MOL: Folyamatoptimalizálás gépi tanulással

A MOL Dunai Finomító működése során percenként közel százezer adatpontot rögzítenek. Az Azure Machine Learning felhőszolgáltatásban futó gépi tanulási algoritmusok segítenek ezekből üzletileg értékes következtetéseket levonni.

1965-ben kezdte meg működését Százhalombattán a MOL Dunai Finomító, amely 8,1 millió tonnás évi kapacitásával a kelet-közép európai régió legnagyobb kőolajfeldolgozóinak egyike. Az üzemben a Microsoft fejlett analitikai megoldásai segítségével vizsgálták meg, hogyan tudják optimalizálni a termelési folyamatokat, hogy növeljék az üzem hatékonyságát és meghosszabbítsák a feldolgozáshoz használt berendezések élettartamát.

danube_2

Az üzleti probléma

Egy kőolajfinomítóban rendkívül összetett folyamatok eredményeként állnak elő a végtermékek: üzemanyagok (gázolaj, benzin, kerozin, LPG), aromás végtermékek, bázis olajok és paraffinok. A cél az alapanyagok leghatékonyabb felhasználása, illetve a finomítás során a kevéssé értékes koksz mennyiségének csökkentése. Ennek érdekében a MOL Dunai Finomítóban egy késleltetett kokszolóüzem is működik, ahol a korábbi finomítási folyamatok során keletkezett maradékolajok további feldolgozásával állítanak elő értékes termékeket.

A késleltetett kokszolás folyamatát alapvetően meghatározza a felhasznált alapanyagok összetétele. A MOL Dunai Finomító szakemberei számára komoly kihívást jelentett annak meghatározása, hogy kokszolás során történő gőzkitörések (kokszrobbanások) elkerüléséhez milyen összetételű alapanyagokat kell a kokszolóba juttatni. A robbanások esetén felszabaduló koksz ugyanis bejuthat a finomítási folyamat további fázisaiba, ilyenkor pedig a folyamatot le kell állítani, amíg a kokszot kitakarítják az eszközökből. Emellett a kokszrobbanás a kokszoló szerkezetét is károsíthatja, nem beszélve a járulékos károkról, amelyeket a robbanással járó fizikai hatás a több emelet magas épület további berendezéseiben (pl. lépcsők, liftek) okozhat.

A termelési folyamat során rengeteg adat keletkezik a MOL Dunai Finomítóban, csak a késleltetett kokszolónak ezernél is több szenzora van.  A MOL csapata olyan megoldást keresett, amely a nagy mennyiségű szenzoradatból hasznosítható üzleti információt tud előállítani.  „A rendelkezésre álló adatok elemzésével próbáljuk megtalálni a helyes alapanyag-összetételt, valamint azt az időt, amennyit az alapanyagnak a késleltetett kokszolóban kell töltenie ahhoz, hogy a folyamat optimális legyen” – mondta Komróczki Tibor, a MOL folyamatinformációért és -automatizációért felelős vezetője. „A cél, hogy a lehető legnagyobb értékű legyen a végtermék, miközben a kokszrobbanások számát és hatását minimalizálni  tudjuk.”

A megoldás: Microsoft Azure Machine Learning

A választás alapos piaci kitekintés után a Microsoft Azure felhőszolgáltatásban elérhető Machine Learning megoldásra esett. A Microsoft Magyarország Services üzletágának bevonásával megvalósított pilot projekt célja annak a megvizsgálása volt, miképp tudják a modern adatelemzési eszközök egy olajpari folyamat optimalizálását támogatni, szolgáltatnak-e valóban értékes információkat.

A megvalósíthatóságot vizsgáló projekthez nagyon jól illeszkedett az Azure Machine Learning, mivel szolgáltatásként érhető el a Microsoft felhőjéből, használatarányos díjfizetés mellett. Így a MOL-nál egyáltalán nem volt szükség informatikai beruházásokra, a szervezet minimális kockázat mellett, gyorsan tudott tapasztalatokat szerezni a fejlett analitikai eszközökkel. A felhőben futó gépi tanulási algoritmusokat a MOL Dunai Finomító csapata több évnyi historikus adattal kondicionálta.

danube_6

Komróczki Tibor szerint az Azure Machine Learning legvonzóbb tulajdonsága, hogy a nem informatikus szakemberek is tudják használni. A MOL szakértői csapata ugyan informatikusokat is tartalmaz, de a folyamatinformációért és -automatizációval foglalkozó szakembergárda villamosmérnökökből, vegyészmérnökökkől, olajipari szakemberekből áll elsősorban. Az Azure Machine Learning az ő számukra is elérhető, nem szükséges a használatához szoftverfejlesztői képzettség, kódírási tapasztalat.

„A gépi tanulási technológiák komoly tudást és előképzettséget igényelnek, a Microsoft fő előnye ezen a területen a felhasználóbarát felület, amely széleskörben elérhetővé teszi a Machine Learning technológiákat” – mondja Percze Dániel, a MOL Group informatikai csoportjának BI és Big Data vezetője. „Az Azure Machine Learning az egyik legkönnyebben használható és oktatható eszköz, amely segítségével alacsony rizikóval és befektetéssel el tud kezdődni a fejlett analitika alkalmazása, így IT szempontból is stratégiai fontosságú volt a projekt.”

Fejlett analitika, nem csak adattudósoknak

„A fejlett analitikai eszközök gyakran nyílt forrású technológiákra alapoznak, mint amilyen a Python vagy az R, ami lehetővé teszi a szabad használatot” – teszi hozzá Ott Károly, a MOL Group informatikai csoportjának BI és Big Data szakértője. „Ezek a scriptnyelvek az adattudósok és szakértők kezében hatékonyan működnek, de az üzleti felhasználók elvárják az érthető felületeket, a könnyen kezelhető grafikus interfészeket. Az Azure Machine Learning pont ezt biztosítja.”

A Microsoft megoldása mellett szólt még, hogy egy nyitott eszközt ad a felhasználók kezébe, ahol a modell megismerhető és továbbfejleszthető, szemben a „fekete doboz” elven működő megoldásokkal, ahol a lefejlesztett algoritmusokat megismerni és módosítani sem lehetséges.

Az első tapasztalatok alapján a Microsoft Azure Machine Learning jól vizsgázott a MOL Dunai Finomítóban. A gépi tanulási algoritmusok számos hipotézist megerősítettek azzal kapcsolatban, mi az optimális alapanyag-összetétel, illetve a kokszolóban eltöltött idő – Ott Károly szerint ez annak a bizonyítéka, hogy a módszer működik. A Machine Learning segítségével azt is ki tudta mutatni a MOL Dunai Finomító csapata, mely paramétereknek van érzékelhető hatása a folyamatra.

„A Microsoft Azure Machine Learning megértése és megtanulása lehetővé teszi számunkra, hogy más üzleti problémákra is alkalmazzuk ezeket a fejlett elemzési módszereket” – magyarázza Komróczki Tibor. A MOL Dunai Finomítóban a gyártóiparban széles körben elterjedt OSIsoft PI folyamatinformációs szoftvert alkalmazzák. „A külföldi tapasztalatok alapján azt láttuk, a Microsoft megoldása könnyen összehangolható az OSIsoft PI-vel, a két rendszer jól működik együtt” – folytatja Komróczki Tibor. A MOL célja egy olyan, átfogó adatelemzési rendszert bevezetni, ami képes az OSIsoft PI rendszerből származó információkra alapozva egyéb vizsgálatokat elvégezni, a finomítói rendszerek és folyamatos statisztikai összefüggéseit feltérképezni.

Az algoritmusok őrzik a tapasztalatot

A MOL Dunai Finomító működése során hatalmas mennyiségű információt termel – Ott Károly szerint ezekből az adatokból a termelés szinte minden folyamatára nézve hasznos információt lehet kinyerni. „A tárolt adatokban benne van munkatársaink sok éves tudása és tapasztalata. Az Azure Machine Learning segítségével ezeket össze tudjuk gyűjteni és rendszerezni tudjuk, hogy a tapasztalat ne vesszen el.”

„A terveink között szerepel a felhasználók továbbképzése a gépi tanulási algoritmusok és az Azure Machine Learning területén a projekt következő fázisában, hogy tapasztalatot szerezzenek a modellek felépítésében és adataik elemzésében” – fejtette ki Percze Dániel. „Szeretnénk az üzleti felhasználók számára olyan fejlett analitikai eszközöket biztosítani, amelyek segítségével képessé válnak a finomítói adatok mélyebb elemzésére, az eredmények kiértékelésére, s ezek felhasználásával a gyártási folyamatok optimalizációjára.”

Vélemény, hozzászólás?

Az email címet nem tesszük közzé. A kötelező mezőket * karakterrel jelöljük.