DED สนับสนุนการวิจัยและพัฒนาวัสดุในอุตสาหกรรมน้ำมันและก๊าซอย่างไร?

เหตุใดการเปลี่ยนผ่านสู่ดิจิทัลจึงเป็นหัวใจสำคัญของการดำเนินงานอุตสาหกรรมน้ำมันและก๊าซในยุคปัจจุบัน
อุตสาหกรรมน้ำมันและก๊าซกำลังเผชิญแรงกดดันอย่างมากในการปรับปรุงประสิทธิภาพการดำเนินงาน โดยอุตสาหกรรมนี้ต้องรับมือกับภาวะตลาดที่ผันผวน ข้อบังคับด้านสิ่งแวดล้อมที่เข้มงวดยิ่งขึ้น และโครงสร้างพื้นฐานที่เสื่อมสภาพลง วิธีการแบบดั้งเดิมที่อาศัยการตรวจสอบด้วยตนเองซึ่งใช้เวลานานและระบบจัดเก็บข้อมูลที่กระจัดกระจายไม่สามารถตอบสนองความคล่องตัวที่จำเป็นต่อการดำเนินงานในตลาดพลังงานสมัยใหม่ได้ บริษัทน้ำมันและก๊าซ 70% ระบุว่า เพื่อรักษาความสามารถในการแข่งขัน พวกเขาจำเป็นต้องปรับเปลี่ยนการดำเนินงานผ่านเทคโนโลยีดิจิทัล (Accenture) เทคโนโลยีเหล่านี้สนับสนุนการบำรุงรักษาเชิงคาดการณ์สำหรับทรัพย์สินที่ตั้งอยู่ห่างไกล รวมทั้งสามารถตรวจสอบสถานการณ์แบบเรียลไทม์และมีข้อมูลรองรับการตัดสินใจในทุกจุดของกระบวนการดำเนินงาน ทั้งในส่วนต้นน้ำ (upstream) กลางน้ำ (midstream) และปลายน้ำ (downstream)

นอกเหนือจากข้อดีด้านประสิทธิภาพแล้ว เทคโนโลยีดิจิทัลยังสนับสนุนบริษัทในการจัดการและปรับปรุงสถานะของตนเกี่ยวกับความเสี่ยงจากการดำเนินงาน รวมทั้งเพิ่มความปลอดภัยในการปฏิบัติงานอีกด้วย วิธีการแบบดั้งเดิมไม่สามารถแจ้งเตือนล่วงหน้าเกี่ยวกับความล้มเหลวของอุปกรณ์หรือความผิดปกติอื่น ๆ ในการดำเนินงาน ทำให้เกิดเหตุการณ์ร้ายแรงจนถึงขั้นสูญเสียชีวิตได้แน่นอน เทคโนโลยีดิจิทัลให้คำเตือนล่วงหน้าว่าจำเป็นต้องดำเนินการแทรกแซง แมคคินซีย์ประเมินว่า การเปลี่ยนผ่านหรือการนำเทคโนโลยีดิจิทัลมาใช้จะช่วยลดค่าใช้จ่ายในการดำเนินงานลง 15 ถึง 20% ผ่านการเพิ่มประสิทธิภาพและลดเวลาหยุดทำงาน เนื่องจากการเปลี่ยนแปลงที่จำเป็นต่อการดำเนินธุรกิจในตลาด ทำให้เทคโนโลยีดิจิทัลเปลี่ยนสถานะจากเครื่องมือหนึ่งที่ใช้เพื่อยกระดับบริษัท ไปสู่สิ่งที่จำเป็นต้องมีเพื่อให้บรรลุความยืดหยุ่นในการดำเนินงานและความยั่งยืนโดยรวมของบริษัท

เทคโนโลยีดิจิทัลหลักที่กำลังเปลี่ยนแปลงภาคปิโตรเลียมและก๊าซ

ปัญญาประดิษฐ์เพื่อปรับปรุงกระบวนการบำรุงรักษาเชิงพยากรณ์สำหรับสินทรัพย์ในภาคต้น (Upstream Assets)

ปัญญาประดิษฐ์ (Artificial Intelligence) เป็นปัจจัยเปลี่ยนเกมในภาคอุตสาหกรรมน้ำมันและก๊าซ โดยช่วยปรับปรุงประสิทธิภาพการดำเนินงาน ทั้งในด้านการบำรุงรักษาเชิงพยากรณ์ (Predictive Maintenance) ของสินทรัพย์ฝั่งต้นน้ำ (Upstream Assets) และสินทรัพย์อื่นๆ ที่เกี่ยวข้อง ทั้งนี้ ก่อนหน้าที่จะมีการนำเทคโนโลยีปัญญาประดิษฐ์มาใช้ การบำรุงรักษาสินทรัพย์ฝั่งต้นน้ำและสินทรัพย์อื่นๆ มักประสบปัญหาเวลาหยุดทำงาน (downtime) สูงอย่างต่อเนื่อง ปัจจุบัน ระบบการเรียนรู้ของเครื่อง (ML) สามารถวิเคราะห์ข้อมูลได้อย่างแม่นยำ และระบุประเด็นต่างๆ ที่เกี่ยวข้องกับการบำรุงรักษาเชิงพยากรณ์ของสินทรัพย์ฝั่งต้นน้ำ ซึ่งช่วยลดค่าใช้จ่ายทั้งด้านการเรียนรู้ของเครื่องและการบำรุงรักษา ตัวอย่างเฉพาะนี้ช่วยรักษาระยะเวลาในการทำงานต่อเนื่อง (runtime) ลองจินตนาการว่า หากมีหลายสิ่งหลายอย่างที่สามารถรักษาระยะเวลาในการทำงานต่อเนื่องได้ ระบบที่กล่าวมานี้ไม่เพียงแต่รักษาระยะเวลาในการทำงานต่อเนื่องเท่านั้น แต่ยังสามารถตรวจจับและลดผลกระทบจากปัญหาที่อาจเกิดขึ้นได้ทั้งในสภาพแวดล้อมแนวตั้ง (vertical) และสภาพแวดล้อมนอกชายฝั่ง (offshore)

การใช้เซ็นเซอร์ IIoT แบบเรียลไทม์ในการบำรุงรักษาการดำเนินงานฝั่งกลาง (Midstream Operations)

IIoT สร้างระบบนิเวศการตรวจสอบที่ครอบคลุมทั้งส่วนแนวตั้ง (Vertical) และส่วนแนวนอน (Horizontal) การตรวจสอบแบบเรียลไทม์ด้วย IIoT สร้างระบบนิเวศการตรวจสอบแบบไร้สายจำนวนนับพันระบบ ที่ครอบคลุมทั้งส่วนแนวตั้ง (Vertical) และส่วนแนวนอน (Horizontal) เพื่อวัดค่าทั้งส่วนแนวตั้ง (Vertical) และส่วนแนวนอน (Horizontal) เพื่อวัดค่าทั้งส่วนแนวตั้ง (Vertical) และส่วนแนวนอน (Horizontal) เพื่อวัดค่าทั้งส่วนแนวตั้ง (Vertical) และส่วนแนวนอน (Horizontal) เพื่อวัดค่าทั้งส่วนแนวตั้ง (Vertical) และส่วนแนวนอน (Horizontal) เพื่อวัดค่าทั้งส่วนแนวตั้ง (Vertical) และส่วนแนวนอน (Horizontal) เพื่อวัดค่าทั้งส่วนแนวตั้ง (Vertical) และส่วนแนวนอน (Horizontal) เพื่อวัดค่าทั้งส่วนแนวตั้ง (Vertical) และส่วนแนวนอน (Horizontal) การผสานรวมส่วนกลาง (Midstream) ช่วยให้สามารถดำเนินการบำรุงรักษาเชิงคาดการณ์ (Predictive Maintenance) สำหรับสินทรัพย์ในส่วนต้นน้ำ (Upstream Assets) ได้ รวมทั้งปรับปรุงประสิทธิภาพของการบำรุงรักษาเชิงคาดการณ์สำหรับสินทรัพย์ในส่วนต้นน้ำ (Upstream Assets) การผสานรวมส่วนกลาง (Midstream) ช่วยให้สามารถดำเนินการบำรุงรักษาเชิงคาดการณ์ (Predictive Maintenance) สำหรับสินทรัพย์ในส่วนต้นน้ำ (Upstream Assets) ได้ รวมทั้งการบำรุงรักษาเชิงคาดการณ์ (Predictive Maintenance) สำหรับสินทรัพย์ในส่วนต้นน้ำ (Upstream Assets) สำหรับสินทรัพย์ในส่วนต้นน้ำ (Upstream Assets) และการบำรุงรักษาเชิงคาดการณ์ (Predictive Maintenance) สำหรับสินทรัพย์ในส่วนต้นน้ำ (Upstream Assets) สำหรับสินทรัพย์ในส่วนต้นน้ำ (Upstream Assets)

การผสานรวมข้อมูลแบบคลาวด์เพื่อเพิ่มประสิทธิภาพการดำเนินงานในขั้นตอนปลายน้ำ

เทคโนโลยีคลาวด์ผสานรวมข้อมูลที่เคยแยกกันไว้จากโรงกลั่น ตั้งแต่การวัดปิโตรเลียมดิบไปจนถึงคอลัมน์กลั่น ไว้ในแพลตฟอร์มวิเคราะห์ข้อมูลเดียว กระบวนการทำงานบนคลาวด์ใช้ผลลัพธ์จากเซ็นเซอร์แบบเรียลไทม์ร่วมกับตรรกะเชิงเครื่องจักร ควบคู่ไปกับบันทึกการบำรุงรักษาและการคาดการณ์ความต้องการ ระบบคลาวด์ยังเพิ่มประสิทธิภาพต่อเนื่องโดยปรับสูตรตัวเร่งปฏิกิริยาสำหรับปิโตรเลียมดิบ จัดเกรดปริมาณกำมะถัน และลดการปล่อยมลพิษ ขณะเดียวกันก็เพิ่มผลผลิตได้ถึง 7% มีระบบคลาวด์ที่สามารถจำลองการเปลี่ยนแปลงกระบวนการได้ โดยใช้แนวคิด "ดิจิทัลทวิน" (Digital Twin) ซึ่งก่อให้เกิดการหยุดชะงักต่อการดำเนินงานน้อยที่สุด ด้วยระบบการเข้ารหัสที่แข็งแกร่งยิ่งขึ้นเพื่อปกป้องความสมบูรณ์ของข้อมูล ระบบทั้งหมดนี้ช่วยสนับสนุนการดำเนินงานในขั้นตอนปลายน้ำให้สามารถเพิ่มประสิทธิภาพผลผลิตได้ พร้อมทั้งสอดคล้องตามมาตรฐานความสามารถในการทำกำไรในตลาด

การเอาชนะอุปสรรคสำคัญในการนำเทคโนโลยีไปใช้งานจริงในอุตสาหกรรมน้ำมันและก๊าซ

การเปลี่ยนผ่านสู่ดิจิทัลในภาคอุตสาหกรรมน้ำมันและก๊าซกำลังเผชิญกับอุปสรรคในการนำเทคโนโลยีมาใช้จริงมากกว่าอุปสรรคในการเปลี่ยนแปลงโดยตัวมันเอง การปรับปรุงกระบวนการดำเนินธุรกิจให้เป็นดิจิทัล ซึ่งประกอบด้วยระบบเก่าที่ซับซ้อนและมีช่องโหว่ด้านความปลอดภัยทางไซเบอร์ จำเป็นต้องบรรลุการผสานรวมระบบต่างๆ โดยไม่รบกวนการดำเนินงานทางธุรกิจ

ความเสี่ยงด้านความปลอดภัยทางไซเบอร์และการผสานรวมระบบเก่า

การผสมผสานเครื่องมือดิจิทัลเข้ากับเครือข่ายเทคโนโลยีปฏิบัติการที่มีอายุการใช้งานยาวนาน สร้างสภาพแวดล้อมที่เอื้อต่อเหตุการณ์ความปลอดภัยทางไซเบอร์อย่างสมบูรณ์แบบ ความขาดแคลนมาตรการรักษาความปลอดภัยที่ได้รับการอัปเกรดแล้ว ทำให้เกิดความกังวลต่อความเสี่ยงในการสูญเสียการควบคุมการดำเนินงานและข้อมูล ทั้งนี้ อุปกรณ์ระบบเก่าส่วนใหญ่มักไม่มี API ระดับแนวหน้า จึงจำเป็นต้องอาศัยซอฟต์แวร์กลาง (middleware) ที่มีราคาสูงมาก ตามรายงานของ Ponemon ปี 2023 ซึ่งประเมินว่าค่าใช้จ่ายเฉลี่ยทั่วโลกจากการละเมิดข้อมูลแต่ละครั้งสูงกว่า 740,000 ดอลลาร์สหรัฐ บริษัทจึงน่าจะต้องปรับแนวทางดำเนินธุรกิจใหม่ โดยเน้นการแบ่งส่วนเครือข่าย (network segmentation) และการสแกนหาช่องโหว่ (vulnerability scanning) พร้อมให้ความสำคัญเพิ่มเติมกับระบบที่กำลังใช้งานจริง (active systems) และการตรวจสอบการเปิดเผยช่องโหว่แบบต่อเนื่อง (continuous exposures) ต่อคลาวด์ ในขณะที่กระบวนการผลิตยังคงเป็นลำดับความสำคัญอันดับแรก

การยกระดับสมรรถนะของบุคลากรและการเปลี่ยนผ่านองค์กร

ความไม่สอดคล้องกันระหว่างกลยุทธ์ทรัพยากรมนุษย์กับการทันสมัยทางเทคนิคส่วนที่เหลือมีแนวโน้มทำให้โครงการเกิดความล้มเหลว ช่างเทคนิคที่มีสมรรถภาพดีจะต้องเรียนรู้ทักษะใหม่ที่เกี่ยวข้องกับการวิเคราะห์เชิงปัญญาประดิษฐ์ (AI-based analytics) ในขณะที่วิศวกรจำเป็นต้องพัฒนาทักษะใหม่ด้านความมั่นคงปลอดภัยไซเบอร์ (cybersecurity) ยังคงมีความต้านทานต่อวิธีการทำงานแบบใหม่ ผลการศึกษาโดยแมคคินซีย์ระบุว่า 57% ของผู้เข้าร่วมโครงการให้เหตุผลว่าความต้านทานทางวัฒนธรรมเป็นสาเหตุหนึ่งของการล้มเหลวของแคมเปญ โครงการที่ประสบความสำเร็จในการบูรณาการ 'ผู้สนับสนุนดิจิทัล' (digitally motivated champions) ซึ่งมีหน้าที่หลักในการสร้างสมดุลระหว่างทีมปฏิบัติการ ได้แสดงผลลัพธ์ที่ดี ความร่วมมือระหว่างทีมงานที่ทำหน้าที่ต่างกันช่วยให้สามารถขจัดอุปสรรคต่อการใช้งานการบำรุงรักษาเชิงพยากรณ์ (predictive maintenance) และการตรวจสอบแบบเรียลไทม์ (real-time monitoring) ได้อย่างรวดเร็ว

การคำนวณผลตอบแทนทางการเงิน: ผลลัพธ์ทางธุรกิจและผลลัพธ์จากการใช้ดิจิทัลที่หลากหลาย

การเปลี่ยนผ่านสู่ดิจิทัลและการวัดผลตอบแทนทางการเงินจากการเปลี่ยนผ่านนี้เป็นภารกิจที่ยากยิ่งมาก ซึ่งมีทั้งมิติด้านการเงินและด้านการดำเนินงาน ซึ่งเรียกว่า ตัวชี้วัดประสิทธิภาพหลัก (Key Performance Indicators: KPIs) ผลลัพธ์ด้านการเงิน เช่น ต้นทุนการดำเนินงานที่ลดลงอันเกิดจากการใช้การบำรุงรักษาเชิงคาดการณ์ (predictive maintenance) และรายได้ที่เกิดขึ้นจากธุรกิจ ถือเป็นผลตอบแทนในเชิงบวก ขณะที่ผลลัพธ์ที่ไม่ใช่ด้านการเงิน เช่น การลดจำนวนเหตุการณ์ด้านความปลอดภัย การเพิ่มประสิทธิภาพในการใช้ทรัพย์สิน การเพิ่มประสิทธิภาพผลิตภาพของแรงงาน และการเพิ่มประสิทธิภาพผลิตภาพของแรงงาน (ซ้ำ) ถือเป็นผลลัพธ์ในเชิงบวกเช่นกัน งานวิจัยหลายชิ้นที่ดำเนินการในหลากหลายภาคส่วนแสดงให้เห็นว่า องค์กรที่ใช้ KPI ที่กำหนดไว้อย่างชัดเจนและมีความสัมพันธ์เชิงบวกกับผลลัพธ์ของการลงทุนด้านเทคโนโลยี มีโอกาสประสบความสำเร็จในการบรรลุผลลัพธ์เชิงบวกจากเทคโนโลยีนั้นสูงกว่าถึง 27% ทั้งนี้ เมื่อกำหนดและประเมิน KPI องค์กรจำเป็นต้องตระหนักถึงต้นทุนรวมตลอดอายุการใช้งาน (Total Cost of Ownership: TCO) ซึ่งครอบคลุมมากกว่าเพียงแค่ต้นทุนในการนำเทคโนโลยีมาใช้งาน อัตราการยอมรับ (Adoption rates) ควรจัดเป็นหนึ่งใน KPI ด้วย เนื่องจากโซลูชันดิจิทัลจะสร้างมูลค่าได้จริงก็ต่อเมื่อมีการนำไปใช้ในการดำเนินงานเท่านั้น

 ส่วน FAQ

เหตุใดการเปลี่ยนผ่านสู่ดิจิทัลจึงมีความสำคัญต่อการดำเนินงานในภาคปิโตรเลียมและก๊าซ?

การเปลี่ยนผ่านสู่ดิจิทัลเป็นการตอบสนองต่อภาวะตลาดที่เปลี่ยนแปลงอย่างรวดเร็ว กฎหมายด้านสิ่งแวดล้อม และโครงสร้างพื้นฐานที่เสื่อมสภาพ การเปลี่ยนผ่านสู่ดิจิทัลช่วยให้บรรลุความยั่งยืนในการดำเนินงานและด้านสิ่งแวดล้อมผ่านฟีเจอร์ต่าง ๆ เช่น การบำรุงรักษาเชิงคาดการณ์ การตรวจสอบแบบเรียลไทม์ และการควบคุมกระบวนการได้อย่างแม่นยำและครอบคลุมยิ่งกว่าที่เคยมีมา

คุณสามารถระบุเทคโนโลยีหลักที่กำลังเปลี่ยนแปลงภาคปิโตรเลียมและก๊าซให้ฉันทราบได้หรือไม่?

การจัดการการดำเนินงานในระดับอัพสตรีม มิดสตรีม และดาวน์สตรีม ได้รับการสนับสนุนจากเทคโนโลยีต่าง ๆ เช่น การบำรุงรักษาเชิงคาดการณ์ที่ขับเคลื่อนด้วยปัญญาประดิษฐ์ (AI) เครือข่ายเซ็นเซอร์อินเทอร์เน็ตของสรรพสิ่ง (IoT) และเทคโนโลยีการผสานรวมข้อมูลบนระบบคลาวด์

การเปลี่ยนผ่านสู่ดิจิทัลมีผลกระทบต่อความปลอดภัยในอุตสาหกรรมปิโตรเลียมและก๊าซอย่างไร?

ความปลอดภัยด้านดิจิทัลได้รับการยกระดับขึ้นผ่านการวิเคราะห์ข้อมูล เซ็นเซอร์ และกลไกการแจ้งผลย้อนกลับอัตโนมัติ ซึ่งสามารถเตือนล่วงหน้าเกี่ยวกับความล้มเหลวของอุปกรณ์หรือสภาวะอันตราย

ปัญหาหลักที่บริษัทต่างๆ ประสบในการเปลี่ยนผ่านสู่ดิจิทัลคืออะไร

บริษัทต่างๆ ประสบปัญหา เช่น ความเสี่ยงด้านไซเบอร์ ความต้านทานต่อการเปลี่ยนแปลง และการบูรณาการระบบเก่า (legacy systems) จำเป็นต้องมีความพยายามเชิงกลยุทธ์ในการเปลี่ยนผ่านสู่ดิจิทัลและฝึกอบรมองค์กรเพื่อแก้ไขความท้าทายเหล่านี้

จะกล่าวอย่างไรเกี่ยวกับระดับของการเปลี่ยนผ่านสู่ดิจิทัลในภาคอุตสาหกรรมน้ำมันและก๊าซ

ระดับของการเปลี่ยนผ่านสู่ดิจิทัลในภาคอุตสาหกรรมน้ำมันและก๊าซสามารถศึกษาได้ผ่านตัวชี้วัดด้านความปลอดภัย ต้นทุน หรือระยะเวลา รวมถึงแนวทางในการปรับปรุงตัวชี้วัดเหล่านี้