Направления развития когнитивных технологий в периметре Блока разведки и добычи компании «Газпром нефть»

UDK: 622.276.1/.4
DOI: 10.24887/0028-2448-2017-12-6-9
Ключевые слова: когнитивные технологии, цифровизация, машинное обучение, анализ больших данных, цифровое месторождение, Индустрия 4.0
Авторы: В.В. Яковлев (ПАО «Газпром нефть»), М.М. Хасанов, А.Н. Ситников, Д.О. Прокофьев, А.А. Пустовских, А.С. Маргарит, М.В. Симонов, Д.С. Перец (ООО «Газпромнефть НТЦ»)

Возможности технологий интеллектуального анализа данных открывают новые пути для решения технологических задач, которые стоят перед нефтедобывающими компаниями. Для получения максимального эффекта необходима четкая стратегия применения и внедрения данных технологий в существующие бизнес-процессы компании. В статье рассотрены приоритетные направления внедрения когнитивных технологий в Блоке разведки и добычи компании ПАО «Газпром нефть». Обозначены ключевые шаги: от поиска релевантных технологий решения бизнес-задач до путей их реализации. Отмечено, что наиболее эффективный путь для поиска новых релевантных технологий в сфере искусственного интеллекта - это сотрудничество с лидерами в области цифровых технологий, передовыми российскими и международными университетами и научными центрами. Для формирования внутренних компетенций по когнитивным технологиям нефтедобывающим компаниям необходимо развивать активное взаимодействие с инновационным окружением: участие в форумах, специализированных конференциях, организация семинаров, технологических сессий и круглых столов. Показано, что наибольший эффект от внедрения когнитивных технологий будет достигаться только при их органичном дополнении традиционной области знаний и инструментов нефтяного инжиниринга. Сделан вывод, что интеллектуализация меняет парадигму эволюции месторождения: от цифрового, в основе которого лежит частичная автоматизация процессов, к интеллектуальному, не требующего вмешательства человека при принятии большинства решений. Цифровизация нефтегазовой отрасли предопределяет ход эволюции деятельности инженера-нефтяника: от выполнения потоковых операций до системного интегрированного анализа при поддержке искусственного интеллекта.

Список литературы

1. Перспективные технологии Big Data в нефтяном инжиниринге: опыт компании «Газпром нефть» / М.М. Хасанов, Д.О. Прокофьев, О.С. Ушмаев [и др.] // Нефтяное хозяйство. – 2016. – № 12. – С. 76–79.

2. Технологическое развитие Блока разведки и добычи ПАО «Газпром нефть» / В.В. Яковлев, М.М. Хасанов, Д.О. Прокофьев, А.В. Шушков // Нефтяное хозяйство. – 2016. – № 12. – С. 6–10.

3. Zaid Rawi. Machinery Predictive Analytics//SPE 128559. – 2010.

4. Akande Kabiru O. Comparative Analysis of Feature Selection-Based Machine Learning Techniques in Reservoir Characterization// SPE 178006-MS. – 2015.

5. Gaganis Vassilis. Machine Learning Methods to Speed up Compositional Reservoir Simulation // SPE 154505-MS. – 2012.

6. The Most Important Big Data Concepts and What They Mean [Электронный ресурс] // Datafloq: [сайт]. URL: http://datafloq.com/read/important-big-data-concepts-what-they-mean/2988



Внимание!
Купить полный текст статьи (формат - PDF) или читать материал, находящийся в открытом доступе, могут только авторизованные посетители сайта.