Woodside冥王星液化天然气
澳大利亚石油和天然气生产商伍德赛德(Woodside)正在收集其整个组织收集的大量数据，以确定如何将人们从危险环境中转移出来。
在几年前宣布了收集数据的计划之后，Woodside的技术副总裁Jason Crusan分享了一些使用这些数据的例子。
“我们现在正在经历的旅程是增加我们从物联网(IoT)传感器和机器人获取的整体数据，然后更广泛地使用分析人工智能和机器学习来优化……鲁滨逊上个月在拉斯维加斯AWS re:发明家大会上解释道。
“最终，甚至部署机器人到现场不仅仅是为了监控，而是为了实际操作……在安全情况或危险环境下，能够让机器人进行操纵或某种程序，而不是把人置于危险之中。”
虽然伍德赛德公司还在早期部署新的传感器套件，但克鲁曼说，通过机器人移动平台获取传感器数据的能力提高了操作员的整体安全性。
“我们的员工在高温下工作——环境温度超过40摄氏度——当然在某些情况下，在工厂里，甚至高于这个温度。它将他们从高温、高压力的环境中转移出来，让机器人远程测量。”他告诉ZDNet。
“因为我为什么要把一个人送到那样恶劣的环境中去做测量呢?”让传感器或机器人来进行测量，然后让坐在控制器后面的人……做出更明智的决定。”
Crusan分享的另一个例子是关于工厂检查的。机器人技术可以实现持续的主动监控，而不是关闭工厂的某些部分。
他解释说:“我们可以把机器人送到这些严酷的环境中，高温、高噪音、高振动、电击……我们可以获得更多的数据，而不必等到维修窗口。”
“这本质上提高了整体的安全态势，因为我们可以获得更多的数据，能够做出更好的决定，这就增加了我们的安全。一开始很难量化这一点，但如果你能随时监控每一件设备，本质上你就能达到更高的安全状态。”
类似地，通过使用诸如照相机之类的传感器，Woodside正在使用机器学习来监控设备。
“我们有很多旋转设备,它消耗石油随着时间的推移,我们有石油坐在石油网站规,所以通常我们运营商必须走出去,看看多少油消耗随着时间…然后可以计算出它的消费速度,”他说。
“机器学习的用途是获取光学图像，进行测量，基本上把图像转换成数据，作为我们系统中的另一个电子标签。”
伍德赛德还将自动化引入了交接班过程，利用从上一个班次收集的数据生成的报告，让下一个班次的操作员深入了解发生了什么。
随着传统系统被传感器设备取代，Crusan说Woodside已经采用了edge和on-premises计算以及云的混合。
“它不是万能的，我们做得很好的就是利用了所有的能力。随着时间的推移，它已经迁移了越来越多的云，因为这是合乎逻辑的路径，但它是一个我们操作的混合环境，”Crusan告诉ZDNet。
他说:“我们希望尽可能收集有关核电站的每一个数据点，这在过去不是一件经济的事情。通过云计算和大规模数据存储，我们基本上可以获取和存储无限多的数据。
“然后你可以把它放在一个强大的环境中，让我们所有的员工都能以真正的数据湖方式访问它。”
