Fra oljebrønner til datastrømmer

Equinor tar data på alvor. Nettopp derfor var deres innspill viktig da Microsoft utviklet Fabric – fremtidens dataplattform laget for kunstig intelligens.   

– Data er nøkkelen til å håndtere store og komplekse operasjoner, sier Torbjørn Folgerø, digitaliseringsdirektør i Equinor.   

Han leder digitaliseringsarbeidet i selskapet som er Europas største leverandør av gass og blant Europas største leverandører av energi.   

Det er ikke snakk om småtteri: Digitalisering har gitt Equinor en gevinst på 43 milliarder kroner. Data brukes på nye måter både for å finne olje og produsere den mer effektivt med et lavere CO2-utslipp.   

Data regnes som en stadig viktigere innsatsfaktor i energiomstillingen mot netto null utslipp på sikt.  

– Skal vi ta gode avgjørelser om reservoarene våre, vurdere kvaliteten av karbonlagring i havbunnen, optimere anleggene våre og automatisere manuelle oppgaver, så trenger vi gode data og god utnyttelse av data, sier Folgerø.   

Droner, roboter og kunstig intelligens  

Digitalisering og god datautnyttelse er ikke bare abstrakte visjoner i et strategidokument – det gir konkrete og fysiske gevinster som ekte arbeidstakere forholder seg til hver eneste dag.   

Kunstig intelligens brukes til å gjøre prediktivt vedlikehold av anlegg, maskiner, turbiner og generatorer. Droner og roboter tar seg av farlig eller krevende oppgaver. Digitale tvillinger simulerer og «spår» fremtiden – mens 3D-printing av nye produksjonsdeler kutter kostnader og klimautslipp.   

Dette er noen av gevinstene Equinor henter ut i praksis – takket være systematisk arbeid og bruk av data over lengre tid.   

Dette er nemlig ikke en ny satsing, men noe Equinor har jobbet lenge med.   

– I vår teknologistrategi er en av de viktigste pilarene at vi ønsker å transformeres til å bli et datadrevet selskap, sier Folgerø.   

Deler data på tvers   

En sentral del av dette arbeidet har handlet om å jobbe med selskapets underliggende IT-infrastruktur – og systemene som håndterer og bearbeider data.   

I praksis betyr det at data skal tilgjengeliggjøres, deles og brukes som beslutningsstøtte på tvers av hele organisasjonen – i alle ledd av verdikjeden.   

– Å jobbe med data er ikke bare relevant for dataanalytikere. Det gjelder for alle i selskapet, uavhengig av rolle eller bransje, forklarer han.   

Da er det nødvendig med verktøy som er kraftige nok til både å håndtere de enorme mengdene med data Equinor sitter på – men som samtidig kommer med et grensesnitt som er enkelt å ta i bruk.   

Equinor piloterte Fabric  

Da Microsoft jobbet med å utvikle dataplattformen Microsoft Fabric, inviterte de Equinor inn på laget for å teste og pilotere produktet før det ble lansert for offentligheten.   

– Equinor er på mange måter et perfekt eksempel på hva som er mulig å få til når man virkelig satser på data i stor skala, sier Carolin Molter i Microsoft Norge.   

– Nettopp derfor var deres behov og bruksområder uvurderlige erfaringer for oss når vi skulle lage fremtidens dataplattform – designet for kunstig intelligens, legger hun til.  

Fabric kan på mange måter forklares som en kraftig etterkommer av Power BI. For ikke bare brukes det i forbindelse med analyse – Fabric håndterer alt av databehandling, bearbeiding og strukturering under panseret.  

Fra databevegelse, prosessering, inntak, transformasjon, sanntidsruting av hendelser, og rapportering.   

Samtidig leveres det som én enkelt SaaS-løsning, og som et ende-til-ende-system. Enkelt forklart betyr at man slipper en del av det kompliserte arbeidet som kommer med å integrere og tilpasse ulike forretningssystemer og databaser.   

– Selv om store data er nøkkelen til kunstig intelligens, står paradoksalt nok også kompleksiteten stordata medfører i veien for at enda flere kan utnytte seg av teknologiens fulle potensial, sier Molter – og legger til:   

– Vi har gjort dette arbeidet enklere, med et brukergrensesnitt som er lett å bruke.   

KI sparte Equinor for kostbar feil  

For Equinor betyr enklere tilgjengelig datadreven beslutningsstøtte mye for hvordan teamene i virksomheten organiserer seg. For eksempel sørger de alltid for at teknologi- og forretningskompetanse jobber sammen i et team.   

På denne måten gjøres utvikling og dataanalyse til en naturlig del av alle de ansattes hverdag.   

Slik hører man historier fra Equinor om kranoperatører som selv lavkoder egne applikasjoner for automatisering av bestillingsflyt.   

Eller om hvordan prediktivt vedlikehold – basert på maskinlæring og sanntidsdata – i fjor sommer sparte selskapet for en feil tilsvarende 300 millioner kroner.   

En KI-applikasjon fanget opp en begynnende feil i en gassturbin. Slik fikk de utbedret feilen på to dager, i stedet for ti dager – som sparte selskapet for 300 millioner kroner i potensielt tapte inntekter.   

– Det at vi klarte å oppdage denne feilen handler om samarbeidet mellom dataanalytikere og vedlikeholdsingeniører. Rollene komplimenterer hverandre og skaper verdi sammen. På den måten jobber vi kontinuerlig med hvilke data som forretningsområdene har definert som aller viktigst, sier Folgerø.   

Data tilsvarende 51 000 år med film  

Equinor sitter på over 100 petabyte med data. Det er et tall som er vanskelig for oss mennesker å forestille oss. Dette tilsvarer omtrent 300 millioner spillefilmer – som ville tatt deg nesten 51 000 år å se, dersom du binget film 24 timer i døgnet, uten pause.   

Men store mengder isolerte og fragmenterte data for seg selv har begrenset verdi. Det er først når store mengder data fra ulike kilder sammenstilles og struktureres i kompatible verdier og formater – at data virkelig blir en superkraft.   

Legg ved at et selskap som Equinor forholder seg til enorme mengder med ulike datakilder og datastrømmer: Fra seismikkinnsamling, brønner, rørledninger, maskiner, sensorer, 23 000 ansatte, et stort antall leverandører – og mye, mye mer.   

Store deler av dette er først verdifullt når det er tilgjengelig som sanntidsdata.   

Nettopp det å gjøre store og komplekse datastrømmer enkelt å bruke både i forbindelse med automatisering og beslutningsstøtte, er de viktigste gevinstene med Microsoft Fabric, forklarer Molter.   

– Med Fabric kan dessuten databehandlingen enkelt strømlinjeformes og sentraliseres, noe som gjør det mulig å gjenbruke data på tvers av hele organisasjonen – og utnytte kraften av kunstig intelligens, avslutter hun.