Всем привет!

В этой статье я опишу приложения искусственного интеллекта (ИИ) и машинного обучения (МО) в нефтегазовой отрасли. Но сначала давайте взглянем на определение обучения.

Обучение — это долгосрочное изменение поведения человека в результате полученного опыта. Чтобы знания и навыки были приняты в качестве обучения, они должны привести к изменению поведения, и это изменение поведения должно быть долгосрочным. (Википедия)

Как упоминалось выше, обучение является долгосрочным. Но для машины или системы с достаточным количеством данных все наоборот.

Машинное обучение – это научная область, в которой разрабатываются различные алгоритмы и методы, позволяющие компьютерам учиться так же, как люди. Подпитываемые данными, эти алгоритмы строят и изучают собственную логику на основе данных!

Итак, "Что такое ИИ?"

Искусственный интеллект (ИИ) – это набор технологий, включающий машинное обучение (МО), обработку естественного языка (НЛП) и робототехнику, которые позволяют машинам ощущать, интерпретировать, действовать и изучать данные, помогая принимать решения. изготовление. (ЭЙ)

Искусственный интеллект имеет долгую историю. Но все началось в 1950 году, когда британский математик Алан Тьюринг задал знаменитый вопрос «могут ли машины думать?»

Искусственный интеллект (ИИ), как самая важная технология современности, быстро проникает в отрасли, создавая значительный потенциал для инноваций и роста. Большинство организаций не используют потенциал AI/ML; они только в начале своего пути в области искусственного интеллекта и машинного обучения. По логике вещей, то, что должно сдерживать компании, — это нехватка талантов. Но на самом деле это непонимание возможностей, особенно у руководителей крупных предприятий.

Нефтегазовые, горнодобывающие и строительные компании опоздали с цифровизацией, но они также становятся все более и более зависимыми от решений ИИ. Отчасти это связано с тем, что эта технология считается рискованной, непроверенной и требует высококвалифицированных программистов и специалистов по данным. Но это также потому, что это требует устойчивых, долгосрочных инвестиций в долларах, которые многие компании просто не могли себе позволить во время экономического спада.

ИИ в нефтяной промышленности

Нефтяная (нефтегазовая) промышленность делится на апстрим, мидстрим и даунстрим. (Д. Коротеев и З. Текич)

ИИ помогает нефтегазовым компаниям оценивать ценность конкретных резервуаров, настраивать планы бурения и заканчивания в соответствии с геологией района и оценивать риски каждой отдельной скважины. Кроме того, последующие операции могут быть оптимизированы для минимизации затрат и максимизации спредов.

Верхний поток включает подземную (горнодобывающую) часть отрасли, включая разведку, за которой следует разработка месторождений и добыча сырой нефти/газа. Midstream означает транспортировку нефти и газа, а downstream — нефтепереработку, то есть производство топлива, смазочных материалов, пластмасс и других продуктов. (Д. Коротеев и З. Текич)

Разведка и добыча

  • Прогноз общих объемов извлекаемых запасов
  • Анализ данных разведки и коллектора
  • Моделирование размещения скважин и планов разработки месторождений
  • Оптимизация бокового разреза и дизайна гидроразрыва
  • Моделирование и имитация различных вариантов загрузки проппанта и жидкости
  • Создавайте модели добычи скважин на протяжении всего срока службы и более эффективные прогнозы добычи
  • Установите стратегии ставок для арендных блоков в зависимости от поведения рынка

Переработка и переработка

  • Прогноз долгосрочных сырьевых ресурсов и рыночной цены продукта
  • Обеспечьте планирование капитала и оценку рисков для принятия более эффективных долгосрочных решений.
  • Оптимизируйте стратегии торговли сырьевыми товарами и хеджирования
  • Улучшить моделирование рисков надежности для активов по переработке и переработке
  • Максимальная производительность труда и время гаечного ключа
  • Улучшить планирование активов для операций по переработке и переработке
  • Оптимизация планирования конвейера для потоков продуктов

Нефтепромысловые услуги и оборудование

  • Оптимизация бурения, планирования оборудования для заканчивания и управления парком
  • Управляйте и оптимизируйте цепочки поставок
  • Оптимизация стратегий закупок проппанта, воды и других расходных материалов
  • Определить первопричины и драйверы непродуктивного времени
  • Прогнозировать потребительский спрос и активность бурения в среднесрочной и долгосрочной перспективе
  • Усовершенствуйте бэк-офис и процессы выставления счетов/выставления счетов
  • Автоматизируйте финансовый контроль для крупных транзакций

Исследования, ориентированные на ИИ, направлены на ускорение этих этапов. Классическое машинное обучение и глубокое обучение являются доминирующими подходами, используемыми в приложениях ИИ в секторе добычи и добычи нефти и газа в целом. Они используются при решении задач классификации, кластеризации или регрессии.

Кроме того, в промышленных приложениях присутствует гибридное моделирование, в котором модели, основанные на физике, используются вместе с алгоритмами машинного обучения.

Применений ИИ и машинного обучения (МО) в нефтегазовой отрасли много, и некоторые из них действительно могут изменить ситуацию в секторе, который стремится к самообновлению.Затраты можно сократить с помощью прогнозной аналитики, большие данные и машинное обучение в сфере разведки и добычи нефти и газа.

Некоторые области применения ИИ в нефтегазовой отрасли:

  • Человеческие ресурсы (наем до выхода на пенсию)
  • Финансы (распределение затрат)
  • Техническое обслуживание (планирование и выполнение технического обслуживания двигателя грузового автомобиля)
  • Недра (анализ скважинных данных)
  • Окружающая среда, здоровье и безопасность (оценка безопасности и анализ основных причин)
  • Управление запасами (планирование и оптимизация пополнения запасов)

Давайте рассмотрим некоторые из наиболее интересных текущих вариантов использования и приложений ИИ и МО в нефтегазовой отрасли.

  • Исследование

Вооруженные искусственным интеллектом, операторы могут лучше понимать свои резервуары и минимизировать геологические риски. Данные, собранные сегодня, обладают огромной, но неиспользованной ценностью. Операторы могут использовать его для принятия более эффективных решений по разведке и добыче, а также для оптимизации стратегий приобретения с более точными прогнозами цен арендных сделок.

  • Бурение и заканчивание

ИИ доказал свою эффективность в улучшении конструкции скважины, выполнении бурения и заканчивания скважины. Производители могут максимизировать рентабельность инвестиций для каждой скважины, оптимизируя размещение и расстояние между скважинами для максимального извлечения ресурсов, проектируя скважины для оптимизации извлечения и общей стоимости, а также прогнозируя подземные риски.

  • Производство

Точные ежедневные, ежемесячные и прогнозы дебита скважины в течение всего срока службы имеют решающее значение для успешного производства. Машинное обучение может помочь оптимизировать скорость потока, давление и другие переменные для достижения максимального срока службы скважины. Кроме того, возможности обнаружения аномалий позволяют операторам заранее предвидеть проблемы, прежде чем они прекратят производство.

  • Сбор и транспортировка

ИИ помогает операторам прогнозировать поток продукции, спрос и цену, чтобы принимать долгосрочные решения о капитале на основе дисбаланса спроса и предложения продукции и разброса цен на местном рынке. Они также могут моделировать затраты на приобретение полосы отвода (ROW) и улучшать планирование и маршрутизацию с более обоснованными оценками затрат на сервитуты.

  • Техническое обслуживание обработки и уточнения

Чтобы оптимизировать процессы переработки и очистки, операторы используют ИИ для планирования остановок на своих нефтеперерабатывающих заводах. Они могут моделировать и количественно оценивать риск отказа ключевого оборудования на критическом пути во время остановов на техническое обслуживание, чтобы принимать более обоснованные решения о масштабах, снижать общие затраты на останов и повышать надежность оборудования.

  • Корпоративный и бэк-офис

ИИ может иметь огромное влияние на передовой, но его влияние за кулисами может быть столь же мощным. Операторы используют ИИ для прогнозирования цен на товары для планирования капитальных проектов, управления рисками и маркетинговой деятельности, а также для прогнозирования потенциальных рисков для здоровья и безопасности. Он также доказал свою эффективность при автоматизации анализа и обработки больших объемов счетов поставщиков для снижения затрат и выявления ошибок.

  • Прогнозное обслуживание активов:

Решения по профилактическому обслуживанию в настоящее время являются основным применением этой технологии. Они помогают операторам повысить эксплуатационную безопасность и в то же время увеличить размер прибыли. Модели ИИ, которые могут прогнозировать отказы оборудования, доступны во всех направлениях нефтегазовой отрасли, поскольку они снижают риск дорогостоящих аварий, минимизируют операционные расходы за счет сокращения времени простоя и улучшают соблюдение стандартов безопасности.

  • Улучшение работоспособности и эффективности Bobs (противовыбросовые превенторы)

Противовыбросовые превенторы являются основным элементом оборудования, которое отвечает за удержание уплотнения на месте в самых сложных условиях давления или против неконтролируемых выбросов потока/пласта, которые могут возникнуть во время бурения.

Цифровые компании, такие как Deepwater Subsea, в настоящее время используют возможности искусственного интеллекта и машинного обучения, чтобы понимать состояние противовыбросовых превенторов в режиме реального времени и сокращать непроизводительное время буровой установки (НПВ). Благодаря распознаванию образов ИИ может использовать все доступные данные буровой установки, поступающие от неисправностей, сигналов тревоги и подводных систем управления. Испытания под давлением противовыбросового превентора являются основой этой технологии, в которой используется платформа анализа данных TrendMiner. Он используется на буровых установках по всему Персидскому заливу для таких клиентов, как Chevron, Pacific Drilling и TransOcean. TrendMiner собирает все тренды и сравнивает их с оптимальными профилями производительности. (Альта машинное обучение)

  • Лучшие прогнозы и оптимизированное финансовое планирование

Наличие нужного продукта в нужном месте в нужное время является ключом к повышению уровня их выполнения и одновременному снижению оборотного капитала. ИИ может прогнозировать спрос на конкретный продукт в регионе, помогая компаниям убедиться, что у них есть необходимые запасы для своевременного обслуживания заказов клиентов, и узнать, на каких стратегических регионах они хотят сосредоточиться. Компании, управляющие заправочными станциями, могут, например, воспользоваться преимуществами прогнозирования своего спроса на потребительские товары (закуски, напитки, другие продукты), сокращения своего инвентарного капитала и страховых запасов для высвобождения большего оборотного капитала.

  • Передача важнейших человеческих знаний

Когда люди уходят на пенсию, их знания и ноу-хау теряются, и новым сотрудникам приходится полагаться на процедурную информацию, которая часто скрыта под сотнями тысяч страниц документации. IBM использовала свою технологию искусственного интеллекта Watson для создания цифрового помощника, который мог бы помочь всем менее опытным сотрудникам в их повседневной работе. В ИИ было загружено более 600 000 страниц документации, отчетов и даже переписки о буровых работах, и теперь он может давать ответы на все наиболее распространенные вопросы, задаваемые техниками, на уровне экспертов. (IBM)

  • Обнаружение естественных просачиваний нефти с помощью умных подводных роботов

Нефть из подводных просачиваний может нанести ущерб окружающей среде как потому, что они могут выделять в атмосферу метан и другие легкие углеводороды, так и потому, что пятна могут образовывать комки смолы и маты, которые в конечном итоге могут выпасть на берег. С другой стороны, использование этих просачиваний может как защитить экосистему, так и предоставить операторам нефтегазовой отрасли прибыльный источник энергии.

Заключение

Есть много других интересных приложений ИИ в нефтегазовом секторе, которые еще предстоит открыть и развить. Но большинство из них не являются специфическими продуктами для этой отрасли. В основном в этом секторе используются методы моделирования и оптимизации, методы прогнозирования и анализа данных. Если вы хотите использовать ИИ, для этого еще есть время.

Я думаю, что нефтяная промышленность постепенно начнет уступать место возобновляемым источникам энергии. Поэтому, возможно, область применения будет постепенно уменьшаться, но мы по-прежнему будем привержены этому сектору в течение длительного времени. В результате приложения искусственного интеллекта будут совершенствоваться в соответствии с меняющимися условиями. Мы часто будем использовать искусственный интеллект, чтобы сэкономить деньги и время по различным вопросам и для экологически безопасных исследований. Что вы думаете?