CC BY
12УДК 62
Кузьмин Д.Е.
Самарский государственный технический университет (г. Самара, Россия)
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 БЕЗОПАСНОСТЬ
В 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 «Ре1уа» 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 (И^ 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 КОМПЛЕКСЕ
С 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].
СПИСОК ЛИТЕРАТУРЫ:
1. The economic impact of artificial intelligence on the UK economy. URL: https://www.pwc.co.uk/economic-services/assets/ai-uk-report-v2.pdf;
2. Petya в «Роснефти»: нефтяная компания пожаловалась на мощную хакерскую атаку. URL: https://www.forbes.ru/kompanii/346997-rosneft-pozhalovalas-na-moshchnuyu-hakerskuyu-ataku;
3. Роснефть внедрила систему искусственного интеллекта в процесс бурения скважин. URL: https://www.comnews.ru/digital-economy/content/220976/2022-06-29/2022-w26/rosneft-vnedrila-sistemu-iskusstvennogo-intellekta-process-bureniya-skvazhin;
4. Artificial Intelligence [Открытый источник] URL: https://www.shell.com/what-we-do/di gital i sati on/arti ficial-intelligence. html;
5. PetroAI | Automated Shale Insights [Открытый источник]. URL: https://petro.ai/publications/;
6. https://www.skoltech.ru/en/2019/02/digital-petroleum-smart-solutions-for-the-oil-and-gas-sector/;
7. Digital Petroleum - smart solutions for the oil and gas sector. URL: https://www.skoltech.ru/en/2019/02/digital-petroleum-smart-solutions-for-the-oil-and-gas-sector/;
8. Задачу выполнили: новокуйбышевские нефтепереработчики подвели итоги 2023 года. URL: https://finance.rambler.ru/business/52017059-zadachu-vypolnili-novokuybyshevskie-neftepererabotchiki-podveli-itogi-2023-goda/;
9. Промышленная метавселенная: ИИ и цифровые двойники. URL: https://www.infowatch.ru/analytics/daydzhesty-i-obzory/promyshlennaya-metavselennaya-ii-i-tsifrovye-dvoyniki
Kuzmin D.E.
Samara State Technical University (Samara, Russia)
PARTICIPATION OF ARTIFICIAL INTELLIGENCE IN SOLVING PROBLEMS OF OIL AND GAS COMPLEX
Abstract: this article examines the features of using machine learning algorithms in the oil and gas industry. It examines the general advantages of integrating artificial intelligence, barriers that may arise during adaptation, development prospects, provides cases of oil companies and provides an overview of information technology companies specializing in NGC and AI.
Keywords: oil gas complex, artificial intelligence, machine learning algorithms, innovations, technological progress, digital twins, intelligent system, global trend, competitiveness.
