Распространению ИИ препятствуют, в частности, сопротивление переменам и скептицизм по поводу эффективности новых технологий.

Искусственный интеллект (ИИ) уже приносит пользу нефтяным и газовым компаниям. Однако широкое распространение технологий ИИ в отрасли по-прежнему наталкивается на многочисленные преграды.

«В нефтяных компаниях существует множество барьеров, препятствующих распространению технологий ИИ. От сопротивления переменам и уверенности, что имеющегося у них вполне достаточно, до скептицизма по поводу эффективности новых технологий», — сказал Рей Холл, старший директор по энергетическому сектору компании Tessella, провайдера инжиниринговых и консалтинговых услуг, помогающего глобальным энергетическим компаниям находить способы усовершенствования бурения и повышения операционной эффективности с помощью данных.

«Многие из наших собственных клиентов платят крупным технологическим вендорам, которые обещают предоставить им все на свете с помощью аналитики, лишь для того, чтобы потом разочароваться в результатах», — добавил он.

Нефтяные компании на протяжении многих лет использовали аналитические подходы, такие как управление на основе прогнозирующих моделей (Model Predictive Control, MPC) в платформах управления цепочками поставок и линейное программирование в планировании нефтепереработки, сказал Холл.

«Они не новички в использовании аналитики и подходов на основе структурированных данных, — продолжил он. — Часто они просто не двигались вперед, и теперь их подходы базируются на старых технологиях, которые не могут использовать для повышения производительности новые аналитические методы, такие как машинное обучение».

С точки зрения конкурентоспособности важно, что нефтяные и газовые компании преодолевают трудности освоения ИИ и других новых технологий, поскольку отрасль сталкивается с проблемами на различных уровнях.

Прежде всего, существует неопределенность по поводу цен в долгосрочной перспективе. «Прошли дни, когда долгосрочная цена барреля превышала 100 долл. Давление мирового спроса на рост производства будет удерживать цену нефти на более низком уровне. А значит, нефтяные компании должны значительно снизить затраты на добычу и переработку», — сказал Холл.

Это означает необходимость значительных мер по повышению эффективности для снижения затрат за счет применения новых технологий. «Например, могут ли роботы стать производственным активом для управления процессами бурения и оборудования скважин?», — задается вопросом Холл.

Кроме того происходит старение работников отрасли. «Мы видели различные оценки по данному вопросу, но широко признано, что до 40% занятых добычей нефти и газа в ближайшие 5-10 лет выйдут на пенсию, — сообщил он. — Будет очень трудно заменить этих обладающих большим опытом работников. Но использование расширенной автоматической поддержки решений посредством когнитивных технологий и машинного обучения является способом снизить зависимость от опыта при принятии решений».

Наконец, поскольку зависимость от нефти и газа снижается, компаниям этого сектора следует трансформироваться в поставщиков всех видов энергии, в т. ч. из возобновляемых источников.

«Для этого необходимо, чтобы их компании могли прибыльно работать как с ископаемыми, так и с возобновляемыми источниками, — сказал Холл. — Это потребует более современной технологической среды, позволяющей удовлетворять запросы клиентов и при этом получать прибыль, а также оптимизации источников энергии».

Tessella помогла нескольким нефтяным компаниям использовать возможности ИИ для совершенствования процессов. Например, одной из них она позволила углубить представление о сроке службы и уровнях коррозии имеющихся скважин в рамках плана компании по повышению отдачи скважин.

«Компания имела в своем распоряжении большой объем исторических данных, но не обладала глубоким их пониманием, — сказал Холл. — Мы взяли историю всех операционных данных по скважинам и использовали ряд статистических приемов ИИ, чтобы выявить в данных структуру. Мы искали корреляции между кластерами в исторических данных и уровнями коррозии, а затем изучали базовые переменные с целью понять, что именно в исторических данных способствовало коррозии».

Эта работа позволила клиенту смело принять рискованное решение о разработке месторождения с полным представлением о неопределенностях, рисках и чувствительных моментах. «Эффект был огромным, — сказал Холл. — Понимание коррозии имело важнейшее значение для принятия решения о запуске проекта».