Modellering av förslitning och degradering av rör inom raffinaderier med hjälp av maskininlärning

Viktiga resultat som projektet gav

Vi nådde inte uppsatt mål om prediktion av rördegradering utifrån råoljematning, främst då merparten av tillgängliga data inte kunde uppvisa tillräcklig förslitning för modelleringssyfte. Projektet blev i stället ett insamlande av erfarenheter som kan vara av betydelse för fortsatt datainsamlande. I förberedande syfte för data från matning av förnybara råvaror kan detta arbete ses som ett nödvändigt första steg.

Långsiktiga effekter som förväntas

Vi lyckades inte utveckla modeller som utifrån given råoljematning med säkerhet kan prediktera rördegradering. I stort beror det på avsaknad av förslitning där sensorer placerats. Dock finns ett undantag i en sensor tydlig förslitning i en specifik sensor, men troligtvis dominerar en annan ej analyserad faktor orsaken bakom detta. Det gör att koppling mellan matning för specifika råoljetyper och förslitningen blir osäker, och därmed blir prediktionsförmågan låg.

Upplägg och genomförande

I projektet har FCC analyserat mätningar av rörtjocklek från Preem inhämtade under de senaste 3 åren. Dock gör den övergripande avsaknaden av märkbar förslitning att träffsäker modellering blir nästintill omöjlig, och i det enda observerade förslitningsfallet går det inte att med säkerhet koppla råoljematning till slitage. Ett önskvärt upplägg kan istället vara att ha en mer kontinuerlig iteration mellan insamling och analys, för förbättring av datakvalitet direkt i insamlingen men med utgångspunkt i modelleringen.