数字化推动油气行业向盈利转型

数字化转型是世界变革的催化剂。它赋予数百万人权力，同时促进创造价值的机会。

互联网经济催生了电子商务、金融科技和保险科技等。然而，尽管这些新兴行业吸引了人们的眼球，但仔细研究一下全球领先企业就会发现，更传统的经济领域主宰着全球经济。

事实上，领先的油气公司的生产率超过了许多小国的国内生产总值(GDP)。

规模或规模并不能保证利润。油气行业正在努力解决给未来前景蒙上阴影的问题。例如，最近的油价暴跌让许多公司陷入了困境。

据媒体报道，近70家主要的石油和天然气企业正在破产中挣扎，债务高达343亿美元。人们担心，还有近175家公司处于破产边缘。专家表示，该行业的危机才刚刚过去一半。2019年，石油和天然气违约总额将达到约700亿美元，同时还有4000亿美元的债务。

对于在大数据、分析和工业物联网(IIoT)等术语成为普遍说法之前，在20世纪80年代和90年代引领技术进步的行业来说，这是一个严峻的局面。当时，石油公司已经开始实施三维地震、线性程序建模和先进的工艺。

然而，发展并没有持续迅速，整个行业也没有像预期的那样发展。现在是技术进步的第二阶段，这将进一步降低成本，提高生产率，并显著提高油气公司的业绩。

对于许多公司来说，自然的做法是探索数字化、大数据分析和人工智能(AI)技术，以应对低油价和不稳定的行业环境。展望未来，随着美国成为天然气净出口国，该行业将需要进一步提高效率和勘探能力。

等式中的分析

过去，美国的石油和天然气公司在决策中只使用了大约1%的传感器数据。组织没有工具和能力来最大化生产能力，导致整个行业的低效率，每年高达2000亿美元。传统的SCADA系统、过时的模拟工具以及未经训练的工作人员都难以应对复杂的生产和性能评估。

原因之一是安装的传感器产生了大量未使用的非结构化数据。一家总部位于美国的独立石油生产商估计，它只使用了现有地震数据的5%。一旦石油行业使用数字资产管理技术和大数据分析作为油价“新常态”的补充，情况就会好转。这些技术促进了结构化数据的存储、分类、分析和应用。

其理念是将数据科学和计算能力与传感器捕获的数据结合起来，为复杂问题提供更好的解决方案。统计方法用于绘制大量数据。机器学习算法对多个变量的信息进行分层。模式被迅速识别，否则可能逃过最训练有素的人的眼睛或证明是极其耗时的。例如，可以在没有人为干预的情况下实时监测储层中存在的压差。

应对危机

通过机器学习应用，油气公司可以同时分析多个变量，如地震变化、设备等级、热梯度和地层渗透率。数据分层后，有助于确定钻井方向、钻速和控制参数。基于人工智能的算法能够识别地震数据中的噪声，可以将井口开发成本降低10%。同样，将机器学习应用于设备数据可以帮助预防井喷、管道卡钻或漏失等事件。

除了机器学习，人工智能的另一个元素，即基于案例的推理(CBR)，也引起了业界的关注。此过程扫描与文档化问题案例相关的数据，识别模式和类似的问题实例。当发现这种情况时，对数据进行解构并进行更深入的分析，以确定为纠正这种情况所采取的步骤。虽然该策略广泛应用于钻井领域，以帮助作业者处理石油勘探问题，但它也开始在其他领域得到认可，特别是在做出高影响决策时。

当信息不完整或不可靠时，另一种基于人工智能的技术——模糊逻辑就会优先考虑。当储层表征存在信息缺口，且多个变量输入参数起作用时，该方法是有效的。模糊逻辑可以用于基于风险的检查，从多个维度度量危害风险。

认知知识平台已经在一些领先的公司中找到了一席之地。石油和天然气企业利用这些工具来改善候选人招聘，从人才招聘渠道和已有的社交数据中提取信息。认知技术可以提供的不仅仅是对石油钻井作业的支持。例如，因此做出的招聘决定是基于技能而不是经验，这可能会改变传统的人才获取规范。总的来说，这些技术允许工程师加速识别问题和找到解决方案的过程。

优化使用AI

数字技术在油气行业的应用正以前所未有的速度增长。然而，考虑到许多公司仍在努力摆脱使用孤立信息的做法，情况就不那么乐观了。

这些落后者必须意识到，决策者需要通过预测分析和机器学习等解决方案获得信息，

石油和天然气行业现在开始注意到这一点，并且似乎正在形成一种共识，即该行业正处于数字技术驱动的新时代的风口浪尖。这一变革浪潮将重塑经济、工业和技术趋势。组织需要深入研究管理驱动的数字战略。它还需要在改造现有基础设施和系统以及人力资源方面进行承诺投资。所有这些都将成为油气行业成功转型的推动者。

Subrat Tripathy是北美地区的首席商务官L&T科技服务．

原创内容可在石油与天然气工程．

您是否具有本内容中提到的主题的经验和专业知识?您应该考虑为我们的CFE媒体编辑团队做出贡献，并获得您和您的公司应得的认可。点击在这里开始这个过程。