Akui saja, ketika menyangkut produksi minyak, pemandangan Texas dan "kursi goyang" mekanik berdiri di depan mata saya melawan langit matahari terbenam. Orang lain akan melihat pipa obor membakar gas terkait, dan mungkin juga platform pengeboran di suatu tempat di lepas pantai. Tentu saja, produksi minyak adalah bisnis yang sulit dan berisiko. Mobil besar, rig pengeboran, bahaya ledakan dan kebakaran. Produksi minyak dalam benak massa tidak diragukan lagi merupakan peristiwa brutal bagi para pekerja keras dan hampir sebagai insinyur yang kuat.
Anda semua benar dan salah pada saat yang bersamaan. Ya, minyak diekstraksi dan diekstraksi dengan bantuan "ayunan", tetapi seluruh gambar yang kami dapatkan dari film dan acara TV tidak lagi sesuai dengan gambar penuh; perusahaan progresif semakin mulai menerapkan kemajuan terbaru dalam TI. Pekerja industri minyak modern secara bersamaan menggunakan perkembangan terbaru dalam memproses BigData, AI, pembelajaran mesin, dan banyak lainnya. Di bawah ini, berdasarkan pengalaman Aramco Innovations, akan ada beberapa contoh seberapa dalam teknologi IT telah merambah ke dalam bisnis yang tampaknya klasik dan lembam seperti produksi minyak.
Layak dimulai dengan kasus yang sedang kita bicarakan. Aramco Innovations adalah kantor perwakilan Rusia dari sebuah organisasi penelitian, yang merupakan bagian dari perusahaan minyak nasional
Saudi Saudi Aramco . Yang terakhir adalah produsen minyak terbesar di planet ini dan sepenuhnya dimiliki oleh Kerajaan Arab Saudi. Secara khusus, Inovasi Aramco terlibat dalam organisasi induk penelitian di bidang kecerdasan buatan (AI), sistem komputasi kinerja tinggi, dan bahan nano. Perusahaan baru-baru ini membuka kantor di Moskow, sebagai salah satu tempat paling menjanjikan untuk mengorganisir karya ilmiah di bidang AI, BigData, dan pembelajaran mesin.
Pemodelan deposit geologis 3D
Jika kita mengambil kamus penjelasan dan membukanya di "geomodeling," kita mendapatkan kira-kira definisi berikut: ini adalah desain dan pembuatan gambar kartografi berdasarkan visualisasi sumber, berasal atau data akhir. Jelas, dalam industri minyak, geomodeling adalah salah satu tempat utama. Sebagian besar biaya perusahaan minyak di seluruh dunia (dan ini bukan hanya tentang Saudi Aramco, tetapi juga semua produsen minyak pada umumnya) dihabiskan untuk eksplorasi dan pemodelan simpanan hidrokarbon selanjutnya.
Menurut konsep yang diterima secara umum, geomodeling dapat didekomposisi menjadi tahapan berikut:
- persiapan;
- pemodelan struktural;
- membuat kisi tiga dimensi;
- rata-rata data lubang bor pada sel-sel jaringan tiga dimensi;
- pemodelan lithological - facies ;
- pemodelan petrofisika ;
- pemodelan saturasi;
- Perhitungan stok 3D.
Faktanya, pemodelan endapan tiga dimensi adalah proses multi-tahap, kompleks dalam menilai suatu bidang untuk sejumlah tanda, meskipun pada pandangan pertama sepertinya cukup untuk menentukan "di mana" dan "di mana" terletak hidrokarbon.
Mengapa kita membutuhkan geo-model lapangan setelah dimulainya produksi? Jelas bahwa proses klasik ekstraksi hidrokarbon dari usus dimulai dengan eksplorasi langsung dari lapangan. Ahli geologi membangun petanya, atas dasar model komputer yang lengkap dari seluruh reservoir dibuat. Hal ini dilakukan untuk mengembangkan strategi pengembangan lapangan, yang paling menguntungkan adalah menempatkan sumur minyak, meminimalkan kerugian akibat perpindahan formasi dan menghindari kecelakaan selama produksi.
Ilustrasi skematis lokasi rig minyak yang paling menguntungkan untuk produksi minyakSeperti yang dapat Anda pahami, kejelasan model reservoir seperti itu menurun seiring waktu karena kenyataan bahwa tidak ada model yang dapat memprediksi dengan akurasi 100% semua perubahan dalam struktur batuan dan lapangan itu sendiri selama produksi minyak. Di atas kami memberikan contoh skematis ladang minyak, tetapi dalam kenyataannya, semuanya jauh lebih rumit. Sebagai contoh, Saudi Aramco sedang mengembangkan
ladang minyak
Gavar terbesar di dunia, ditemukan kembali pada tahun 1948. Ini berisi hingga 10-12 miliar ton minyak, dan total luas ladang ~ 5300 kilometer persegi.
Yaitu, kita sampai pada kesimpulan bahwa bahkan deposit aktif yang dieksplorasi memerlukan studi dan pemodelan yang konstan, setidaknya untuk memahami di mana untuk mengebor, dan di mana deposit tidak berguna atau terlalu mahal. Harus diingat bahwa deposit mineral dapat terjadi di daerah raksasa, yaitu, pengeboran dan produksi terjadi secara bersamaan di banyak titik. Secara praktis tidak mungkin untuk menghitung dan memprediksi perubahan dalam struktur lapangan secara manual, oleh karena itu, tugas memodelkan bidang aktif masuk ke bidang pengembangan sistem TI dan memproses sejumlah besar data.
Di sinilah pekerjaan dimulai untuk para profesional TI di bidang AI, BigData, dan pembelajaran mesin. Sekitar tahun 1960-an, perusahaan minyak mulai mengumpulkan banyak data di ladang yang dikembangkan. Seiring waktu, informasi ini telah menjadi aliran besar dari semua jenis data yang diperoleh selama eksplorasi dan selama pengeboran dan produksi. Berdasarkan informasi ini, spesialis ingin melatih jaringan saraf untuk pemodelan perilaku lapangan yang lebih cepat dan lebih akurat dalam waktu dekat.
Banyak pekerjaan telah dilakukan ke arah ini dan sejumlah penelitian telah dilakukan. Jadi, di salah satu dari mereka, jenis data berikut tentang bidang diumpankan ke input jaringan saraf:
- informasi tentang intensitas radiasi gamma;
- porositas;
- kepadatan
- saturasi air;
- dan lainnya.
Di pintu keluar, para peneliti mendapatkan perkiraan suhu, tekanan, struktur dan pemadatan batu dan bahkan jarak yang disarankan antara menara. Selain menilai sendiri deposit, sistem seperti itu juga dapat digunakan untuk memprediksi masalah selama pengeboran dan produksi itu sendiri, yang mengantisipasi kecelakaan, kerusakan dan kerugian yang tidak direncanakan.
Interpretasi Data dan Kurva Penebangan
Jika kita berbicara tentang pengeboran, maka ada baiknya mengingat kembali kurva logging dan studi sumur.
Penebangan adalah metode penelitian geofisika sumur. Tentu saja, cara yang paling jelas untuk menilai struktur sebuah sumur adalah dengan mengangkat inti - menggergaji batu, diikuti dengan studi fisik dari seluruh "pilar". Namun, insinyur pengeboran tidak akan membiarkan Anda berbohong: proses pemotongan dan pengangkatan inti membutuhkan biaya yang sangat besar dan melibatkan sejumlah kesulitan teknis. Pertama-tama, ini waktu yang lama. Adalah suatu hal untuk mengebor sumur dengan mengangkat batu yang hancur ke permukaan dalam cairan pengeboran, dan itu lain untuk memotong sebuah tiang dan mengangkatnya dalam bentuk di mana ia diletakkan. Untuk alasan ini, pembalakan modern menggunakan probe geofisika yang diturunkan ke dalam sumur untuk mempelajari dinding sumur dan ruang dekat lubang sumur dan mengumpulkan informasi “dari dalam”.
Probe logging dilengkapi dengan berbagai sensor pasif dan aktif. Sensor pasif mengumpulkan informasi tentang medan listrik magnetik dan spontan, radiasi gamma alami, dan sebagainya. Sensor aktif adalah penerima dan sumber listrik, akustik, dan bidang serta radiasi lainnya yang diciptakan secara artifisial. Menggunakan probe logging, ahli geofisika mengumpulkan informasi pada beberapa interval sumur, yang kemudian dibentuk menjadi kurva log.
Contoh log yang diplot untuk beberapa parameterData yang dikumpulkan dari sumur diproses lebih lanjut oleh ahli geologi, dan ini adalah proses yang sangat melelahkan dan memakan waktu, yang sering terjadi dalam mode manual.
Aramco Innovations sedang mengerjakan pengembangan sistem interpretasi log berdasarkan teknologi pembelajaran mesin. Sebagian besar pekerjaan dengan kurva adalah pekerjaan monyet yang khas, yang bermuara pada menemukan titik-titik ketergantungan dan perbedaan dengan data yang sudah dimiliki ahli geologi. Pembelajaran mesin adalah yang paling cocok untuk mengidentifikasi dependensi ini dalam kurva logging dengan pembentukan laporan akhir berikutnya, yang sudah dianalisis oleh seorang spesialis. Pendekatan ini dapat secara signifikan meningkatkan efisiensi penelitian sumur dan secara signifikan mempercepat proses penilaian dan eksplorasi sumur secara keseluruhan.
Juga, visi mesin direncanakan untuk digunakan untuk menganalisis struktur lapisan dalam berdasarkan gambar yang diperoleh selama eksplorasi seismik. Yang paling berharga bagi ahli geologi di sana adalah cakrawala yang mengandung minyak dan retakan di batu, yang bisa menjadi ancaman potensial dalam perjalanan penambangan. Sekarang spesialis Inovasi Aramco sedang bekerja untuk mendelegasikan pekerjaan yang paling suram dan monoton ke mesin, membuat orang hanya memiliki fungsi analisis akhir dan pengambilan keputusan.
Technaton Aramco Innovations
Di atas, kami hanya membicarakan sedikit bidang penerapan pencapaian modern bidang TI dalam produksi minyak. Sulit untuk melebih-lebihkan pentingnya mereka: kita benar-benar hidup di dunia plastik. Hampir semua benda di sekitar kita, sampai tingkat tertentu, diciptakan dari minyak dan turunannya, atau dari bahan yang diperoleh dengan membakar bahan bakar karbon.
Akhir pekan ini, dari 26 hingga 28 Oktober, Aramco Innovations, bersama-sama dengan Science Park of Moscow State University, akan diadakan di Moscow
Aramco, Solusi Hulu Technathon , sebuah acara yang didedikasikan untuk penerapan teknologi Inteligensi Buatan untuk industri minyak.
Tujuan utama dari acara ini adalah untuk mengevaluasi dan mempromosikan potensi ilmiah di bidang pembelajaran mesin dan kecerdasan buatan, serta untuk menemukan kandidat potensial yang ingin bergabung dengan tim Inovasi Aramco. Pada hari pertama, 26 Oktober, pukul 12: 00-16: 00, semua peserta dapat mendengarkan ceramah sains populer mengenai tujuan acara. Tujuan dari kuliah ini adalah untuk memberikan gambaran tentang produksi minyak kepada mereka yang jauh dari industri. Ceramah, seperti teknaton itu sendiri, benar-benar gratis.
Final technaton akan berlangsung pada 28 Oktober, di mana 3 tim pemenang akan diberikan, dan 2 hadiah khusus akan diberikan untuk memecahkan masalah yang ditandai oleh para juri. Kumpulan hadiah Technaton adalah $ 7.000 (sekitar 470.000 rubel). Peserta akan memiliki 48 jam pengkodean dan bekerja dengan para ahli terkemuka dari Saudi Aramco Science Centre.
Pertama-tama, spesialis TI di bidang pembelajaran mesin dan AI, spesialis dalam profesi teknis, ahli geologi dan ahli geofisika diundang untuk berpartisipasi.
Anda dapat
membiasakan diri dengan jadwal, jadwal dan aturan acara di
sini . Untuk berpartisipasi dalam technaton Anda harus
melalui pendaftaran gratis hingga 26 Oktober, 17:50 waktu Moskow.
Kami menunggu semua spesialis yang tertarik pada 26 Oktober, pukul 18:00 di alamat: Moscow, Science Park of Moscow State University, ul. Pegunungan Lenin, 1s77.
Jika Anda memiliki pertanyaan tambahan tentang acara tersebut, tulis ke
ab@codenrock.com atau tanyakan di
saluran Telegram acara tersebut.