SensOLeak 事業紹介資料

Shoshi Kaganovsky (ショシ・カガノヴスキ)[社長]

shoshi@sensoleak.com

+1-832-480-8408
www.sensoleak.com

アジェンダ

1. 企業 概要
2. ソリューション
3. 適用 産業とアドバンテージ
4. バリュープロポジション
5. 診断システムの特徴
6. 検知方法の比較
7. 計算ア ルゴリズ ム例
8. POC(プルーフオブコンセプト)例
9. 石油業界の漏洩険知システム市場 概

企業概要

企業の歴史

2010年: R&D (研究開発) 開始
2015年: R&D 完了
2016年: 会社設立
2017年: USA HQ (本社) 設立
現在: 社員52名 (アメリカ、イスラエル、カナダ),
コントラクター114名(世界各地), 16ヶ国に拠点
知的財産: US provisional patents (米国仮特許)

産業

石油・ガス(アップストリーム、ミッドストリーム、ダ
ウンストリーム)
風力タービン
水道インフラ
回転装置&機械
電力産業

市場

北、中央、南アメリカ
西、中央、東ヨーロッパ
日本、東南アジア
オーストラリア
アフリカ

企業プロファイル

顧客とプロジェクト

アメリカ: 防衛産業、ポンプ、コンプレッサー
カナダ: オイル&ガスパイプライン
イスラエル: ペトロケミカル、オイル&ガス、電力産業、水道局、等
オランダ: ガスインフラ産業、水道リソース管理
ロシア: 航空産業、電力産業
カザフスタン: 石油リファイナリー

ソリューション

SensOLeak は 統 計アルゴリズムを活用したパイプライ ン早期漏洩険知と回転装置早期 故障検
知AI診断システムを開 発し、グローバル市場で導入開

技術

AI診断システムはパイプライン・機械部品センサーのビッグデータを活用し、統計アルゴリズム
により環境パラメーターの変数を判断した状況で処理を行います。

アルゴリズムがセンサーからデータを受信する毎に「システムヘルスグレード」(HG)を継続計算
し、システムの正常性を判断します。

ステータスに異常が検知された場合はアラートを出力し、機器オペレータに警告が発信される
仕組みとなっています。

AI診断システムは追加センサーや装置を設置する必要がないスケーラブルシステムです。

利点

AI診断システムは、パイプライン全体と部分的なデータの変化を険知する事で実際の故障・漏洩が発生する前 に異常を判断する事ができます。
診断システムは、アルゴリズムの適応訓練機能 (人工知能)を活用しており、環境データ
の変化に自己適応が可能である為、導入後にパラメーターの調整等以外では人間の介入を必要
としない
データ内の説明変数の変化を基に計算が行われる為、誤警報の発生率が低い
音響、地震、電磁気、機械、化学、熱、等の多数のセンサータイプからデータが受信可能
24/7オンライン操作

ソリューション (2)

  • パイプライン・回転装置の漏洩、故障を予期できるAI診断システム
  • パ イプライ ンの腐 食、亀裂、破裂 を 検知するリ アルタイ ムアナリティッックス
  • 誤警報なし
  • 100%精度
  • 追加のハードウェアは必要ありません
  • 問題(1): 既 存 の 漏 洩 険知 シ ステム の精度が低い
  • 解決策(1): センソリークのリアルタイム診断システムは高精度・誤警報率ほぼ0%
  • 問題(2): 既存の漏洩 険知 シ ステ ムのアップグレードにコストが掛かり過ぎる
  • 解決策(2): センソリークのアルゴリズムはSCADA システム及び既存センサーネットワークの
    データを最大限に有効活用
  • 問題(3): 既存の漏洩 険知 シ ステ ムは既に発生した漏洩・故障しか検知ができない
  • 解決策(3): センソリークのアルゴリズムはパイプライン・回転装置の正常状態を学習し、偏差値及び異常値を検出

適用産業とアドバンテージ

産業用アプリケーション

  • 石油、ガス、水道、化学パイプライン
  • リファイナリー工場
  • 電力ステーション
  • ポンプ
  • コンプレッサー
  • 熱交換機
  • 原子力発電
  • 風力・ガスタービン
  • エンジン
  • マイニング
  • SCADAシステム

利点

  • 予防的・予測的メンテナンス
  • 安全性
  • パイプラインと機械の完全性
  • 環境管理
  • 企業の社会的責任 (CSR)
  • 規制コンプライアンス

予防保守 + 安全性 + インテグリティー + エコロジー+ CSR + コンプライアンス = 完全な利点の円!

バリュープロポジション

✓ SensOLeak のAI診断システムはリアルタイムでデータの異常値を検出し、漏洩、故障の事前検知が可能
✓ 会社保険の割引が適用(国、保険制度によって)
✓ 既存のセンサー・制御システムにシームレスに連結する為、余分なコストが掛からない
✓ 追加のハードウェアを必要としないスケーラブルなソフトウエア
✓ アルゴリズムが環境変化への自己適用を実施
✓ 診断データをクライアントのマスターコントロールステーションに保存する事でセキュリティー維持
✓ 既存の保全プロセスにシームレスに統合
✓ 週7 日・24 時間いつでも

システム・アルゴリズムの特徴

  • 事故発生前に発生している 欠陥の異常値(evolving failure) を検知し、警告を発信する
  • アルゴリズムは必要な システム変数を考慮し、出力計算を実施する
  • 過 渡状態 態(Transient State)に に おいても 効果の高いアルゴリズム: 多様なオペレーションレジーム、圧力管理、 環境変数に適応
  • アルゴリズムは データの「 「 正常な動作」 」 を認識し、異常値の判断を行うこのアプローチにより低誤検出率と低誤警報率を維持している
  • 音響、地震、電磁気、機械、化学、熱等の 多種多様のセンサーからのデータ取込みが可能
  • 環境変化後でもリキャリブレーションを必要としない

検 知方法の比較

検 知方法の比較

計算アルゴリズム例

パ イプラインをセグメントに分割し、前後センサーのデータパフォーマンスを診 断

P=プレッシャーセンサー; F=フローセンサー

パイプラインを小、中、大セグメントに分割:例
1. 小セグメント=プレッシャーセンサ3個、フローセンサ1個
2. 中セグメント=プレッシャーセンサ5個、フローセンサ2個
3. 大セグメント=プレッシャーセンサ10個、フローセンサ4個

アルゴリズム設定:各前後セグメントのデータパフォーマンスを分析

診断するパイプラインの最初のセンサーから最後のセンサーまで前後 間セグメントのデータパフォーマンス分析を実施
各セグメントから複数の観察データを取り、分析する事で精度の高い統 計的優位性をもたらす

説明図

計算アルゴリズム例

POC(プルーフオブコンセプト)例: オランダの水道

POC(プルーフオブコンセプト)例

石 油・ガス産業の漏洩険知システム市場概要

石油・ガス産業の漏洩険知システム市場: 地域別セグメンテーション

石油・ガス産業の漏洩険知システム市場: 地域別セグメンテーション