Artificial Intelligence (AI) di sektor energi terbukti memiliki peran yang signifikan. Salah satu contoh penerapan AI yang sukses datang dari perusahaan migas terintegrasi yang berbasis di Malaysia, Petroliam Nasional Berhad (Petronas).
Manfaatkan solusi Predictive Analytics dan Asset Performance Management (APM) AVEVA, Petronas) dapat menghemat biaya operasional hingga US$17,4 juta.
Memproduksi 2,4 juta barel minyak setiap hari, perusahaan multinasional minyak dan gas terintegrasi berbasis di Malaysia ini menyadari pentingnya menjaga stabilitas di lokasi produksi (plant) terutama dalam rangka mencapai tujuan keberlanjutan (sustainability), yaitu emisi nol karbon bersih pada tahun 2050.
Untuk mencapai hal itu, divisi teknik Petronas harus mengoptimalkan kinerja peralatan, terutama untuk meningkatkan keandalan plant dan mengurangi downtime. Hal inilah yang membawa Petronas mengadopsi solusi Asset Performance Management dan Predictive Analytics dari AVEVA.
Baca juga: Schlumberger & AVEVA Satukan Keunggulan, Dorong Efisiensi Produksi Migas
Salim Sumormo, Custodian (Rotating Equipment), Petronas menjelaskan, selama bertahun-tahun, perusahaan menggunakan Sistem PI dari OSIsoft milik AVEVA sebagai platform data standar. Dan Petronas ingin menambah nilai dari data yang telah dikumpulkan untuk mengoptimalkan operasi pabrik di seluruh bisnisnya.
“Kami memilih AVEVA Predictive Analytics berbasis cloud bukan hanya karena kemampuannya untuk memprediksi kegagalan peralatan secara akurat sebelumnya, tetapi juga karena mudah diintegrasikan dengan Sistem PI dan karena tampilan dan nuansa intuitifnya yang membantu tim kami mendapatkan kecepatan,” ucap Salim tentang alasan Petronas memilih solusi AVEVA.
Sistem PI mengumpulkan dan menyusun data ini untuk historisitas dan analisis. Data tersebut digunakan oleh model AVEVA Predictive Analytics berbasis Artificial Intelligence (AI) untuk menyoroti setiap anomali, tren, potensi insiden atau kegagalan, dan memungkinkan tim untuk melakukan peningkatan sesuai kebutuhan.
Data yang dikumpulkan oleh sensor dalam instrumentasi dan peralatan menunjukkan dengan tepat penyimpangan terkecil dalam apa yang telah dilatih AI oleh perangkat lunak untuk dianggap sebagai 'perilaku baik yang diketahui'.
Baca juga: Akamai: Zero Trust, Model Perlindungan Bagi Bisnis di Era Kerja Hybrid
Langkah ini lebih efektif daripada menetapkan ambang batas tinggi dan rendah yang memicu alarm ketika tercapai, karena pada saat itu, operasi mungkin telah lepas kendali. Solusi AVEVA Predictive Analytics dari Petronas menemukan masalah saat masalah tersebut tumbuh jauh dari 'perilaku baik yang diketahui' sebelum mengarah pada kegagalan besar.
Di tahun pertama implementasi, tahun 2020, dengan 200 model yang di-deploy, solusi ini secara akurat berhasil mengidentifikasi 51 peringatan dini, dan 12 di antaranya dianggap berisiko tinggi. Jika dikalkulasi, keberhasilan mencegah downtime tersebut benilai 73,1 juta ringgit, atau setara dengan penghematan senilai US$17,4 juta dan ROI 14 kali lipat.
| Penulis | : | Liana Threestayanti |
| Editor | : | Liana Threestayanti |
KOMENTAR