Жанар Абдархманова 
Шокирующая статистика показывает, что подавляющее большинство, а именно 91,5% крупных проектов в энергетическом секторе, реализуются с превышением сроков, бюджета или обоих показателей одновременно. Ключевая причина кроется в парадоксальной ситуации: компании буквально тонут в данных, но не способны преобразовать этот огромный массив информации в практические решения для управления своими дорогостоящими и сложными активами.
По мнению Кевина Прайса, глобального руководителя отдела управления корпоративными активами в компании IFS, для эффективного управления данными необходим компонуемый подход, основанный на искусственном интеллекте. Он утверждает, что только с помощью технологий, которые «просеивают и сортируют необработанные данные, превращая их в полезные сведения», энергетические компании смогут по-настоящему оптимизировать свои активы и принимать критически важные инвестиционные решения на основе надежной информации.
Энергетический сектор собирает колоссальные объемы данных из самых разнообразных источников: от интеллектуальных счетчиков и датчиков на подстанциях и линиях электропередачи до метеостанций и даже систем «умного дома». Однако этот информационный потоп часто оставляет компании в недоумении. Многие либо не имеют возможности обработать весь массив, либо не обладают достаточной экспертизой для принятия мер, даже имея на руках корректные данные. В результате критически важная информация об активах остается незамеченной или неиспользуемой, что мешает полноценно отслеживать их состояние и обеспечивать оптимизацию.
Выход из сложившейся ситуации лежит в применении передовых технологий. Промышленный искусственный интеллект, системы планирования инвестиций в активы и предиктивное техническое обслуживание становятся незаменимыми инструментами. Они позволяют не только собирать и анализировать данные для принятия обоснованных бизнес-решений, но и ускорять достижение целей в области устойчивого развития и повышать общую надежность критически важной инфраструктуры.
Проблема усугубляется старением мировой энергетической инфраструктуры и все более частыми климатическими потрясениями. Недавние штормы в Великобритании, аномальная жара на Балканах в 2024 году и ураганы в Северной Америке наглядно демонстрируют уязвимость электросетей. Кроме того, традиционная модель централизованного производства и распределения энергии, рассчитанная на односторонний поток, оказывается неэффективной в условиях роста распределенных энергетических ресурсов, что еще больше усложняет управление данными.
Здесь на помощь приходит искусственный интеллект. Особым спросом на рынке пользуются инспекции на основе оценки рисков (RBI), усиленные ИИ. Эти системы позволяют с высокой точностью определять слабые места в сети, наиболее подверженные сбоям участки и зоны с наибольшими потенциальными последствиями еще до наступления экстремальных погодных явлений, таких как наводнения или ураганы. Ключ к выживанию — в подготовке, которая гарантирует, что активы достаточно прочны, чтобы выдержать удар стихии.
Для эффективного управления активами компаниям не всегда нужно приобретать громоздкое комплексное решение. Современный подход предлагает использование «компонуемых» систем управления корпоративными активами (EAM). Их гибкая архитектура позволяет устанавливать только те приложения, которые необходимы для решения конкретных проблем, целенаправленно работая с проблемными зонами и избегая лишних затрат.
Ярким примером успешного внедрения таких технологий является Anglian Water, крупнейшая компания по переработке воды в Англии и Уэльсе. Используя аналитическое решение IFS Copperleaf, компания комплексно оценивает инвестиционные проекты, отслеживает прогресс в достижении стратегических и ESG-целей, а также моделирует социальные и частные издержки, связанные с возможными подтоплениями, при принятии решений.
Более того, Anglian Water применяет решение для оценки углеродного следа на протяжении всего жизненного цикла активов. Это позволяет инженерам и проектировщикам на ранних стадиях выбирать решения с низким уровнем выбросов, например, оптимизируя использование существующих активов или применяя альтернативные материалы. Анализ инвестиционного портфеля компании показал, что снижение капитальных затрат и сокращение выбросов углерода идут рука об руку, доказывая экономическую целесообразность «зеленого» подхода.
Давление со стороны изменения климата, стареющей инфраструктуры и новых энергетических моделей делает очевидным, что устаревшие подходы к управлению критически важными активами больше не работают. Технологии мониторинга на основе состояния, предиктивного обслуживания и инспекций с помощью ИИ позволяют энергетическим компаниям переломить ситуацию. Оптимизация управления активами — это превращение необработанных данных в стратегические, действенные идеи, которые защищают активы, максимизируют инвестиции и повышают устойчивость сетей. Этот переход к компонуемым, управляемым ИИ системам — не просто технологическое обновление, а формирование нового операционного мышления.
