Saras拥有地中海最复杂的炼油厂，每天的炼油产能为30万桶。作为数字化项目的一部分，他们正在评估如何提高资本和资产密集型炼油厂运营的可靠性。他们选择了AspenMtell，基于一个竞争性试点项目选择过程，最初的重点集中在关键炼油设备上，比如大型压缩机和水泵。 Aspen Mtell通过挖掘历史和实时操作以及维护数据来发现资产性能下降和故障发生之前的精确特征，预测未来故障并制定详细的行动以缓解或解决问题。

Because traditional diagnostic methods weren’t preventing equipment failures or identifying root causes of historic failures, a U.S. refinery turned to Aspen Mtell prescriptive maintenance to improve internal data science resources. Download this case study to learn how this refinery's pilot program with Aspen Mtell was able to predict failures with nearly one month of lead time, enabling planning for maintenance and rescheduling production.

Discover how predictive maintenance and planned downtime can deliver positive results for your company when it comes to Safety, Sustainability and Productivity.

Descubra cómo un fabricante de termoplásticos de ingeniería descubrió la causa raíz de fallas recurrentes en sus calderas de tubos y calderas utilizando el mantenimiento prescriptivo de Aspen Mtell.

In production environments, changing conditions means increased risk. Operating companies have been shouldering more of this risk in recent years as insurance coverage becomes less readily available.

Lea cómo esta compañía minera utilizó Aspen Mtell para predecir dos posibles fallas cuando se implementó en 12 activos durante un breve piloto en línea. Permitiendo así, un tiempo de inactividad planificado de equipos críticos, ahorrando dinero por cortes inesperados.

Una de las empresas más grandes a nivel mundial para productos químicos, plásticos y de refinación utilizó Aspen ProMV para entender y resolver sus problemas de producción causado por un problema de alta viscosidad en el aceite de enfriamiento. En este caso de estudio conozca cómo Aspen ProMV permitió a la empresa a destacar las principales variables de proceso que están altamente correlacionadas con problemas de viscosidad y que guio rápidamente a los ingenieros de proceso al problema subyacente para limitar las pérdidas.

In this case study learn how a global oil and gas company was able to detect and predict a variety of pending equipment failures. Download today to uncover how Aspen Mtell enabled the company to correctly identify all reported events – as well as unknown problems.

Alors que nous nous adaptons à la "nouvelle norme" de volatilité extrême, d'incertitude, de complexité et d'ambiguïté, les entreprises du monde entier reconnaissent la nécessité d'exploiter leurs actifs et leurs chaînes de distribution avec une plus grande résilience, flexibilité et agilité afin de pouvoir répondre aux conditions changeantes du marché.

This petrochemical company launched an Aspen ProMV™ pilot project to investigate light component losses that go to the bottom of a fractionation column and pressurize the downstream column. Using Aspen ProMV for continuous processes, a model was developed, and bad actors that are highly correlated to the light product loss were identified. Aspen ProMV’s optimization tool was also utilized to provide better operating conditions to reduce losses.