Кузьмин Д.Е.
УЧАСТИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В РЕШЕНИИ ЗАДАЧ НЕФТЕГАЗОВОГО КОМПЛЕКСА *
Аннотация:
данная статья рассматривает особенности использования алгоритмов машинного обучения в нефтегазовом комплексе. В ней рассматриваются общие плюсы интеграции искусственного интеллекта, барьеры, которые могут возникнуть при адаптации, перспективы развития, приведены кейсы нефтяных компаний и проведен обзор компании сферы информационных технологии, специализирующихся в направлении НГК и ИИ.
Ключевые слова:
нефтегазовый комплекс, искусственный интеллект, алгоритмы машинного обучения, инновации, технологический прогресс, цифровые двойники, интеллектуальная система, мировая тенденция, конкурентоспособность
В повестке последних десятилетии искусственный интеллект (ИИ) стал ключевым элементом во многих сферах и особенности нефтегазового комплекса (НГК). ИИ привносит новые возможности и преобразования в процессы добычи, переработки, распределения и реализации энергетических ресурсов. Участие ИИ в решении задач НГК оказывает существенное влияние на повышение операционной эффективности, снижение затрат ресурсов и улучшение безопасности операции в этой стратегически важной отрасли. Данная статья рассматривает основные области применения ИИ в НГК и его роль.ОБОБЩЕННЫЙ ОБЗОР ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ ПРИМЕНЕНИЯ ИИ.Со времен начал рассуждении о значимости капитала в жизни человека произошло внушительное количество событии и прогрессивных прорывов, что вопросов о значимости экономики в жизни, деловой и производственной сфере не возникает. В связи с этим дадим себе волю рассмотреть роль искусственного интеллекта в главном показателе целесообразности в жизни практичных вещей.Экономические выгоды от применения ИИ в различных секторах появляются за счет увеличения производительности, оптимизации процессов и создания новых возможностей. Например, Pricewaterhouse Coopers (PwC) – это международная аудит-консалтинговая корпорация, раскрывает тему влияния искусственного интеллекта на экономику Великобритании. Исследование PwC показывает, что ВВП Великобритании будет на 10,3% выше к 2030 году благодаря ИИ, что эквивалентно дополнительным 232 млрд фунтов стерлингов в казну государства [1]. Рассмотрим основные пункты экономической эффективности, которая может быть достигнута посредству использования ИИ:- Искусственный интеллект позволяет автоматизировать многие рутинные задачи, улучшая эффективность работы и сокращая временные затраты, что в свою очередь приводит к увеличению производительности труда и снижению затрат на рабочую силу;- Анализ данных и обратной связи с помощью ИИ позволяет улучшить качество продукции и услуг, оперативно адаптируясь к потребностям клиентов в условиях рынка в данный момент времени;- Алгоритмы машинного обучения позволяют оптимизировать бизнес-процессы, улучшая планирование, управление запасами, прогнозирование спроса, потребность и принятие решения. Снижаются издержки;- ИИ так же способен обнаруживать аномалии, предсказывать отказы оборудования и предупреждать о возможных проблемах в производственных и бизнес-процессах. Сокращаются натуральные потери и неожиданные затраты. ИИ сможет организовать работу на упреждение рисков;- Использование ИИ в проектировании, разработке, реализации и тестировании позволяет сократить время выхода проекта на сдачу или продукта на рынок. Увеличиваются обороты.В общем и целом, применение ИИ способствует повышению конкурентоспособность предприятия, стимулирует проектную и инновационную деятельность, что непосредственно влияет на устойчивый экономический рост.ПРОБЛЕМЫ И ВЫЗОВЫ. ТЕХНОЛОГИЧЕСКИЕ БАРЬЕРЫ.Сложности, как и во многих других технологиях не обходят стороной и искусственный интеллект. Одна из ключевых проблем - большие и сложные объемы данных. НГК характеризуются весомым объемом разнообразных данных, включая данные геологических структур, производственных процессов, погодных условиях и много другое. Обработка и анализ такого объема требует мощного аппаратного ресурса и продвинутых методов машинного обучения.Помимо наличия самих данных, существуют системы, в которые необходимо интегрировать ИИ. Такое внедрение может быть сложно и затратно. Многие компании имеют к тому же еще и разветвленную инфраструктуру, включая различные виды оборудования, системы управления и систему баз данных. Внедрение ИИ требует так же наличия высококвалифицированных специалистов, обладающих знаниями в области ИТ. Это сфера самого машинного обучения, анализа данных, программирования и инженерии. Нехватка специалистов подобного рода может стать серьезным препятствием в развитии ИИ на предприятии.Так же, использование ИИ может сопряжаться с риском ошибок и непредсказуемых результатов, которыми обладает сфера НГК. Данные опасения могут влиять на восприятие ИИ у руководства компаний и инвесторов относительно экономической эффективности и надежности применения. Невозможно обойти мимо и такого фактора, что некоторые страны могут иметь ограничения на использование технологии ИИ в нефтегазовой отрасли, мотивируя это влиянием на безопасность данных, этических вопросов или геополитических соображении. К слову, безопасностью данных обеспокоены не только государственные правовые службы, но и сами нефтегазовые компании, чьи данные, собственно и есть непосредственная собственность. В связи с этим вопросом разберем данный контекст далее чуть подробнее.ИНФОРМАЦИОННАЯ БЕЗОПАСНОСТЬВ нефтегазовой отрасли существует значительное количество данных, которые могут быть чувствительными или конфиденциальными из-за коммерческой или безопасностной значимости. Обеспечение доступа к данным для обучения алгоритмов ИИ может столкнуться с препятствиями из-за ограниченного доступа или ограничений в обмене информацией между компаниями или странами. Так же внедрение ИИ в нефтегазовой отрасли увеличивает поверхность атаки для кибер-угроз и кибер-атак. Утечка конфиденциальной информации, взлом систем управления и манипуляция данными могут привести к серьезным последствиям, включая простои производства и ущерб для репутации компании. Пример подобным последствиям: нашумевший инцидент с вирусом «Petya» в 2017 году. Вирус атаковал свыше 80 компании России и Украины, поразив работу ИТР, за разблокировку ПК которых требовали денежный перевод крипто-валютой [2]. Принятие решений на основе алгоритмов ИИ может вызвать вопросы относительно ответственности за возможные ошибки и непредвиденные последствия. Важно разработать этические стандарты и нормы, регулирующие использование ИИ в нефтегазовой отрасли, дабы минимизировать риски для окружающей среды и общества.ТЕКУЩЕЕ СОСТОЯНИЕ И ПЕРСПЕКТИВНЫЕ НАПРАВЛЕНИЯ. ПРИМЕРЫ И ПРОГНОЗИРОВАНИЕ УСПЕШНОГО ПРИМЕНЕНИЯ ИИ В НЕФТЕГАЗОВОМ КОМПЛЕКСЕ. В последнее десятилетие и настоящее время успешное применение искусственного интеллекта в НГК становится все более распространенным и уже приносит свои плоды. Экономика: как мы рассматривали ранее, то как и в других отраслях, так и в нефтегазовой области ИИ помогает прогнозировать спрос и цены. Крупные нефтегазовые компании уже интегрируют алгоритмы машинного обучения в свои системы для анализа данных о рыночной конъюнктуре, погодных условиях, геополитических событии и других факторах, что влияют на спрос и цены на энергоносители. Появляется незаменимый инструмент в прогнозировании рыночных трендах и принятии решении. Это помогает компаниям принимать обоснованные решения о производстве и сбыте, сокращая риски и повышая доходы.Добыча и переработка: алгоритмы машинного обучения анализируют данные о состояния оборудования, скважинных параметрах, геологической структуре, мониторинг переработки сырья на основе цифровых двойников и многих других параметров, что позволяет автоматизировать, улучшить эффективность основных направлении, сократить затраты и минимизировать риски на предприятии;Превентивное обслуживание оборудования: благодаря ИИ производства могут предсказывать отказы и поломки оборудования на месторождениях и заводах переработки. Алгоритмы ведут постоянную аналитику данных о работе оборудования, тех. состоянии и предшествующих отказах, что в свою очередь позволяет проводит превентивное обслуживание и предотвращать аварии, сокращая простои и уменьшая потери.Управление запасами и поставками: Анализ данных о состоянии запасов, транспортировке и спросе позволяет оптимизировать управление запасами и поставками энергоносителей. Использование алгоритмов ИИ позволяет компаниям точно прогнозировать потребность в энергоносителях, оптимизировать логистику и сокращать издержки на хранение и транспортировку.Безопасность: ИИ в НГК способно помогать управлять рисками и обеспечивать безопасность операции на площадках. Алгоритмы анализируют данные о производственных процессах, условиях труда, экологических факторах и других параметрах, выявляя потенциальные опасности и предлагая меры по их устранении. Тем самым появляются больше возможностей для создания автономных систем: автономные беспилотные буровые установки, полностью автоматизированные производственные продукт установки, дроны для мониторинга месторождении и транспортные средства уже становятся реальностью.Управление персоналом: применение ИИ в управлении человеческими ресурсами (HR) и выборе кадров открывает широкие перспективы. Использование алгоритмов машинного обучения позволяет компаниям прогнозировать потребность в человеческом ресурсе, что особо важно для предприятий с посменным круглосуточным или вахтовым режимом работы. Развитие навыков и обучение персонала: ИИ может использоваться так же для мониторинга и разработки персонализированных программ обучения для сотрудников. Учитывая особенность в необходимости повышения квалификации персонала в связи с развитием технологического прогресса, данное направление в НГК является одним из основных в кадровом вопросе. Перспективы прогнозирования и оптимизации производства в нефтегазовой отрасли выглядят обнадеживающе. ИИ может принести значительные выгоды для компаний, обеспечивая более точное принятие решений, повышение эффективности и улучшение конкурентоспособности на существующей системе, либо принеся инновацию в решение уже долго поставленных вопросов.НАСТОЯЩЕЕ ПРИМЕНЕНИЕ ИИ В НГК.Конечно, пройдя подобный теоретический экскурс возникает вопрос: «а есть ли всему этому практическое подтверждение?». Рассмотрим несколько натуральных примеров российских и мировых компании.Компания "РН-Пурнефтегаз", входящая в состав НК "Роснефть", успешно внедрила систему автоматизированного управления бурением, основанную на искусственном интеллекте. Это позволило сократить время бурения скважин в среднем на 11,7 часов и принесло средний экономический эффект в размере около 1,7 миллиона рублей на каждую скважину. Система работает автоматически, опираясь на исходные параметры и внося корректировки в процесс бурения. Она повышает безопасность, реагируя на критические ситуации и предлагая оптимальные режимы бурения. Успешный опыт может быть распространен на другие объекты НК "Роснефть" [3]. Компания Shell внедряет искусственный интеллект для оптимизации процессов добычи нефти. Они используют алгоритмы машинного обучения для анализа данных с сенсоров на месторождениях, чтобы оптимизировать параметры добычи и предсказывать возможные отказы оборудования. Это помогает компании повысить эффективность добычи и снизить издержки. Так же Shell активно пропагандирует свои достижения и делиться планами по интеграции ИИ в свои системы. «Компании, которые используют новые источники данных и технологии искусственного интеллекта и машинного обучения для получения аналитической информации, будут иметь сильные позиции для формирования будущего коммерческого развития и влияния на то, как меняется общество», заявляет британская нефтегазовая компания на своих официальных источниках [4].Компания PetroAI c момента своего основания в 2013 году зарекомендовала себя как пионер в области передовой аналитики в секторе нефти и газа. Сейчас компания акцентирует внимание на разработке нетрадиционных месторождений, применяя продвинутые геомеханические алгоритмы в рамках своей платформы искусственного интеллекта. Это позволяет PetroAI полноценно анализировать сланцевые пласты, предоставляя обширные данные и рекомендации для улучшения размещения DSU и увеличения прибыльности. Компания так же стабильно публикует свои последние кейсы и достижения на официальном сайте [5]. Российская компания Digital Petroleum, основанная группой исследователей из Центра нефти и газа Сколковского института науки и технологии (Skoltech), с профессором Дмитрием Коротеевым во главе, активно использует предсказательную аналитику и искусственный интеллект для обеспечения инвестиции, соблюдая отраслевые стандарты. Основная деятельность компании заключается в разработке инструментов для принятия решений в области разведки и добычи нефти и газа, с использованием машинного обучения, гибридного моделирования физических и операционных процессов, математической оптимизации и автоматического диспетчирования и планирования [6].В компании на данный момент три активных направления разработки:AIDrilling – программное обеспечение (ПО), разработанное компанией предназначенное для предсказания аварий при бурении. ПО контролирует риски осложнении и траекторию бурения в реальном времени, обеспечивая безопасное и эффективное бурение;DeepCore – интеллектуальная система (ИС), созданная для полного анализа керна. ИС способна: обрезать изображения коробок с керном и извлекать отдельные колонны, а также определять автоматически типы пород – статистический анализ данных и оценка качества керна;4Field – интеллектуальная система, способная оценить потенциал нефтяных месторождении (эффективность и риски месторождении). Система представляет результаты в виде графических изображений и описательного текста, которые являются понятными и легкими для интерпретации [7].Digital Petroleum помимо разработок так же ведет активную информационную деятельность, а также предоставляет услуги консультации в сфере ИТ и ИИ в частности. БУДУЩЕЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В НЕФТЕГАЗОВОМ КОМПЛЕКСЕС учетом текущих тенденций и разработок, таких как системы AIDrilling, DeepCore и 4Field от компании Digital Petroleum, можно ожидать, что ИИ будет играть всё более важную роль в повышении безопасности, эффективности и устойчивости нефтегазовой отрасли.Однако, для практикующего сотрудника крупных компании нефтегазового комплекса в РФ не будет секретом услышать, что большинство программного обеспечения в управлении может быть устаревшим как технически, так и морально. Возможны возникновения проблем с интеграции инновационного искусственного интеллекта в устоявшуюся и годами отработанную систему.Компании, понимая необходимость в инновации уже начали предпринимать шаги для упрощения интеграции. Примером тому удачный репорт АО «Новокуйбышевский НПЗ» (завод в Общество Группы Компании ПАО «НК «Роснефть»): «Успешно внедряются на заводе цифровые технологии: совместно с компанией ООО "Сибинтек" сейчас создается собственный IT-продукт- цифровой двойник. Система контролирует тысячи параметров в реальном времени и предлагает оптимальный режим работы. Уже отлично показали себя в работе цифровые двойники для установок АВТ-9 и АВТ-11, разрабатываются инженерные модели для установок 35-11/300, ЛСИ-200, CCR и ПГИ-ДИГ, внедряются системы усовершенствованного управления технологическим процессом для установок CCR и ПГИ-ДИГ» [8]. Помимо повышения операционной эффективности и снижения потерь, использование цифровых двойников согласно данным консалтинговой компании McKinsey&Company так же на 60% сократит время внедрения нового ИИ [9].
Номер журнала Вестник науки №4 (73) том 2
Ссылка для цитирования:
Кузьмин Д.Е. УЧАСТИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В РЕШЕНИИ ЗАДАЧ НЕФТЕГАЗОВОГО КОМПЛЕКСА // Вестник науки №4 (73) том 2. С. 732 - 741. 2024 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/13893 (дата обращения: 17.05.2024 г.)
Вестник науки СМИ ЭЛ № ФС 77 - 84401 © 2024. 16+