अरामको इनोवेशन से 3 डी जियोलॉजिकल मॉडलिंग, लॉगिंग और टेक्नाटन

इसे स्वीकार करें, जब तेल उत्पादन की बात आती है, तो सूर्यास्त आकाश के खिलाफ मेरी आंखों के सामने टेक्सास के परिदृश्य और यांत्रिक "रॉकिंग कुर्सियां" खड़ी होती हैं। किसी और को मशाल के पाइपों को संबंधित गैसों को जलते देखा जाएगा, और शायद एक अपतटीय मंच भी कहीं दूर होगा। बेशक, तेल उत्पादन एक कठिन और जोखिम भरा व्यवसाय है। विशाल कारें, ड्रिलिंग रिसाव, विस्फोट और आग का खतरा। आम जनता के मन में तेल उत्पादन निस्संदेह कठोर श्रमिकों और लगभग मजबूत इंजीनियरों के लिए एक क्रूर मामला है।



आप सभी एक ही समय में सही और गलत हैं। हां, तेल निकाला गया और एक "स्विंग" की मदद से निकाला गया, लेकिन फिल्मों और टीवी से हमें जो पूरी छवि मिली वह अब पूरी तस्वीर से मेल नहीं खाती; प्रगतिशील कंपनियां तेजी से आईटी में नवीनतम प्रगति को लागू करना शुरू कर रही हैं। आधुनिक तेल उद्योग के कार्यकर्ता एक साथ बिगडेटा, एआई, मशीन लर्निंग और कई अन्य लोगों के प्रसंस्करण में नवीनतम विकास का उपयोग करते हैं। नीचे, अरामको इनोवेशन के अनुभव के आधार पर, कई उदाहरण होंगे कि कैसे आईटी तकनीकें तेल उत्पादन के रूप में इस तरह के प्रतीत होता है कि क्लासिक और अक्रिय व्यवसाय में प्रवेश कर गई हैं।

यह उन मामलों से शुरू होने के लायक है जिनके मामलों के बारे में हम बात कर रहे हैं। अरामको इनोवेशन एक शोध संगठन का एक रूसी प्रतिनिधि कार्यालय है, जो सऊदी राष्ट्रीय तेल कंपनी सऊदी अरामको का हिस्सा है। उत्तरार्द्ध ग्रह पर सबसे बड़ा तेल उत्पादक है और सऊदी अरब के साम्राज्य के पूर्ण स्वामित्व वाला है। विशेष रूप से, अरामको इनोवेशन कृत्रिम बुद्धिमत्ता (एआई), उच्च-प्रदर्शन कंप्यूटिंग सिस्टम और नैनोमीटर के क्षेत्र में अनुसंधान के मूल संगठन में लगे हुए हैं। कंपनी ने हाल ही में मॉस्को में एक कार्यालय खोला, जो एआई, बिगडेटा और मशीन लर्निंग के क्षेत्र में वैज्ञानिक कार्यों के आयोजन के लिए सबसे आशाजनक स्थानों में से एक है।

जमा का 3 डी भूवैज्ञानिक मॉडलिंग

यदि हम एक व्याख्यात्मक शब्दकोश उठाते हैं और इसे "जियोमॉडलिंग" पर खोलते हैं, तो हमें निम्नलिखित परिभाषा मिलती है: यह स्रोत, व्युत्पन्न या अंतिम डेटा के दृश्य के आधार पर कार्टोग्राफिक छवियों का डिज़ाइन और निर्माण है। जाहिर है, तेल उद्योग में, जियोमॉडलिंग केंद्रीय स्थानों में से एक है। दुनिया भर में तेल कंपनियों के खर्च का एक महत्वपूर्ण हिस्सा (और हम न केवल सऊदी अरामको के बारे में बात कर रहे हैं, बल्कि सभी तेल उत्पादकों के बारे में) हाइड्रोकार्बन जमा की खोज और उसके बाद के मॉडलिंग पर खर्च किया जाता है।

आम तौर पर स्वीकार किए गए अवधारणा के अनुसार, जियोमॉडलिंग को निम्नलिखित चरणों में विघटित किया जा सकता है:

• प्रशिक्षण;
• संरचनात्मक मॉडलिंग;
• त्रि-आयामी ग्रिड बनाना;
• तीन-आयामी ग्रिड की कोशिकाओं पर बोरहोल डेटा का औसत;
• लिथोलॉजिकल - संकाय मॉडलिंग;
• पेट्रोफिजिकल मॉडलिंग;
• संतृप्ति मॉडलिंग;
• 3 डी स्टॉक गणना।

वास्तव में, जमा का त्रि-आयामी मॉडलिंग कई संकेतों के लिए एक क्षेत्र का आकलन करने की एक बहु-मंच, जटिल प्रक्रिया है, हालांकि पहली नज़र में यह लग सकता है कि यह "कहाँ" और "जहां" हाइड्रोकार्बन झूठ निर्धारित करने के लिए पर्याप्त है।

उत्पादन की शुरुआत के बाद हमें क्षेत्र के भू-मॉडल की आवश्यकता क्यों है? यह स्पष्ट है कि आंत्र से हाइड्रोकार्बन निष्कर्षण की क्लासिक प्रक्रिया क्षेत्र के प्रत्यक्ष अन्वेषण से शुरू होती है। भूवैज्ञानिक अपना नक्शा बनाते हैं, जिसके आधार पर संपूर्ण जलाशय का एक पूर्ण कंप्यूटर मॉडल बनाया जाता है। यह क्षेत्र के विकास के लिए एक रणनीति विकसित करने के लिए किया जाता है, यह तेल कुओं को लगाने, संरचनाओं के विस्थापन से नुकसान को कम करने और उत्पादन के दौरान दुर्घटनाओं से बचने के लिए सबसे अधिक फायदेमंद है।


तेल उत्पादन के लिए तेल रिग के सबसे लाभप्रद स्थान का योजनाबद्ध चित्रण

जैसा कि आप समझ सकते हैं, इस तरह के एक जलाशय मॉडल की स्पष्टता समय के साथ कम हो जाती है क्योंकि कोई भी मॉडल 100% सटीकता के साथ चट्टान की संरचना में सभी परिवर्तनों और तेल उत्पादन के दौरान स्वयं क्षेत्र के बारे में भविष्यवाणी नहीं कर सकता है। ऊपर हमने एक तेल क्षेत्र का एक योजनाबद्ध उदाहरण दिया, लेकिन वास्तव में, सब कुछ बहुत अधिक जटिल है। उदाहरण के लिए, सऊदी अरामको दुनिया का सबसे बड़ा गावर तेल क्षेत्र विकसित कर रहा है, जिसे 1948 में वापस खोजा गया था। इसमें 10-12 बिलियन टन तक तेल होता है, और खेत का कुल क्षेत्रफल ~ 5300 वर्ग किलोमीटर है।



यही है, हम इस निष्कर्ष पर आते हैं कि यहां तक ​​कि सक्रिय जमाओं का पता लगाने के लिए निरंतर अध्ययन और मॉडलिंग की आवश्यकता होती है, कम से कम यह समझने के लिए कि कहां ड्रिल करना है, और जहां यह बेकार या बहुत महंगा है। यह याद रखना चाहिए कि खनिज जमा विशाल क्षेत्रों में हो सकते हैं, अर्थात् ड्रिलिंग और उत्पादन कई बिंदुओं पर एक साथ होते हैं। मैन्युअल रूप से फ़ील्ड की संरचना में परिवर्तनों की गणना और भविष्यवाणी करना व्यावहारिक रूप से असंभव है, इसलिए, सक्रिय फ़ील्ड को मॉडलिंग करने का कार्य आईटी सिस्टम विकसित करने और बड़ी मात्रा में डेटा प्रसंस्करण के विमान में जाता है।

यह वह जगह है जहां एआई, बिगडेटा और मशीन लर्निंग के क्षेत्र में आईटी पेशेवरों के लिए काम शुरू होता है। 1960 के दशक के आसपास, तेल कंपनियों ने विकसित क्षेत्रों पर बहुत अधिक डेटा एकत्र करना शुरू किया। समय के साथ, यह जानकारी अन्वेषण और उत्पादन और उत्पादन के दौरान प्राप्त किए गए सभी प्रकार के डेटा की एक बड़ी धारा बन गई है। इस जानकारी के आधार पर, विशेषज्ञ निकट भविष्य में विकसित क्षेत्रों के व्यवहार के तेजी से और अधिक सटीक मॉडलिंग के लिए तंत्रिका नेटवर्क को प्रशिक्षित करना चाहते हैं।

इस दिशा में बहुत काम किया जा चुका है और कई अध्ययन किए जा चुके हैं। इसलिए, उनमें से एक में क्षेत्र के बारे में निम्न प्रकार के डेटा तंत्रिका नेटवर्क के इनपुट को खिलाया जाता है:

• गामा विकिरण की तीव्रता के बारे में जानकारी;
• सरंध्रता;
• घनत्व;
• पानी की संतृप्ति;
• और अन्य।

बाहर निकलने पर, शोधकर्ताओं को तापमान, दबाव, संरचना और चट्टान के संघनन और यहां तक ​​कि टावरों के बीच की अनुशंसित दूरी पर पूर्वानुमान मिलते हैं। स्वयं जमा का आकलन करने के अलावा, ऐसी प्रणालियों का उपयोग ड्रिलिंग और उत्पादन के दौरान समस्याओं का अनुमान लगाने के लिए भी किया जा सकता है, जो दुर्घटनाओं, टूटने और अनियोजित नुकसान की आशंका करता है।

डेटा इंटरप्रिटेशन और लॉगिंग कर्व्स

यदि हम ड्रिलिंग के बारे में बात करते हैं, तो यह लॉगिंग कर्व्स और कुओं के अध्ययन को याद रखने योग्य है। लॉगिंग कुओं के भूभौतिकीय अनुसंधान की एक विधि है। बेशक, एक कुएं की संरचना का आकलन करने का सबसे स्पष्ट तरीका कोर को ऊपर उठाना है - चट्टान को देखकर, पूरे "स्तंभ" के भौतिक अध्ययन के बाद। हालांकि, ड्रिलिंग इंजीनियर आपको झूठ नहीं बोलने देंगे: काटने और कोर उठाने की प्रक्रिया में एक राक्षसी राशि खर्च होती है और इसमें कई तकनीकी कठिनाइयां शामिल होती हैं। सबसे पहले, यह एक लंबा समय है। कुचली हुई चट्टान को ड्रिलिंग तरल पदार्थ में सतह तक उठाकर एक अच्छी तरह से ड्रिल करना एक बात है, और यह एक पोल को काटने और इसे उस रूप में बढ़ाने के लिए है जिसमें इसे रखा गया था। इस कारण से, आधुनिक लॉगिंग भूभौतिकीय जांच का उपयोग करता है जो कुएं की दीवारों और निकट-वेलबोर स्पेस का अध्ययन करने और "अंदर से" जानकारी एकत्र करने के लिए कुएं में उतारा जाता है।

लॉगिंग प्रोब निष्क्रिय और सक्रिय सेंसर की एक श्रृंखला से लैस हैं। निष्क्रिय सेंसर चुंबकीय और सहज विद्युत क्षेत्र, प्राकृतिक गामा विकिरण और इतने पर के बारे में जानकारी एकत्र करते हैं। सक्रिय सेंसर रिसीवर हैं और कृत्रिम रूप से निर्मित बिजली, ध्वनिक और अन्य क्षेत्रों और विकिरण के स्रोत हैं। एक लॉगिंग जांच का उपयोग करते हुए, भूभौतिकीविद् कुएं के कुछ अंतराल पर जानकारी एकत्र करते हैं, जो तब लॉग घटता में बनते हैं।


कई मापदंडों के लिए प्लॉट किए गए लॉग का एक उदाहरण

कुएं से एकत्र किए गए डेटा को भूवैज्ञानिकों द्वारा आगे संसाधित किया जाता है, और यह एक बहुत श्रमसाध्य और समय लेने वाली प्रक्रिया है, जो अक्सर मैनुअल मोड में होती है।

अरामको इनोवेशन मशीन लर्निंग टेक्नोलॉजी पर आधारित लॉग इंटरप्रिटेशन सिस्टम के विकास पर काम कर रहा है। वक्र के साथ अधिकांश कार्य एक विशिष्ट बंदर-नौकरी है, जो कि भूवैज्ञानिकों के पास पहले से मौजूद डेटा के साथ निर्भरता और अंतर के बिंदुओं को खोजने के लिए उबलते हैं। अंतिम रिपोर्ट के बाद के गठन के साथ घटता लॉगिंग में इन निर्भरताओं की पहचान करने के लिए मशीन लर्निंग सबसे उपयुक्त है, जिसका विश्लेषण पहले से ही एक विशेषज्ञ द्वारा किया जा रहा है। यह दृष्टिकोण अच्छी तरह से अनुसंधान की दक्षता में काफी वृद्धि कर सकता है और समग्र रूप से अच्छी तरह से मूल्यांकन और अन्वेषण की प्रक्रिया को तेज करता है।

इसके अलावा, भूकंपीय अन्वेषण के दौरान प्राप्त छवियों के आधार पर गहरे समुद्रों की संरचना का विश्लेषण करने के लिए मशीन विजन का उपयोग करने की योजना बनाई गई है। उन पर भूवैज्ञानिकों के लिए सबसे मूल्यवान चट्टान में तेल-असर क्षितिज और दरारें हैं, जो खनन के दौरान एक संभावित खतरा हो सकता है। अब अरामको इनोवेशन के विशेषज्ञ मशीनों को सबसे नीरस और नीरस काम सौंपने पर काम कर रहे हैं, केवल अंतिम विश्लेषण और निर्णय लेने के कार्य के साथ लोगों को छोड़ रहे हैं।

टेक्नाटन एरामको इनोवेशन

ऊपर, हमने तेल उत्पादन में आईटी क्षेत्र की आधुनिक उपलब्धियों के आवेदन के केवल कुछ क्षेत्रों के बारे में बात की। उनके महत्व को कम करना मुश्किल है: हम सचमुच प्लास्टिक की दुनिया में रहते हैं। हमारे आस-पास की सभी वस्तुओं को, एक डिग्री या किसी अन्य को, तेल या डेरिवेटिव से, या कार्बन ईंधन से प्राप्त सामग्री से बनाया गया था।

26 से 28 अक्टूबर तक, इस सप्ताह के अंत में, अरामको इनोवेशन, मास्को स्टेट यूनिवर्सिटी के साइंस पार्क के साथ, मॉस्को अरामको अपस्ट्रीम सॉल्यूशंस टेक्नाथन , तेल उद्योग के लिए आर्टिफिशियल इंटेलिजेंस टेक्नोलॉजी के अनुप्रयोग के लिए समर्पित एक कार्यक्रम आयोजित करेगा।



आयोजन का मुख्य लक्ष्य मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस के क्षेत्र में वैज्ञानिक क्षमता का मूल्यांकन और बढ़ावा देना है, साथ ही संभावित उम्मीदवारों को ढूंढना है जो अरामको इनोवेशन टीम में शामिल होना चाहते हैं। पहले दिन, 26 अक्टूबर को 12:00 से 16:00 बजे तक, सभी प्रतिभागी आयोजन के उद्देश्यों पर लोकप्रिय विज्ञान व्याख्यान सुन सकेंगे। व्याख्यान का उद्देश्य उन लोगों को तेल उत्पादन का विचार देना है जो उद्योग से दूर हैं। टेक्निटोन जैसे ही व्याख्यान, बिल्कुल मुफ्त हैं।

टेक्नाटन फाइनल 28 अक्टूबर को होगा, जिसमें 3 विजेता टीमों को सम्मानित किया जाएगा, और न्यायाधीशों द्वारा चिह्नित समस्याओं को हल करने के लिए 2 विशेष पुरस्कार प्रदान किए जाएंगे। टेक्नाटन का पुरस्कार पूल $ 7,000 (लगभग 470,000 रूबल) है। प्रतिभागियों के पास सऊदी अरामको साइंस सेंटर के प्रमुख विशेषज्ञों के साथ 48 घंटे की कोडिंग और काम होगा।

सबसे पहले, मशीन लर्निंग और एआई के क्षेत्र में आईटी विशेषज्ञों, तकनीकी व्यवसायों में विशेषज्ञों, भूवैज्ञानिकों और भूभौतिकीविदों को भाग लेने के लिए आमंत्रित किया जाता है।

---

आप यहां कार्यक्रम के कार्यक्रम, समय और नियमों से खुद को परिचित कर सकते हैं । टेक्नाटन में भाग लेने के लिए आपको 26 अक्टूबर, 17:50 मास्को समय तक नि: शुल्क पंजीकरण से गुजरना होगा ।

हम 26 अक्टूबर को 18:00 बजे पते पर सभी इच्छुक विशेषज्ञों की प्रतीक्षा कर रहे हैं: मास्को, मॉस्को स्टेट यूनिवर्सिटी का साइंस पार्क, उल। लेनिन पर्वत, 1s77।

यदि आपके पास ईवेंट के बारे में अतिरिक्त प्रश्न हैं, तो ab@codenrock.com पर लिखें या ईवेंट के टेलीग्राम चैनल में पूछें।