БАКУ /Trend/ - Компания National Oilwell Varco (NOV), специализирующаяся на оборудовании и компонентах для бурения и добычи нефти и газа, разработала единую стандартизированную платформу на основе искусственного интеллекта (ИИ) для буровых работ.
Как сообщает в четвергTrend, об этом рассказал менеджер по развитию бизнеса, решения для комплектации и добычи NOV Торбьёрн Хегдал (Torbjørn Hegdal) во время Каспийской технической конференции SPE в Баку.
"Когда вы переходите от понимания алгоритмов к созданию платформы, это требует немалых усилий. Итак, на первом этапе необходимо оцифровать, а затем собрать данные и систематизировать их. Я хотел бы немного углубить макрокартину и сосредоточиться на некоторых вещах, которые мы делаем в нашей компании, в частности, на буровых работах, на технологических процессах, как надводных, так и подводных, и, возможно, на развитии бизнеса. Мы считаем, что в основе автоматизации лежит автоматизация буровых работ. Это использование технологии для обработки данных, их просмотра и извлечения из них уроков, и все это - автоматизированный процесс. Мы видим много преимуществ, когда речь идет об энергоэффективности, использовании химикатов и т.д., чтобы действительно сократить воздействие нашей деятельности. Это способствует удаленной работе. Это как бы выводит людей из небезопасных мест, повышает экономическую эффективность и т.д.", - отметил он.
По его словам, в значительной степени это связано с мониторингом состояния, предиктивным обслуживанием, а именно с ранним обнаружением и опережением операций.
"Если вкратце объяснить, то речь идет о разработке платформы. В рамках нашей деятельности существует огромное количество возможных применений. Поэтому мы разработали единую стандартизированную платформу. Существует множество данных, собираемых со скважин, добычи, операций, буровых работ, и именно для систематизация этих данных и возможности учиться на их основе была создана платформа. Одна из задач, которую мы решаем - это анализ данных на месте, в режиме реального времени, чтобы они не были подвержены коммуникациям и не уходили в облако. Но это касается того, как хранить данные, а также использовать их удаленно. Но, опять же, это попытка перейти к более стандартизированной платформе", - отметил он.
Хегдал упомянул, что платформа разработана и используется в основном для буровых работ, но в технологическом плане компания стремится использовать тот же подход.
"Таким образом, речь идет о сборе данных, их систематизации и переносе в некое единое пространство и на единую платформу. И это в значительной степени связано с созданием и развитием цифрового двойника, над которым можно работать. А затем - использование различных уровней искусственного интеллекта, начиная от машинного обучения и заканчивая более глубокой работой с данными и более быстрым принятием решений в процессе эксплуатации. Так, в бурении это в значительной степени автоматизация бурения и выявление этой функции. Но здесь есть две стороны. Одна из них - выявление любых отклонений, будь то риск или реальная оптимизация работы. Речь идет о том, чтобы добиться повторяемости операций. Есть и другие применения, например, мониторинг состояния судна. Он применяется на более мощных судах, чтобы действительно контролировать и эту часть работы", - добавил он.
По словам Хегдала, многие анализы проводятся только на месте, но операции могут выполняться и удаленно.
"Когда дело доходит до технологического процесса, речь идет о предиктивном обслуживании с целью минимизации времени простоя и проблем с технологическим процессом. Итак, просто погрузимся в пару примеров, потому что, как мне кажется, это хороший способ рассмотреть на микроуровне, что на самом деле происходит в алгоритмах, но как мы можем воплотить это в бизнесе. Итак, этот пример относится к процессу очистки воды, будь то пластовая вода или морская вода, которую мы обрабатываем для целей закачки. Это пример из практики, но на самом деле это нужно для того, чтобы понять производительность мембран и попытаться действовать более проактивно. Если вы собираетесь делать это вручную, просто наблюдая за отклонениями, это займет время и в конечном итоге приведет к увеличению времени простоя. Но в данном случае машинное обучение позволяет проследить закономерности в работе оборудования и обнаружить типичную проблему - биообрастание - на гораздо более ранней стадии. Конечно, это оказывает непосредственное влияние на время безотказной работы, но есть и другие преимущества, например, уменьшается расход химикатов, и в целом это более устойчивое решение. Я бы сделал еще один шаг вперед, и это касается подводной части. Это нужно для того, чтобы представить себе, что происходит под водой, когда процесс работы ведется наверху. Все дело в надежности, во времени безотказной работы и минимизации технического обслуживания. Поэтому мы будем применять такой же подход и здесь, чтобы действительно понять все поступающие данные. Так, когда мы говорим об очистке воды, мы используем электролиз, все химические вещества на морском дне, и мы непрерывно следим за этим. Мы получаем много данных, но, опять же, речь идет о том, чтобы действительно понять и увидеть эти данные и извлечь из них уроки", - заключил он.
Подписывайтесь на наш канал вWhatsApp, и будьте в курсе главных новостей!