Машинне навчання в нафтогазовій галузі

Нові інформаційні технології – штучний інтелект і зокрема, машинне навчання як процес створення самонавчальних алгоритмів – здатні змінити не тільки інтернет і інформаційну сферу. Цілком успішно впроваджується машинне навчання і у важкій промисловості, включаючи нафтогазову галузь. Використовується машинне навчання в цій галузі поки не дуже широко, але потенційно такі алгоритми можуть застосовуватися:

• при підборі способів збільшення нафтовіддачі родовищ;
• при оптимізації маршрутів транспортування нафти і газу будь-яким способом;
• при побудові логістики постачання обладнанням для нафтовидобутку;

• для побудови прогнозів розробки нових родовищ;
• для аналізу споживання і цін на енергоносії.

Нафтогазова галузь промисловості має кілька важливих особливостей, які обумовлюють необхідність пошуку інноваційних рішень – це безперервність і висока складність технологічного ланцюга, яка починається з геологічної розвідки, а закінчується доставкою нафти і газу споживачам. Це географічний поділ місця видобутку і місця переробки, причому ці місця можуть бути розділені десятками тисяч кілометрів. Устаткування експлуатується в складних умовах, і навіть сучасна геологія не завжди може передбачити будь-які фактори, які вплинуть на віддачу родовища.

Наприклад, заснована на машинному навчанні система прогнозування і попередження інцидентів при експлуатації нафтогазових свердловин і насосних установок на морських платформах дозволила компанії British Petroleum знизити загальні витрати на експлуатацію на два мільйони доларів. І все завдяки тому, що час простою перед ремонтом було скорочено за рахунок поліпшеного розподілу зусиль ремонтних бригад.

Корпорація General Electric Oil & Gas впровадила алгоритми машинного навчання з метою оптимізувати розклад діагностики нафтогазового обладнання, завдяки чому час простою в очікуванні обслуговування скоротилося. Сенсори, які компанія встановлює на техніці, безперервно постачають алгоритми машинного навчання даними для автоматизованого аналізу, і тепер діагностика проводиться саме там, де варто очікувати проблем.

Превентивне виявлення несправностей знижує аварійність, за рахунок чого також відбувається збільшення видобутку і зниження її вартості.

Важливим елементом машинного навчання в нафтогазовій галузі є концепція «цифрового родовища», по суті комп’ютерної моделі реального родовища, на якій можна відпрацьовувати різні прогнози і моделі. Дані для цифрового родовища надходять з місця видобутку, для чого свердловина або кілька свердловин забезпечуються сенсорами, пов’язаними в єдину систему. Такий підхід дозволяє підвищувати рівень видобутку нафти і газу, знижувати витрати, передбачати нештатні ситуації і усувати їх причини. Завдяки цьому багато нафтогазових компанії, зокрема, Shell, Chevron, British Petroleum знижують собівартість видобутку корисних копалин на 8-10% і продовжують терміни експлуатації обладнання на 20%.

Алгоритми машинного навчання також можуть допомогти у виявленні аномалій процесу видобутку ресурсів. Сучасні нафтові і газові родовища обладнані величезною кількістю датчиків, але інформацію, яка надходить з них, може ефективно обробити лише самонавчальна програма, зробити це вручну неможливо. Штучний інтелект дозволяє спрогнозувати можливі проблеми, включаючи і ті, причина яких в геологічних аномаліях, не виявлених вчасно. Важливою є і можливість отримання рекомендації настройки режиму видобутку. Основне завдання тут – оптимізувати режим роботи насосів, що у людини зробити просто не вийде, оскільки він не має або не може обробити всіх даних, необхідних для цього.

І звичайно, машинне навчання допомагає в питаннях, пов’язаних з логістикою і економікою. Так, відповідні алгоритми дозволяють створювати точні та адекватні бізнес-моделі видобутку і транспортування енергоресурсів. Нафтогазова галузь, негнучка унаслідок складної виробничої структури, завдяки застосуванню машинного навчання стає більш пристосованою до досить волатильних цін на нафту і газ. Завдяки таким підходам знижуються втрати від перевиробництві і нестачу потужностей для зберігання.

Найбільш глобальним і при цьому найменш розробленим напрямком поки є ​​автоматизація в геологічній розвідці – а саме, створення системи побудови геологічних моделей на підставі наявних великих даних в цій області. Це дозволить знизити невизначеність, властиву геологічній розвідці в цілому. Адже тільки приблизно кожна друга з розвідувальних свердловин в результаті розробляється – очікується, що машинне навчання зможе знизити кількість непродуктивних розвідувальних свердловин.

Компанія AVADA MEDIA розробляє різні програмні рішення в галузі штучного інтелекту і машинного навчання. Ми реалізуємо проєкти різного масштабу по всьому світу і готові запропонувати створення алгоритмів машинного навчання в тому числі і для нафтогазової галузі, від розвідки і видобутку до переробки та продажу нафтопродуктів і газу.