Từ một rung động bất thường đến bài học hàng chục triệu USD

Năm 2016, hệ thống giám sát tại tổ máy số 4 của một nhà máy nhiệt điện thuộc Duke Energy (Mỹ) phát hiện rung động bất thường ở turbine hơi. Nhờ xử lý cảnh báo kịp thời, đội ngũ kỹ thuật phát hiện bộ phận ổn định cánh turbine bị hư hỏng, giúp doanh nghiệp tránh thiệt hại ước tính khoảng 30 triệu USD.

Theo chia sẻ tại một tọa đàm về chuyển đổi số ngành năng lượng, trung tâm giám sát bảo trì của Duke Energy khi đó chỉ có 5 kỹ sư nhưng theo dõi hơn 11.000 mô hình thiết bị và 500.000 điểm dữ liệu, bao phủ khoảng 87% tài sản doanh nghiệp.

Câu chuyện cho thấy giá trị của công nghệ không chỉ nằm ở khả năng thu thập dữ liệu, mà còn ở việc chuyển những tín hiệu kỹ thuật nhỏ thành cảnh báo đủ sớm để con người đưa ra quyết định.

Trong các ngành có cường độ tài sản lớn như năng lượng, khả năng phát hiện và xử lý sự cố trước khi chúng phát triển thành hư hỏng nghiêm trọng có thể tạo ra khác biệt đáng kể về hiệu quả vận hành

Đây cũng là nội dung được thảo luận tại Viettel DX Talks với chủ đề “Tăng tốc chuyển đổi số ngành năng lượng qua hội tụ dữ liệu IT/OT: Từ hạ tầng cô lập đến doanh nghiệp vận hành thông minh”.

Bảo trì dự báo: Hiệu quả từ việc chủ động phòng ngừa sự cố

Trong mô hình bảo trì truyền thống, doanh nghiệp thường tiến hành sửa chữa khi thiết bị đã hỏng hoặc các thông số vận hành vượt ngưỡng cảnh báo. Cách tiếp cận này có thể khiến đơn vị vận hành rơi vào thế bị động, đặc biệt khi sự cố xảy ra ngoài kế hoạch và buộc nhà máy phải dừng hoạt động.

Theo ông Nguyễn Hữu Hùng, Phó ban Kỹ thuật PVPower, việc chuyển sang bảo trì dự báo giúp doanh nghiệp chủ động hơn trong lập kế hoạch bảo dưỡng và bố trí nguồn lực. Khi có thể nhận diện sớm dấu hiệu bất thường, nhà máy có điều kiện lựa chọn thời điểm phù hợp để kiểm tra, sửa chữa, hạn chế ảnh hưởng đến hoạt động sản xuất.

Về mặt công nghệ, mô hình này đòi hỏi sự kết hợp giữa dữ liệu cảm biến theo thời gian thực như độ rung, nhiệt độ, áp suất, dòng điện với các phương pháp phân tích dữ liệu và trí tuệ nhân tạo (AI), học máy (Machine Learning). Thay vì chỉ chờ thông số vượt ngưỡng giới hạn, hệ thống có thể phân tích xu hướng biến đổi và những sai lệch so với trạng thái vận hành thông thường để nhận diện nguy cơ tiềm ẩn.

Tùy loại thiết bị, chất lượng dữ liệu và mô hình phân tích, cảnh báo có thể giúp đội ngũ kỹ thuật có thêm thời gian chuẩn bị trước khi sự cố phát triển nghiêm trọng. Tuy nhiên, hiệu quả thực tế vẫn phụ thuộc vào khả năng kiểm chứng cảnh báo, quy trình bảo trì và điều kiện vận hành tại từng nhà máy.

Theo ông Hùng, chi phí đầu tư chuyển đổi số tại một nhà máy có thể lên tới hàng chục tỷ đồng mỗi năm. Vì vậy, hiệu quả đầu tư cần được đánh giá trên tổng thể chi phí vòng đời thiết bị, tổn thất do dừng máy, chi phí sửa chữa khẩn cấp và giá trị sản lượng bị ảnh hưởng.

Như vậy, bài toán đặt ra với doanh nghiệp năng lượng không chỉ là chi phí triển khai công nghệ, mà còn là xác định những tổn thất hệ thống có thể giúp phòng tránh và xây dựng các chỉ số đo lường hiệu quả đầu tư phù hợp với đặc thù vận hành.

Thách thức từ những “ốc đảo” dữ liệu

Chuyển đổi số ngày càng cấp thiết, ngành năng lượng vẫn đối mặt với bài toán phân mảnh dữ liệu tại các nhà máy lâu năm. Các hệ thống thiếu đồng bộ, trong khi việc tích hợp phải thận trọng để tránh ảnh hưởng đến vận hành, khiến dữ liệu bị chia cắt thành những “ốc đảo”, làm chậm quá trình phát hiện và xử lý sự cố.

“Khi cảm biến phát hiện bất thường nhưng dữ liệu không được truyền trực tiếp đến người ra quyết định, quá trình xử lý có thể kéo dài nhiều ngày, thậm chí nhiều tuần. Sự chậm trễ này làm tăng nguy cơ hư hỏng thiết bị và gián đoạn vận hành”, ông Nguyễn Chí Linh, Phó Giám đốc khối Khách hàng doanh nghiệp, Viettel Solutions chia sẻ.

Thách thức vận hành linh hoạt ngày càng lớn do tỷ trọng năng lượng tái tạo tang nhanh, buộc các nhà máy điện truyền thống liên tục điều chỉnh phương thức vận hành để thích ứng với khả năng phát của năng lượng tái tạo và tối ưu lợi nhuận của doanh nghiệp. Bên cạnh đó, giá nhiên liệu biến động nhanh do chịu áp lực từ các điểm nghẽn do xung đột địa chính trị, chu kỳ chào giá sẽ ngày càng ngắn khiến quyết định thiếu dữ liệu thực tế có thể làm gia tăng chi phí, bào mòn lợi nhuận của doanh nghiệp năng lượng.

Trong bối cảnh đó, kết nối và khai thác dữ liệu không chỉ giúp giám sát thiết bị mà còn hỗ trợ doanh nghiệp ra quyết định kịp thời, kiểm soát rủi ro và nâng cao hiệu quả vận hành.

Lời giải từ mô hình “kiềng 3 chân”

Nhằm giải bài toán kết nối dữ liệu cho ngành năng lượng, ông Nguyễn Chí Linh cho biết Viettel có một cách tiếp cận riêng, triển khai chuẩn hóa thông tin trước khi phân tích, khai thác hoặc ứng dụng công nghệ. Dữ liệu được tái hệ thống và định danh theo từng thiết bị, từng loại thông tin.

“Chúng tôi tổ chức dữ liệu theo cấu trúc cây thiết bị, cây tài sản, giúp doanh nghiệp có cái nhìn tổng thể về hoạt động vận hành. Nhờ đó, mỗi thiết bị hay tài sản có thể được theo dõi từ nhiều góc độ, bằng cách kết nối dữ liệu về trạng thái vận hành từ hệ thống OT với thông tin, thông số kỹ thuật từ hệ thống IT, từ đó hình thành một bức tranh đầy đủ và đa chiều về đối tượng cần quản lý”, ông Linh cho biết.

Việc định danh và liên kết dữ liệu giúp hình thành bức tranh tổng thể về tài sản, tạo nền tảng để doanh nghiệp ứng dụng các công nghệ mới.

Quá trình này được thực hiện theo nguyên tắc không xâm lấn: dữ liệu chỉ được đọc một chiều, không can thiệp hay ghi đè, nhằm bảo đảm các hệ thống hiện hữu tiếp tục vận hành bình thường.

Bên cạnh công nghệ, lộ trình triển khai và việc lựa chọn đối tác cũng đóng vai trò quan trọng. Từ kinh nghiệm tại PV Power, ông Nguyễn Hữu Hùng cho rằng doanh nghiệp cần lựa chọn những hạng mục phù hợp, dễ thực hiện để triển khai trước, sau đó từng bước mở rộng

Các diễn giả nhận định chuyển đổi số là hành trình dài, đòi hỏi doanh nghiệp lựa chọn đúng đối tác đồng hành. Theo ông Nguyễn Chí Linh, mô hình phối hợp hiệu quả là sự kết hợp giữa ba bên: hãng công nghệ quốc tế, đối tác hạ tầng nội địa và doanh nghiệp trực tiếp vận hành.

Từ bảo trì dự báo đến kết nối dữ liệu IT/OT, chuyển đổi số ngành năng lượng đòi hỏi sự phối hợp giữa công nghệ, quy trình vận hành và kinh nghiệm thực tiễn. Khi dữ liệu được chuẩn hóa và liên kết hiệu quả, doanh nghiệp có thêm cơ sở để phát hiện sớm rủi ro, chủ động bảo dưỡng và nâng cao hiệu quả sử dụng tài sản.