Для начала давайте вспомним, что нефтеносный пласт находится на глубине почти трех километров, и поэтому о его масштабах, ценности и изменениях можно судить только по косвенным признакам. А как мы можем смоделировать ситуацию, не доступную глазу, без помощи технологий?

На рынке добычи нефтегаза существует большое количество стран-экспортеров, и конкурентная ситуация диктует необходимость постоянно сокращать затраты при увеличении добычи, чего невозможно добиться без использования ИТ в самом ключевом бизнес-процессе добычи. Этот факт подтверждают аналитики. Gartner утверждает, что разработка концепции интеллектуального месторождения поможет добывающим компаниям сократить расходы на 5% и увеличить объем добычи на 2%. Сколько добывают нефти и газа в год? Вспомните о пяти и четырех миллиардах тонн, и сразу станет понятно, что даже такой малый процент будет достаточным основанием для огромных инвестиций в развитие технологий, и особенно в решения на базе искусственного интеллекта. Разведочное бурение с помощью ИИ, анализ данных сейсмических исследований, к примеру, помогает компаниям делать меньше тестов при разведке месторождений и бурить меньше скважин – колоссальная экономия денег и времени.

То, что нефтегазовая отрасль уже активно использует решения на базеAI, подтверждает объем рынка этих решений: в 2019 году добывающая промышленность потратила на них больше $2 миллиардов, а через 6 лет рынку предрекают двукратный рост. Фокусные области, в которых AI востребован, – геологоразведка, добыча и стратегическое планирование.

Несмотря на то, что глобальные игроки AI-рынка, такие как Accenture или Oracle, сотрудничают с нефтегазовыми предприятиями, последние стремятся либо создавать собственные решения или выбирают системы, разработанные очень фокусно.

ИИ не только для добычи

Используемые в нефтегазе AI-продукты глобально решают несколько задач. Первая – сбор и анализ данных при работе над новыми и текущими проектами по разработке месторождений.

Среди успешных примеров – сотрудничество Shell с Microsoft в использовании облачного комплекса Azure C2 IoT на своих месторождениях. А British Petroleum недавно выбрал решение от BelmontTechnology, чья платформа Sandy собирает и анализирует огромный пласт геологических, геофизических, исторических и резервуарных данных по будущим проектам и проектирует на их базе графы знаний.

Подобный кейс недавно описан в Великобритании, где для группы добывающих предприятий создана National Data Repository, хранилище, которое аккумулирует 130 Терабайт данных из 12 с половиной тысяч скважин.

Еще одна важная задача, решаемая системами на базе искусственного интеллекта в нефтегазе – предотвращение сбоев и аварийных ситуаций. Хорошим примером может служить кейс AkerSolutions, внедривших систему Spark Cognition для мониторинга данных от наземных и подводных установок. Cистема позволяет предсказывать возможные поломки и предпринимать действия по их предотвращению.

Наконец, добывающие компании научились с помощью искусственного интеллекта лучше прогнозировать цены на ресурсы. AI может имитировать поведение участников нефтегазового рынка и делать высокоточный прогноз цен на газ и нефть, что влияет на качество планирования.

А что в России?

Не секрет, что в России нефтегазовая отрасль – одна из ключевых, поэтому «Газпром», «Роснефть» и прочие игроки этого рынка каждую неделю радуют СМИ новостями, в которых звучат слова «искусственный интеллект». Однако я бы не относилась к этому с иронией. Действительно, что многие из них проделывают колоссальную работу для того, чтобы создать высокотехнологичные решения, часто превосходящие даже международные аналоги.

Например, научно-технический центр «Газпром нефти» реализуют несколько ключевых для всей отечественной нефтегазовой индустрии проектов. В частности, «Когнитивный геолог» – самообучающаяся модель геологического объекта, которая содержит информацию о строении недр, рентабельности будущего проекта, рекомендуемых методах разработки и другую информацию. Новая технология позволит сократить сроки работ с 3 лет до 6-12 месяцев и повысить качество решений в геологоразведке.

Также «Газпром нефть» работает над использованием машинного обучения в бурении: искусственный интеллект предсказывает выход за пределы продуктивного пласта.

97% всех буровых установок «Роснефти» оснащены искусственным интеллектом и работают для автоматической корректировки операций. 

Кстати, «Роснефть» же первая повторяет примеры международных нефтяных и газовых компаний, которые, создав единожды передовые решения на базе ИИ, нашли на него спрос среди клиентов и других игроков своего рынка. Не так давно нефтесервисная компания Baker Hughes заявила о выводе на открытый рынок приложения, разработанного совместно с компаний С3.ai, которое позволяет точно предсказывать объемы добычи. А «Роснефть» еще в 2017 году создала промышленный симулятор гидравлического разрыва – РН Грид, со встроенным ИИ, – и продала на него более 200 промышленных лицензий.

Получается, что искусственный интеллект не только оптимизирует основные бизнес-процессы добывающих предприятий, но и становится хоть и небольшим – по сравнению с основной выручкой, – но источником дохода для нефтегаза.

Источник: vc.ru