Motor Oil: Γιατί επενδύει τώρα στην Τεχνητή Νοημοσύνη και την Ψηφιοποίηση

Συνεχίζονται οι διαδικασίες ψηφιοποίησης και χρήσης τεχνητής νοημοσύνης εν μέσω πανδημίας στην εισηγμένη, καθώς έχει μπει σε εφαρμογή η σύγχρονη διαδικασία Άδειας Εργασίας η οποία παρέχει στο εξουσιοδοτημένο προσωπικό τη δυνατότητα να εκτελεί κάθε δραστηριότητα ψηφιακά,

Με αυτόν τον τρόπο διασφαλίζεται η ασφάλεια και αξιοπιστία των απαιτούμενων ενεργειών.

Αξίζει να σημειωθεί ότι η ολοκλήρωση της διαδικασίας Άδειας Εργασίας είναι μέρος ενός ευρύτερου προγράμματος πληροφορικής της Motor Oil Hellas, το οποίο διατρέχει τον μετασχηματισμό των διαδικασιών διυλιστηρίου σε κάθε τομέα: των Συμβάντων, του Ελέγχου και της Διαχείρισης Κινδύνων. Η Real Consulting, συνεργάτης της SAP Platinum, ανέλαβε την υλοποίηση αυτού του μετασχηματιστικού έργου χρησιμοποιώντας τη λύση SAP Environment, Health & Safety (EHS).

Για την υλοποίηση του έργου αξιοποιήθηκε μια κορυφαία πλατφόρμα ψηφιακών εφαρμογών που παραδόθηκε σε χρόνο ρεκόρ, μαζί με την ανάλυση και ανάπτυξή της.

Με αυτό το μετασχηματιστικό έργο επιτυγχάνονται τα εξής:

• Οι διαδικασίες γίνονται ασφαλέστερες με την ενεργό συμμετοχή του εργατικού δυναμικού, έτσι ώστε να εντοπίζονται συμβάντα, πριν οι ενδεχόμενοι κίνδυνοι επηρεάσουν την ασφάλεια, μέσω της συνεχούς ανάλυσης των δεδομένων λειτουργίας και της παροχής σχετικών πληροφοριών σε πραγματικό χρόνο.
• Γίνεται πιο αποτελεσματική και αποδοτική διαχείριση του EHS (Environmental Health and Safety) ενσωματώνοντας τη διαχείριση κινδύνου στις καθημερινές λειτουργίες.
• Διασφαλίζεται η επιχειρησιακή συνέχεια μέσω της προστασίας της ακεραιότητας των περιουσιακών στοιχείων και της βελτιστοποίησης της παραγωγής.

Yπενθυμίζεται ότι  τον περασμένο Ιούλιο, τα διυλιστήρια της εταιρίας είχαν περάσει σε νέα, πιο σύγχρονη εποχή, καθώς στο πλαίσιο του Ψηφιακού Στρατηγικού σχεδιασμού “Digital Refinery” , η Motor Oil εκσυγχρόνισε και ενίσχυσε τις εγκαταστάσεις της, υιοθετώντας λύσεις Τεχνητής Νοημοσύνης για τους εξοπλισμούς του Διυλιστηρίου (Artificial Intelligence for Predictive Maintenance.

Αυτό πραγματοποιείται μέσω ανάλυσης real-time δεδομένων παράγονται προβλέψεις (Machine Learning)  σχετικά με τη λειτουργία των εξοπλισμών επιτρέποντας την έγκαιρη αντιμετώπιση πιθανών προβλημάτων.

Η εν λόγω λύση επιτρέπει την πρόβλεψη με ακρίβεια πάνω από 77 % σε πιθανά μη φυσιολογικά συμβάντα από 20 έως 120 ώρες πριν την εκδήλωσή τους. Με τον τρόπο αυτό αναμένεται αύξηση του χρόνου ζωής των εξοπλισμών και μείωση του κόστους συντήρησής τους.