GenAI: работа над препятствиями
Организаторы промышленно-энергетического форума TNF и центра социального проектирования "Платформа" при экспертной поддержке Сбербанка провели исследование, посвященное потенциалу развития генеративного искусственного интеллекта в российской нефтегазовой отрасли.
Нефтянка, сэр!..
Ископаемое топливо было и остается ключевым фактором в мировой промышленности. Нефть в совокупности с газом и углем по-прежнему обеспечивает более 80% общемирового энергопотребления.
При этом данная сфера добывающей отрасли отличается не только повышенной консервативностью, но и неизбежным накоплением проблем, являющихся прямым следствием активной разработки. В их числе - истощение месторождений, обводненность скважин, устаревание оборудования.
В копилку сложностей добавляются внешние факторы. Такие, как колебание цен на энергоносители, постоянно повышающиеся требования контролирующих органов, перебои с налаженными цепочками сбыта.
Искусственный интеллект, возможно, не является абсолютным противоядием от всех отраслевых бед. Но во многих аспектах он может стать незаменимым помощником и, как следствие, конкурентным преимуществом.
Ниши применения
Есть целый ряд нишевых направлений, в которых ИИ может упростить добычу нефти, оптимизировать логистику и удешевить переработку.
Машинное обучение повышает точность поиска залежей углеводородов. Ни отдельный специалист, ни команда профессионалов не могут сравниться с ИИ в точности и сроках в выявлении скрытых закономерностей в геологических данных. В вопросах оптимизации расположения скважин GenAI тоже начинает захватывать лидерство.
Анализ керна обеспечивает достоверный прогноз перспектив месторождения. Нейросетевые технологии здесь незаменимы благодаря вычислению миграции флюидов в насыщенном углеводородами пласте.
ИИ повышает уровень промышленной безопасности. Компьютерное зрение предотвращает аварии, травмы и несчастные случаи и следит за соблюдением регламентов технологических процессов.
Раннее обнаружение потенциальных поломок оборудования – в том числе компрессоров – также ведется на основе анализа данных с множества датчиков. А модели, оптимизирующие логистику и сбыт, не только экономят, но и зарабатывают. С их помощью можно также оптимизировать графики загрузки НПЗ.
Что мешает?
Пока нефтегазовая отрасль в России демонстрирует локальный характер внедрения технологий GenAI. Причина в том, что, несмотря на обширные перспективы, ряд факторов затрудняют массовое внедрение технологий.
Прежде всего – низкое качество и разрозненность данных. На данный момент информация хранится в различных форматах и системах, по этой причине консолидация не всегда невозможна.
Огромное влияние оказывает география – обширные территории с затрудненным доступом и отсутствием инфраструктуры. Кроме того, специалистов для обслуживания умных скважин и цифровых производств недостаточно уже сейчас. Конкуренция за специалистов в ИИ высока как в индустрии в целом, так и в нефтегазовом секторе.
Вообще на скорость интеграции технологий генеративного искусственного интеллекта в нефтегазе влияют цифровая культура компаний, квалификация специалистов, качество информационной базы и регулирование.
Позитивные примеры
Тем не менее, замечательные результаты внедрения GenAI демонстрируют уже состоявшиеся проекты. Так, «Газпром нефть» внедрила онлайн-платформу «Цифровой двойник сейсморазведки». Система комплексно оценивает новые проекты и предлагает решения с точки зрения распределения ресурсов и методов геологоразведки.
«Цифровое месторождение» от «Роснефть» использует ИИ для анализа данных сейсморазведки. С 2022 года «Лукойл» эксплуатирует программный модуль «Управление разработкой зрелых месторождений» с применением нейронных сетей для оптимального режима закачки.
Эксперты отмечают, что модернизация ИТ-инфраструктуры должна стать тотальной. И преимущество здесь у тех компаний и предприятий, кто внедряет ИИ повсеместно. И, соответственно, на основании максимального объем генерируемых данных выстраивают устойчивую систему их сбора, обработки и анализа.
Компании, которые быстрее интегрируют ИИ в ключевые процессы, повысят эффективность зрелых месторождений, снизят потери и ускорят принятие решений.
