondial en pleine éclosion

Comment le Big Data peut éliminer les risques liés à l'entretien des gazoducs

Source : L’article << Comment le Big Data peut éliminer les risques liés à l'entretien des gazoducs >> est extrait de ZDNet

Une sélection d'articles qui pourraient vous intéresser ...

rester-informer
Ne manquez plus rien!
Abonnez-vous dès maintenant aux infos de SOSVirus et recevez chaque mois, le meilleur de la sécurité informatique : news, tutos, hacking, alerte ransomware, spam alerte ...

Par | 2017-05-22T16:05:01+00:00 mai 22nd, 2017|Actualité|0 commentaire

Laisser un commentaire