Studiu de caz
Detecția scăpărilor pe conducte cu AI
Implementăm detecție timpurie a scăpărilor și micro-pierderilor în rețele de conducte prin corelarea multi-senzor (presiune, debit, temperatură, vibrații) și modele AI cu învățare continuă. Rezultatul: timp de detecție sub 15 minute, localizare pe segmente, recomandări de izolare și plan de intervenție pentru echipele din teren.
Arhitectură & integrare date
Am implementat un pipeline unificat care captează fluxuri în timp real din SCADA și IIoT, aliniază ceasurile (NTP/PTP), normalizează unitățile, aplică resampling și scrie într-un data lake cu schemă tipărită (schema-on-write) pentru trasabilitate. Un serviciu de orchestrare rulează inferența în ferestre de 1–5 minute, publicând scoruri și alerte către tablouri și notificări.
- Sincronizare temporală: corecții drift ceas, gap filling controlat
- Filtrare: median/Butterworth pentru zgomot, eliminare spikes
- Standardizare: conversie bar↔psi, °C↔°F, debite, densități
- Metadate: topologia rețelei, poziția supapelor, by-pass-uri active
Metodologie de detecție
Detecția combină un set de reguli fizice (bilanț masic, relații presiune–debit), modele statistice (changepoint, CUSUM, BVAR) și modele ML (autoencodere, păduri de izolare) pentru robustețe la variații operaționale.
- Bilanț masic local: diferențe de debit între două noduri consecutive.
- Changepoint pe serii de presiune: detectarea ruperilor de regim.
- Reconstrucție autoencoder: eroare mare ⇒ comportament atipic multi-senzor.
- Confirmare multi-sursă: semnătură consistentă între presiune, debit, temperatură.
- Scor compozit: ponderare dinamică în funcție de stare (pompare/no-flow/maintenance).
Localizare & prioritarizare
Pentru localizare, sistemul triangulează între noduri: o depresurizare progresivă corelată cu deficitul de debit indică segmentul probabil. Se adaugă context: poziția supapelor, by-pass-uri, intervenții în curs, lucrări programate. Fiecărei alerte îi atașăm un „leak card”:
- Segment/rută, distanță estimată și încredere
- Debit pierdut estimat (interval) + trend
- Recomandări: izolare, inspecție, test presiune
- HSE: zone sensibile, proximitate față de așezări
Validare, calibrare și reducerea fals-pozitivelor
Am rulat o fază de calibrare de 30 zile cu etichetare de către dispeceri și echipe OT. Am introdus histerezis pe praguri și o fereastră de cool-down după comenzi SCADA (porni/opri pompe), reducând confuzia dintre schimbări controlate și scăpări reale.
- FPR inițial 6.8% → 2.1% după calibrare
- Detecție mediană 11’ (P95: 18’)
- Corecții topologice pentru by-pass-uri neraportate
Exploatare & alerte
Alertele se emit pe canalele agreate (tablou operațional, email, Slack/Teams) cu severitate, segment și checklist de acțiuni. Pentru evenimente critice se inițiază automat un incident ticket cu escaladare după SLA.
Impact & ROI
- Reducere pierderi estimate cu 38% în primele 60 de zile
- Scădere timp mediu de izolare cu ~42%
- Reducere deplasări neproductive, optimizare stoc piese și material absorbant
- Raportare ESG/MRV cu trasabilitate evenimente și măsuri
Guvernanță, securitate și conformitate
Implementare RBAC/ABAC, criptare în tranzit și la repaus, jurnalizare extinsă. Toate deciziile modelelor sunt explicabile (semnături, praguri, contribuții senzori).
Lecții învățate
- Calitatea și sincronizarea ceasurilor influențează puternic rata de detecție.
- Contextul operațional (comenzi SCADA) trebuie să tempereze scorurile AI.
- O topologie actualizată în timp real reduce „falsurile structurale”.
Pași următori
- Extindere pe toate ramurile secundare și puncte de măsură mobile
- Integrare cu simulatoare hidraulice pentru what-if și teste de presiune virtuale
- Estimare RUL pentru segmente cu risc crescut (corodare, oboseală)
FAQ
Se poate folosi fără contoare pe toate segmentele? Da, folosim combinații presiune–debit și profiluri istorice; precizia localizării crește pe măsură ce crește densitatea de senzori.
Necesită internet? Nu neapărat. Poate rula on-prem în rețeaua OT cu replicare selectivă spre cloud pentru analize avansate.
Dashboard (exemplu)
