Промышленность

Как нефтяные гиганты становятся ИТ-компаниями

9 минут
Как нефтяные гиганты становятся ИТ-компаниями

Пандемия коронавируса затронула все отрасли экономики и привела к глобальной трансформации спроса. В числе пострадавших оказалась и нефтяная отрасль. Как крупнейшие игроки рынка будут повышать прибыль в эпоху низких цен?

Искусственный интеллект и нефть

Развитие сланцевой добычи несколько лет назад кардинально перекроило ландшафт нефтегазового рынка, сейчас его может изменить искусственный интеллект (ИИ) и работа с большими данными (Big Data).

Основные игроки уже понимают, что без технологического развития их бизнес останется за бортом. Компания Accenture выяснила, что 36% нефтедобывающих компаний мира сейчас активно используют технологию Big Data, ещё 38% намерены взять её на вооружение в ближайшие 3—5 лет.

Возможности применения ИИ направлены на то, чтобы помочь компаниям определить успешные скважины, автоматизировать процессы бурения и сделать добычу максимально эффективной и высокомаржинальной.

нефтедобывающих компаний мира используют технологию Big Data

Нефтегазовая отрасль накопила большие объёмы сложноструктурированных данных, полученных во время разработки нефтяных и газовых месторождений, но многие компании почти не используют их. С помощью анализа данных нефтяная отрасль способна открыть для себя новые возможности по добыче и более эффективному использованию существующей инфраструктуры.

Основные зарубежные игроки

Спрос привлёк на рынок мировых IT-гигантов: Google, Microsoft, Amazon уже заключили соглашения с крупнейшими мировыми нефтяными компаниями и активно стремятся к большему. Искусственный интеллект для оптимизации производства становится одним из ключевых элементов стратегической повестки нефтяников.

Например, в 2018 году Google Cloud создала подразделение для оказания услуг компаниям из нефтегазовой отрасли. В этом же году Google и французский нефтяной гигант Total «подписали соглашение о совместной разработке решений искусственного интеллекта для анализа подземных данных при разведке и добыче нефти и газа». Google завершила сделку с Anadarko Petroleum — одной из крупнейших американских компаний по разведке и добыче нефти и газа, а также крупные сделки с нефтесервисными компаниями Baker Hughes и Schlumberger.

Другой IT-гигант — Amazon — также имеет отдельное направление Oil & Gas своего подразделения Web Services (AWS). У компании есть несколько клиентов в крупных нефтяных компаниях, включая BP и Royal Dutch Shell. Как и Google, сервис Amazon предлагает помочь нефтегазовым компаниям внедрить ИИ на своём производстве.

Microsoft Azure, облачная платформа, не отстаёт от конкурентов, предлагая свои услуги компаниям из нефтяной отрасли. В октябре 2018 года Chevron подписал семилетнее соглашение с Microsoft на сотни миллионов долларов. Платформа использует ИИ для повышения эффективности во всех областях инфраструктуры: от бурения и добычи до расширения возможностей сотрудников и обеспечения их безопасности.

Ситуация в России: межотраслевой альянс и суперкомпьютер

Российские компании не отстают от западных. Добывать нефть многим игрокам рынка приходится в сложных геологических условиях, где есть колоссальный потенциал для использования ИИ.

Ключевой проблемой внедрения «умных» технологий в российской нефтегазовой индустрии является начальный уровень развития отечественных технологий. На российском рынке представлено не много компаний, предлагающих свои услуги, и большинство из них не имеют готовых решений для нефтяной отрасли.

Выходом могут стать альянсы разработчиков и реального сектора. Например, в ноябре 2019 года на конференции AI Journey было подписано соглашение о создании первого межотраслевого альянса для продвижения технологий ИИ в России. Его участниками стали Сбербанк, «Яндекс», Mail.ru Group, МТС, Российский фонд прямых инвестиций (РФПИ) и «Газпром нефть». Целью альянса стало ускорение развития технологий на основе ИИ для достижения лидерских позиций на глобальных рынках.

Участники альянса планируют создавать технологические компоненты в области ИИ, разрабатывать регуляторную базу, привлекать инвестиции, проводить исследования и обучать новые кадры. По данным РФПИ, фонд уже привлёк от отечественных и международных партнёров 2 млрд долларов для инвестиций в российские ИИ-компании. А «Газпром нефть» создала научно-образовательный центр по развитию технологии искусственного интеллекта в партнёрстве с санкт-петербургскими вузами.

На этой же конференции AI Journey прошла презентация нового суперкомпьютера «Кристофари», разработанного специалистами Сбербанка и SberCloud в партнёрстве с компанией NVIDIA. И 12 декабря компьютер был запущен в коммерческую эксплуатацию. Это единственный в России суперкомпьютер, созданный специально для работы с алгоритмами ИИ, сейчас на нём разрабатываются решения в том числе и для нефтяной отрасли.

Как российские нефтяные компании уже используют цифровые технологии?

«Газпром нефть»

Компания стала одним из первопроходцев в цифровизации своей деятельности. В 2017 году «Газпром нефть» начала использовать технологии анализа больших данных (Big Data), машинного обучения и искусственного интеллекта для ведения работы в области бурения и закачивания скважин, моделирования технологических процессов нефтепереработки, а также оптимизации других производственных процессов. В апреле 2018 года «Газпром нефть» утвердила цифровую трансформацию бизнеса в качестве одного из приоритетных направлений деятельности и объявила о создании профильной дирекции.

Сегодня компания реализует масштабную стратегию по цифровой трансформации. В портфеле более 1000 проектов, структурированных в несколько целевых программ, которые легли в основу стратегии цифрового развития бизнеса до 2030 года.

Вот проекты, где ключевой технологией является искусственный интеллект:

«Цифровая нефть». Анализ геолого-геофизических исследований по нескольким десяткам тысяч скважин и выработка алгоритма, который позволяет предсказать новые перспективные зоны для поиска залежей углеводородов. В результате испытания на Вынгапуровском месторождении удалось добиться дополнительной добычи на уровне 70 баррелей нефти в сутки без затрат на дополнительное бурение и создание инфраструктуры.

«Когнитивный геолог». Ранняя и быстрая интеграция различных типов данных, получаемых при разведочных работах, в единую геологическую модель. Программа подсказывает, какие параметры для конкретного месторождения надо уточнить, чтобы она с вероятностью 90% представила результат. Результат: увеличение скорости обработки геолого-геофизических данных и построения геологических моделей (более чем на 50%) и оптимизация затрат более чем на 30% на ранних этапах.

«Вега 2.0». Оптимизация бизнес-процесса оценки инвестиционных решений с помощью специальных интегрированных моделей. Результат: ранний запуск новых активов геологоразведки.

Система «Нефтеконтроль». Объединение всех существующих в компании систем учёта нефти и нефтепродуктов для сбора информации по цепочке от скважины до заправочной колонки. Результат: рост уровня автоматизации измерений почти вдвое (с 45 до 85%), благодаря чему удалось повысить достоверность учёта нефти и нефтепродуктов.

Система «Капитан». Долгосрочное и оперативное планирование, диспетчеризация арктического флота и аналитика с использованием искусственного интеллекта. Функционал системы позволяет в режиме реального времени вести комплексный анализ эффективности эксплуатации флота, оценивая скорость движения на маршруте, расход топлива, объём загрузки судов. Результат: система «Капитан» формирует график движения судов на месяц за 5 минут, а составление перспективного плана на 3 года с почасовой дискретностью занимает около двух часов.

    «Татнефть»

    В компании «Татнефть» курс на цифровую трансформацию всей производственной системы взяли в 2014 году. Два года спустя «Татнефть» заложила в стратегию цифровизацию своих бизнес-процессов и производства.

    Компания сегодня работает над использованием возможностей искусственного интеллекта для создания «цифровых двойников» реальных объектов (обработка исторических данных для создания модели действующего производства с целью его оптимизации), повышения эффективности добычи нефти, оптимизации фонда скважин и совершенствования системы разработки месторождений — ИИ помогает прогнозировать нефтеперспективные объекты.

    Результаты этой работы позволили «Татнефти» в последние годы увеличить объёмы нефтедобычи.

    В компании также работает автоматизированная система дистанционного контроля и управления (АСДКУ) — программно-технический комплекс, создаваемый для оперативного контроля и управления технологическими объектами и процессами, связывающий эти объекты. В основу АСДКУ заложена концепция интернета вещей (internet of things) и искусственного интеллекта. Решения на базе АСДКУ могут быть использованы как инструменты оперативного контроля и управления разработкой нефтяными месторождениями или для осуществления мониторинга технологических процессов и процессов обеспечения функционирования оборудования, предупреждения и ликвидации последствий дестабилизирующих факторов в реальном времени.

    «Роснефть»

    «Роснефть» тоже активно внедряет технологии ИИ на своём производстве. В 2017 году компания утвердила частью своей новой стратегии полную цифровизацию бизнеса.

    Какие проекты компания реализует:

    Автоматизированная система интеллектуального бурения (АСИБ), опираясь на исходные параметры, своевременно вносит корректировки в управление технологическим процессом бурения. Результат: увеличение механической скорости проходки в среднем на 15%. Экономический эффект при бурении одной скважины составил около 5 млн рублей.

    Система усовершенствованного управления технологическим процессом (СУУТП) на установке первичной переработки нефти — система искусственного интеллекта, которая на основе исходных данных своевременно вносит соответствующие корректировки в управление технологическим процессом, то есть максимально оптимизирует весь процесс переработки нефти.

    Технология компьютерного зрения. Она автоматически и в режиме реального времени фиксирует нахождение людей в опасных зонах, определяет наличие средств индивидуальной защиты и способна незамедлительно проинформировать о чрезвычайных происшествиях.

    Технология машинного обучения при прогнозе отказов установки электроприводного центробежного насоса для управления цепочкой поставок и оптимизации складских запасов. Разработанная технология основана на искусственном интеллекте и нейронных сетях и способна существенно повысить точность прогноза по отказам оборудования, таким образом помогая более точно планировать процессы снабжения.

    Голосовой помощник. Сотрудник, использующий корпоративное ПО, в течение всего рабочего дня сможет осуществлять поиск необходимой информации для выполнения своих работ вдвое быстрее — за 4—5 часов, что принесёт значительный экономический эффект.

      «Лукойл»

      В 2018 году совет директоров компании утвердил функциональную программу «Информационная стратегия группы «Лукойл», ядром которой является цифровизация бизнес-процессов с целью повышения эффективности. Информационная стратегия является неотъемлемой частью долгосрочной программы стратегического развития на 2018—2027 годы и включает около 100 инициатив. Часть из них уже реализована:

      Интеллектуальное месторождение. Интеграция процессов управления месторождением на основе автоматизированных компьютерных систем и высокотехнологичных систем сбора данных. Концепция покрывает полный производственный цикл развития проекта — от стадии поиска и разведки до завершения разработки — и включает такие блоки, как интегрированное моделирование, интегрированное планирование, центр интегрированных операций. Результат: накопленная дополнительная добыча углеводородов более 7 млн баррелей в натуральном эквиваленте.

      Нейронные сети. На пилотных участках зрелых месторождений подтверждена высокая эффективность применения нейронных сетей для управления добычей и заводнением. В 2019 году были разработаны алгоритмы управления заводнением зрелых месторождений, сформирована модель ограничений и выполнен анализ эффективности проводимых геолого-технических мероприятий для пилотных участков в Западной Сибири. Планируется масштабирование данной технологии.

      Система предиктивной аналитики состояния динамического оборудования. Система мониторинга и прогноза состояния оборудования для прогнозирования сроков и необходимости ремонтов, сокращения затрат на обслуживание и количества отказов.

      Поделиться в соцсетях

      Статья была вам полезна?

      Да

      Нет