Демонстрация продуктов компании Digital Petroleum под условным названием «искусственный интеллект в нефтегазовой отрасли» началась с заявления о том, что пузырь хайпа вокруг промышленного искусственного интеллекта лопнул.
«Прокололи его мы», – утверждает основатель и директор компании Digital Petroleum Дмитрий Коротеев. По его словам, когда пузырь лопается, остаются основные компоненты того, что можно использовать. В данном случае это продвинутая математика, конкретные проблемы промышленности, которые можно решать. К тому же есть люди, которые понимают и проблемы, и математику.
Дебют трех решений
«Последние пять лет мы собирали команду специалистов, которые тестировали разные гипотезы по применению ИИ для подземной части нефтеза. Два с половиной года назад мы совместно со Сколтехом решили, что часть этих гипотез пора выводить в продукты и создали компанию spin-off – Digital Petroleum», – рассказал Дмитрий Коротеев.
На первой презентации продуктов компании были продемонстрированы три решения.
AIDrilling для прогноза аварий
Информационную систему AIDrilling, предназначенную для оптимизации технологии и прогноза аварий при бурении, представила директор по развитию компании Digital Petroleum Ксения Антипова. На первый взгляд, основных задач в бурении немного – пробурить куда следует, без аварий и как можно быстрее. Реализовать это не столь просто, как кажется. Задачу прогнозирования аварийных ситуаций при бурении можно поручить AIDrilling. Многие компании создают центры сопровождения бурения, однако специалистам приходится сопровождать до 20 скважин одновременно. И какие бы хорошие данные ни поступали, не всегда есть возможность отследить предвестники нештатных ситуаций. Подсчитано, что непроизводительное время вследствие аварий составляет от 6 до 20%.
В компании Digital Petroleum решили поправить ситуацию с помощью технологий ИИ. Собираются разные кейсы, которые относятся к бурению, спуску, подъему и целевой ситуации – аварии на скважине. Алгоритм обучался прогнозировать все виды аварий – прихват, поглощение, промыв, слом и сальник.
Важно учитывать, что буровая не обязана быть высокотехнологичной, далеко не все такие объекты оснащены датчиками, есть стандартные станции, качество поступающих данных оставляет желать лучшего. «Стараемся сделать так, чтобы система работала с такими данными. Используется стандартный набор признаков (например, вес на крюке, глубина долота и забоя, момент на роторе, нагрузка на долото, давление и расход на входе и т. д.). Эти данные в реальном времени поступают в информационную систему, анализируются алгоритмом, который выдает прогноз. Тестируются разные фрагменты данных, на части обучаемся, на части тестируем. Получаем тестовый результат, максимально приближенный к реальному», – пояснила Ксения Антипова.
Данные обрабатываются алгоритмом с помощью скользящего окна. Внутри окна данные делятся на небольшие участки, рассматриваются алгоритмом и маркируются на схожесть с аналогичными ситуациями, которые есть в обучающей выборке. Система принимает решение о том, нормальное или аварийное бурение. Все коэффициенты настраиваются с помощью алгоритмов машинного обучения. Выдается результат в виде вероятности того или иного типа осложнений.
Получать прогнозы можно за восемь часов, за четыре и за 30 минут до возникновения аварийной ситуации. У пользователя системы достаточно времени, чтобы принять соответствующее решение – позвонить на буровую и скорректировать процесс, предотвратив аварию.
Для каждого из прогнозируемых видов осложнений строятся графики. Во время демонстрации можно было видеть, что в верху экрана представлена информация о текущей операции и качестве данных (не стоит верить прогнозам, если качество данных низкое). На экране выводятся также события, характерные для ствола. На другом экране агрегированы все основные события. Информацию можно выгружать для отчета перед руководством.
Разработана версия решения для смартфонов. Уведомления могут поступать не только в центр мониторинга. При соответствующей настройке уведомления поступят и смартфон бурильщика (при наличии у него доступа к корпоративной сети).
Сейчас систему используют две большие компании – нефтяная и газовая (Digital Petroleum не вправе их называть). Предложенная в системе модель кастомизируется под данные заказчика. Об эффективности системы можно будет судить по сокращению непроизводительного времени.
DeepCore для описания керна полного цикла
Второй продукт – система автоматического описания керна полного цикла DeepCore, которая повышает эффективность работы с керновыми материалами как источниками информации о геологическом строении недр и данными, находится на стадии запуска (доступен начиная со второй половины апреля). Решение представил R&D специалист в сфере геологии и машинного обучения компании Digital Petroleum Евгений Барабошкин.
Система автоматизированной обработки изображений керна позволяет извлечь керн из ящика и произвести классификацию с помощью свёрточных нейронных сетей. При этом обеспечивается автоматическая увязка изображений керна по глубине, неограниченное количество керна описывается за считаные минуты, выполняется вероятностная оценка каждого прогноза. «Можно прийти в кернохранилище, сделать фото ящика с керном, дать характеристику фото по привязке к глубинам и получить результат классификации (с поправкой в дальнейшем). Использование DeepCore сокращает время описания керна, получения цифровых данных, стандартизирует описание, позволяет извлечь максимум информации из имеющихся данных», – пояснил Евгений Барабошкин.
«Под капотом» системы – большое количество формул, алгоритм «свёрточные искусственные нейронные сети». Для обучения алгоритма собрана огромная база данных («из открытых и не очень источников»). В процессе сбора информации было разработано множество полезных препроцессоров, которые оценили коллеги, сообщил эксперт. На создание системы ушло «четыре года проб и ошибок». Предлагаемое решение можно масштабировать. Программа представляет собой веб-интерфейс.
4Field для оценки потенциала месторождения
Третий продукт – 4Field – инструмент снижения рисков при оценке потенциала месторождения – продемонстрировал Data Scientist компании Digital Petroleum Иван Махотин. По его словам, решение на основе ИИ позволяет за несколько минут оценить потенциал месторождения и эффективность (особенно актуально накануне покупки лицензионного участка), определить коэффициент извлечения нефти.
Инструмент работает с частичными входными данными, дает оценку неопределенности прогнозов, анализирует параметры залежей относительно мировой статистики распределения параметров. Решение представляет собой облачный сервис с возможностью подписки (не требует установки специального ПО).
Среди преимуществ 4Field – возможность объективной оценки в условиях неопределенности, снижение рисков неоправданных инвестиций, значительная экономия времени (по сравнению с геологическим /гидродинамическим моделированием, простота в использовании, утверждают в компании. В основе решения – вероятностный подход с приближенным байесовским выводом относительно распределения вероятности тех или иных моделей. Обучающая выборка Dataset содержит несколько тысяч реальных залежей со всего мира. Отмечалось также, что при изменении данных модель быстро выдает новый прогноз.
Очередные новинки через полгода
По окончании демонстрации решений Дмитрий Коротеев анонсировал появление через полгода еще двух продуктов: для работы с геофизическими исследованиями скважин и для оптимизации работы добычных и нагнетательных скважин. А завершил мероприятие любопытным воспоминанием. Один из старших коллег Дмитрия как-то сказал, что искусственный интеллект победит, когда на буровой будут востребованы только инженер и собака. Инженер нужен для того, чтобы кормить собаку, а собака – чтобы инженер ничего не трогал руками.
По словам руководителя Digital Petroleum, сейчас все движется к тому, что ИИ в каждом конкретном случае сам будет определять, что и как решить и сколько людей нужно задействовать после разработки продуктов, оптимизирующих процесс. А что касается упомянутого коллеги, то, говорят, он ушел на пенсию и завел собаку.
