AS 4

Maggio 2024 n Automazione e Strumentazione Applicazioni 72 OIL&GAS diventare automatici. Secondo le stime di Aber- deen Group , il 50% dei fermi macchina annuali non programmati può essere attribuito alla man- canza di pezzi di ricambio e alle scorte. L’intel- ligenza artificiale svolge un ruolo chiave nell’ot- timizzazione e nel ridimensionamento del tipo e del livello di scorte. Le organizzazioni che si occupano di manutenzione in genere stabiliscono una strategia di scorte per i pezzi di ricambio cri- tici al momento della concezione dell’asset. Tutta- via, questo cuscinetto di sicurezza minimo/mas- simo è una proiezione iniziale, spesso arbitraria, non basata sulle conoscenze operative del mondo reale. Ciò potrebbe portare a livelli di scorte di sicurezza 2-3 volte superiori al necessario, consu- mando capitale circolante che, alla fine della vita dell’asset, non sarà recuperato. Applicando l’intelligenza artificiale, invece, le aziende di servizi e manutenzione possono ana- lizzare l’utilizzo effettivo dei componenti in sce- nari operativi simili. Il risultato è una raccoman- dazione di stoccaggio molto più informata e reali- stica, riducendo in modo significativo le scorte di magazzino e i costi. I dati di un caso di studio di Deloitte suggeriscono che l’ottimizzazione delle scorte può ridurre i costi di gestione delle scorte stesse dell’80%, aumentare la disponibilità dei materiali dal 93 al 97% e generare risparmi del 20%. Ottimizzare le campagne di perforazione Ogni progetto di campagna di perforazione offshore richiede una vasta fornitura di tuba- zioni specializzate (tubolari per giacimenti petroliferi) e di ricambi di perforazione in magazzino. Queste possono rappresentare scorte del valore di trilioni di dollari. Tutta- via, poiché in genere non esiste una visibilità o un’analisi olistica e completa delle scorte di ricambi di perforazione esistenti, il potenziale risparmio attraverso il reimpiego non viene preso in considerazione nell’avvio di un nuovo progetto. L’intelligenza artificiale offre un modo per analizzare i ricambi di perforazione e le scorte di magazzino e farli corrispondere ai requisiti di un nuovo progetto. Per esempio, l’intelli- genza artificiale e il machine learning possono condurre un’analisi dei costi per determinare se sia più conveniente trasferire le scorte esi- stenti o acquistarne di nuove. Ancora una volta, l’AI promette una migliore pianificazione delle catene di approvvigionamento per raggiungere in modo efficiente gli obiettivi di produzione. È anche ipotizzabile che si possa usare l’AI per orchestrare gli acquisti e la gestione delle scorte per più campagne di perforazione come un capital project. Per esempio, eseguire gli L’AI consente a società di esplorazione, produzione e appaltatori di perforazione di acquisire una visione completa delle proprie operazioni