人工智能在石油和天然气,释放数据的价值

丹尼尔Faggella.
头像

Daniel Faggella是Emerj研究的首脑。丹尼尔呼吁由联合国,世界银行,国际刑警组织和龙头企业,丹尼尔是AI对商业和政府领导者竞争战略影响的全球追捧。

人工智能在石油和天然气,释放数据的价值

这篇文章一直在赞助由铁山出版社出版,并与Emerj的赞助内容指南

当我们考虑时金博宝官网石油和天然气的人工智能,很容易考虑大型重型设备,钻机,车辆,但有很多方法可以从我们的设备中解锁石油和天然气数据,甚至是我们的后台运营。

在本节课中,我们将探索一些在油气数据中释放业务价值的用例。本周我们的嘉宾是Lorena Pelegrín。她是铁山公司专注于能源领域的insight产品的产品经理。她有能源方面的背景。Iron Mountain是一家市值40亿美元的跨国存储公司,目前正在多个行业从事数字存储和OCR的研究,石油和天然气,能源就是其中之一。

在这30分钟的采访中,我们涵盖了三个不同的话题:

  • 地下数据的用途
  • ai进行资产检查,和
  • AI和数字双胞胎的交集

聆听下面的完整集,浏览我们的采访外科和以下完整成绩单:

iTunes-podcast.
soundloud-podcast.
google-podcast
Stitcher-Podcast.

客人:曾Pelegrin,产品经理铁山关于能源和制造段的洞察解决方案

专业知识:抵押过程和自动化

短暂的识别:在加入Iron Mountain的InSight产品集团之前,Lorena help担任Restrata的首席顾问,专注于石油和天然气的安全,并在慕尼黑的石油和天然气咨询公司ILF Consulting Engineers担任技术安全和风险管理的全球经理。

关键的见金宝搏吧解

  • 更好的数据意味着更好地关注生产力。并非所有的油井都具有相同的承诺,可以提供石油卷。无论是他们目前都在制作,还是他们仍在探索 - 有关不同井网站的更准确的数据允许公司将其资源集中在具有最高原产地的网站上。该数据还允许公司更准确地预测井和生产活动进入未来。
  • 合规驱动器采用。监管活动会改变公司的行为方式,也会改变它们采用的技术。作为libor.公司在银行业,公司是使用ai.获得合法文件的透明度,以便保持符合符合条件 - 并确定参考Libor(现在需要修改)的可能承包商。由于规例需要更严格地监测来自石油和天然气管道的数据,公司可能再次使用合规作为行动的迅速 - 使他们需要遵守法规并保持运营所需的透明度。

采访记录

Daniel Faggella:所以,Lorena,我希望能够深入研究这些不同的用例,人工智能如何开始释放石油和天然气领域的数据价值,并使其切实可见。金博宝官网我知道我们想讨论的第一个类别是关于地下数据的价值,有很多地下数据,显然是在石油和油气领域。你能给我们介绍一下,这是什么类型的数据,人工智能如何帮助我们从这些数据中获得一些价值?

曾Pelegrin:是的。所以当你几乎把它置于那里时,我们有很多不同类型的数据,多种文档类型,大量的非结构化数据有许多不同的格式。你有录音带,你有纸张,我们还有新的数字出生的数据,它也起到了一个角色。有多个存储库,因此您有不同的真相源,需要策划。

这在所有地下数据评估中都转化为跨越,我们在使用情况群集中的所有使用情况都会看到无法快速查找关键数据。人们大部分时间都在寻找数据。这是一种手动和耗时和资源密集型工作流程。所以发生了什么,有什么决策,评估和决定,他们需要更长时间。此外,该团队正在做的分析的覆盖率将大大减少。您可以涵盖最多20%的数据。这也转化为降低的准确性。所以你看到球队正在做出高度不确定性的决定。

我们所看到的是,如果团队可以访问数字版本,数字数据,并且对那些相关的元数据,则可以大大降低处理时间。决定的时间可以减少,并且对新地方钻井相关的决定的信心,随着收购考虑,资产剥离,所有这些都可以得到显着改善。

Daniel Faggella:是的,让我们谈论一些人必须做出的一些决定。所以现在,拿到这张照片,我相信大多数人都毫不奇怪,我们有一些非常恶臭的数据来源。这是一个非常古老的行业,相对而言,我们有一个非常kludge,丑陋的捆绑,我们有很多束。这不是很好的协调。它没有很好的组织。当它专门谈到这个地下数据时,你可以谈谈一下,我们作为一个例子,我们谈论哪些数据。和第二个,我们使用哪种决策是有数据帮助通知?也许我们可以用那些人作为一个例子来帮助人们想象你在这里谈论的内容。

曾Pelegrin:正确的。所以典型的数据类型实际上是地震数据,也是测井数据。这是对一口井的测量,以及它周围的所有报告。这种类型的数据,像井日志,是巨大的文档。是的,这些是文件。这些是不容易数字化的纸质文档。此外,我们认为我们可以帮助制定钻井决策,以及收购新资产甚至剥离资产的决策。这些是真正的地球科学家对这些类型的数据所做的主要决定。

Daniel Faggella:所以for a well, for example, might the information we’re looking at, the how much did this, how many, whatever we measure, barrels, how many barrels did this well produce under these circumstances with this kind of equipment, at what time, et cetera, et cetera, is kind of production-related, is it maybe safety-related, I imagine? It sounds like it’s a very long document, these well reports, and it sounds like it’s also coming through in paper. I would presume a lot of the value is in how much these things are producing, but maybe you could tell me if they’re used for other purposes, as well.

曾Pelegrin:是的,那么地质学家寻找什么是找到有什么类型的形成。因此,为井的钻井提供了围绕那里底层的性质的信息?并且存在不同类型的土壤,如砂岩或石灰石,这是那里存在碳氢化合物的指示。所以地质学家瞄准这些好井。因此,寻找并找到正确的土壤成分信息是很多的。

Daniel Faggella:当我听到很好的时候,我认为我们将一个我们抽出黑金的地方。但是你在说什么是一个洞,我们可能会抽出黑金。

曾Pelegrin:这是正确的。

丹尼尔faggella:所以嗯,这是一件好事,这只是一个该死的洞,也许有些东西在那里,也许没有。但决定是,“我们想继续钻井吗?我们想在这里专注资源吗?“And maybe to your point, if we can drink in that data from those different, all those different wells, and be able to visualize this stuff and at least make sense of it, we’ll know where to allocate those resources and where we have more promising potential. It sounds like that’s one of the values here of digitizing and organizing well data, if I’m hearing you correctly.

曾Pelegrin:是的,当然。绝对的。

Daniel Faggella:好了,好了。不错,很酷。

曾Pelegrin:它意味着团队正在花费太多时间寻找那里的正确类型的数据,是的。

Daniel Faggella:明白了。

曾Pelegrin:我们看到AI或我们的ML可以帮助这些团队找到数据并更快地处理数据。

Daniel Faggella:凉,好的。Yeah, and I imagine a good deal of this has to do with, tell me if I’m wrong here, Lorena, but having an understanding of your company from working with you guys for a little while, I would imagine that the digitization of these myriad, somewhat chunky paper forms is one part of the process here, using some kind of optical character recognition stuff and working with historical records and maybe congealing and digitizing that.

曾Pelegrin:是的。

Daniel Faggella:然后也许它的另一部分是连接点并识别事物。所以在这个大丑陋的借助钻井报告中,在哪里告诉我这种土壤的内容?因为这是一个如此大,习俗,疯狂的长报告,我们如何放大它实际上很重要的部分?我会发现有数字化,然后就像搜索和蒸馏那些对我们来说重要的。它是AI能够层的值吗?

曾Pelegrin:是的,当然。我们在这里看到的值是。当然,是人工智能的自然语言处理部分。

Daniel Faggella:是啊是啊。

曾Pelegrin:因此,OCR,即光学字符识别,允许团队真正执行弹性搜索并找到特征。就像我提到的,砂岩,石灰岩或者其他你感兴趣的特征,都能很快找到。计算机视觉也很有帮助,所以我们可以找到目标,找到我们想要继续研究的正确类型的土壤,我们不仅可以通过文本,还可以通过这些照片和文件的样子来找到它。这也是计算机视觉,在图像,相似性方面,例如,允许团队。是的。

Daniel Faggella:明白了。你提到了并购是地下数据的重要组成部分。作为一个局外人,我想想,好吧,如果我壳牌天然气和我想做生意与其他球员,这将是非常有用的瞬间对我说,“好吧,让我搜索所有的灰岩井和寻找这些类型的标准。或者,“让我搜索所有这些其他类型的井基于这些地理区域和搜索这些类型的标准,能够真正评估这些人拥有什么?”我对什么感兴趣?我认为别人拥有的这些井有多少前景?“当谈到人工智能的并购价值时,这就是我的想法。

曾Pelegrin:是的。

Daniel Faggella:但是你让我知道,Lorena,并购在哪里,这种数据在潜在的并购的真实价值方面进来了吗?

曾Pelegrin:是的。如果,例如,现在经济低迷COVID,所以如果你有一个……如果你是一个公司想要收购,正在考虑收购规模较小的运营商,一个较小的上游运营商可能痛苦现在,如果你正在寻找潜在收购这些资产,你想走,假设资产尽可能快的集合。你要非常专注于你的搜索。因此,如果您拥有正确的数据(正如我在前面提到的那样),因为您可以通过OCR访问文本处理,如果您拥有与这些资产的信息相关联的元数据,那么您可以对搜索进行优先级排序。因为在一天结束的时候,我在寻找哪个运营商或者哪个公司对我来说收购会更好。所以我要确保他们的资产处于最好的状态,这些资产背后的潜力是最好的。

曾Pelegrin:因此,通过这种积极的搜索,基于元数据和视觉图像相似性,您要做的是,您从一个资产跳转到另一个资产,就像正确的顺序。所以你专注于你的资源,以便在最短的时间内可以获得最好的决定。这是合并和收购团队可以从中受益。

Daniel Faggella:明白了。好的,很酷。然后那是一个有用的背景,就是这样。我想象的,我想象的和一次能量的过程有点新的听众。希望信息有用。

Daniel Faggella:我知道酸检查是游戏的另一个大部分。要诚实地,洛伦,当我认为资产检查和我认为石油和天然气,我想,我们对这一方程式的计算机视觉方面有很多很大的采访。

曾Pelegrin:是的。

Daniel Faggella:所以无人机部署比如,他们谈论了如何利用无人机和视频数据查看和检查能源领域的资产。美国电话电报公司在世界上的一些硬基础设施上做了类似的事情,他们的发射塔在那里,他们需要定期检查。但你们显然更关注NLP以及搜索和发现领域。AI在哪里填补了资产检查的空白?

曾Pelegrin:是的,所以我看到的地方,让我们说最自然的是基于文档的AI,真正适用于Brownfield资产,其中有很多非结构化内容已经可用。真的,可以做些什么是与你刚提到的东西合并。所以if there’s new sources of data from remote inspections through drone footage, or even satellite image, what can be done is to consolidate those new sources of information with the digital data out of the legacy data, or pen and paper data from those existing assets, from those brownfield developments, and really have a more complete picture, in order to prioritize your maintenance tasks.

Daniel Faggella:明白了。好的。是否有任何特定的例子,您喜欢通过携带人,假设让这种视觉中的人们介绍?因为我看到你在哪里,但我很乐意在这个资产检查方面结晶一点点。而且,对不起,如果你不介意的话,棕色菲尔德这个词,也可能是新的一些人调整的人。如果您可以调整我们的意思是什么,那就是有帮助的。

曾Pelegrin:对,所以布朗菲尔德与格林菲尔德相反。布朗菲尔德是指现有的安装或现有设施,而Greenfield是一个新的设施。所以这将是一个新的资产或新的发展。

Daniel Faggella:知道了-谢谢。

曾Pelegrin:是的,这就是为什么我们认为任何与现有资产相关的AI,文件AI都是非常有益的。它不仅仅是我们捕获的新数据,还要围绕以前被其他人捕获的资产周围的所有上下文,通常以报告和工作表和其他人的形式以非结构化方式捕获。或者,如果有的话,也许是维护报告,也许是事故报告。每个资产也有一种有自己的个性。那里有很多信息,我认为这是一个真正的元数据。因此,镜头或图像,甚至是云点扫描,它不能为您提供所有元数据。它无法为您提供该资产周围的所有上下文。

Daniel Faggella:是的。

曾Pelegrin:好的?所以我确实看到那里的价值。你特别谈论通过例子,对吧?所以在石油和天然气中,所以远程资产,所以管道路线检查和监测,这将是一个例子。这也与天然气公用事业有关。那里有很多资产。他们正在老化。他们是老化资产。所以那里有很多现有信息。

我们所看到的是燃气传输管道MAP重新确认的新燃气兆批判。这是一个最大允许的气体传输管道的允许操作压力,可在20世纪70年代进行运行。因此,所有这些资产都将有很多遗留数据,很多报告。因此,该兆统治的要求是运营商将必须证明其管道,即其系统在最大允许的工作压力下运行。它们甚至需要所谓可追踪,可核查和完整的记录。

所以我们看到这也是一个用例,即ai将使工作更容易让人们真正返回这些记录,看看它们并在不同的记录中表明,如材料测试报告,对齐纸张, steel drawings, that you see the same pressure, let’s say, in those documents. So we’re seeing, we think there’s a lot of potential document AI for existing assets there.

此外,我们在可再生能源中看到。在可再生能源中,我们也会在风电场的远程检查中看到不同的多种案例。因此,我们还在其中用于识别潜力的无人机镜头,以及那里的维护任务的优先级。因此,我们将看到一个并行,在石油和天然气甚至天然气和电气公用事业中,大量的旧资产在更旧的资产中也可以转移到可再生能源资产。是的。

Daniel Faggella:得到它,好吧。是的,那,我在这里拿起你在这里放下的东西,基本上,如果我们看一下电脑视觉数据,我们就会感觉到,好的,设备如何看?我们看到了任何生锈吗?我们是否看到任何不起作用的部分或零件,或者你应该,或者你有什么,这是一部分。但是,还有压力和所有数据流自本身,这不是视觉,而是与仪表以及可以收集信息的其他方式。显然,这也是检查的重要组成部分。

Daniel Faggella:听起来,其中一个因素是将会有一些新的规定围绕着这些旧管道的记录必须有多严格和多准确。他们必须有准确的记录,因为可能会有一些环境风险之类的,所以政府会打击他们。这听起来似乎能够与所有的数据透明将有潜在的更高价值,甚至比它在过去。

曾Pelegrin:绝对的。绝对的。

Daniel Faggella:明白了。

曾Pelegrin:这对合规团队也会有很大帮助。

Daniel Faggella:是的。

曾Pelegrin:是的,它会让他们的生活更容易。我们也看到的是,随着石油和天然气公司实际转型,或者开始过渡到可再生能源和能源效率,他们将开始受到增加的影响,增加监管。我们认为这将是对他们的真实帮助,是的。

Daniel Faggella:明白了。看看符合性考虑因素对人工智能的兴趣进行频繁,真的很有趣。金博宝官网因为让人们改变显然非常非常艰难。但是,如果监管拍摄是后果,技术可以给你一个合理的能力,以便过分调节扣,通常会有......避免痛苦与新东西的追求往往会成为动作针。看看是否在油和天然气中,它真的很有趣,这是完全相同的情况。

曾Pelegrin:这是一个非常好的观点。

Daniel Faggella:有很多事情发生在金融领域,突然之间,我们需要更多的这类信息的透明度这个加州消费者法律或GDPR或其他银行利率,伦敦一些变化,现在很多我们的法律文档可能需要兼容的新方法。好吧,如果我们可以有一个系统,可以找到所有这些,所以我们稍微不那么容易了,有一些例外,我们被惩罚,现在突然之间我们有一些预算采用科技。也许在石油和天然气,它会是相同的。

说到事情的发展,我知道你想谈数字双胞胎的话题这是我们关于人工智能在能源领域的价值的第三个也是最后一个主题。金博宝官网谈谈为什么它们有价值,为什么它们现在在石油和天然气中被考虑,以及人工智能可以在哪里找到它的适合。

曾Pelegrin:正确的。数字双胞胎是您的数字模型,不仅是您的资产,还是您的运营。所以你在那里看到,我们将看到这些能源资产的运作越来越辅助数字版本或这些操作的模拟。与此同时,我们将看到与资产运营相关的所有后台工作。当然,我们看到了,他们更具数字化。这真的是数字双胞胎的。所以我们再次看到,文件ai会有所帮助。它将启用数字双胞胎或数字化的运营,两种生产,我将从能量的角度来看生产,也将从能量的角度来说,也是商业运营。

曾Pelegrin:业务运营的两个元素将从该数字双视图中的高度效益进入流程。为此,我们认为将需要文件AI。再次,它将是关于创建植物的数字版本。

因此,您可能有很多关于它的非结构化文档信息。一种设置你的数字孪生的方法是通过扫描,甚至是扫描,如果它是在纸上,但也从你的数字来源的信息,说,“好,这是我所有的设备,这是我所有的管道。“并以数字模型的形式提供,这不仅是一种数字格式,而且是一种数字模型,模拟你的操作。我们只是认为这将会有帮助,为能源公司建立那些数字化的,真正的数字化过程。

Daniel Faggella:是的。我可以想象一百个原因。我们与人们谈过,我们在切向数字双领域,重型工业制造业,距离克朗特队有很多伟大的采访。

My tertiary understanding here is that, if we can relatively accurately model the interactions of these systems under different conditions, then what we’re we’re hypothetically able to do is ask ourselves, “Well, what would change in the supply chain if we were able to improve production by 4% over the next six months from these sites?” Or, “What kind of new demands would be placed over here, if these two wells shut down and we started drilling up in this area,” or something like that. And we’d be able to hypothetically see, what does this do to our numbers? What does this do to our other systems?

Daniel Faggella:有时,这可以是价值的一部分,有点询问潜在的期货,并询问潜在的影响和跨越效应或我们将在业务中做的不同事物。

曾Pelegrin:正确的。

Daniel Faggella:我在这里说出一种抽象水平,Lorena。所以也许你可以让它更有形。但这是我的理解。您在哪里真正看到数字双胞胎驱动价值,就真正需要转向公司的高管的日常决策?

曾Pelegrin:是的。正如您所指出的那样,这是生产优化。所以数字双胞胎不是真的......我的意思是,这是新的,但模拟已经存在,自从30日以来,我不知道。所以,这是一种看待,如果你提到的话,这是一种方法。

Daniel Faggella:是的。

曾Pelegrin:并能够通过最新数据,最新的数据,基本上进行。所以要做模拟,它是如何工作的,特别是与设计,你做的是,你得到的数据,你把它给你的模拟团队,经过一两个星期,他们来了解具体场景。这是一种以更快的方式优化您的操作的方法。所以这是一个用例或一个福利。但另一个好处,真的是关于自动化你的运营,以便您的后台操作可以​​更加自动化。

Daniel Faggella:明白了。是的。所以你说模拟不是,不能只是为了生产。

曾Pelegrin:正确的。

Daniel Faggella:但也可以是为您的核心运营在后台办公,如果您可以确定如何不同的文书工作流程或-

曾Pelegrin:完全正确。

Daniel Faggella:无论是人力资源地还是无论如何,如果我们可以数字双胞胎与正确的数据流的生态系统,那么我们也可以了解我们的能力并询问那些If-Then问题。

曾Pelegrin:绝对的。

Daniel Faggella:好的。

曾Pelegrin:是的,这也是机器人过程自动化在做什么。Being able to have automated processes that kick off, let’s say… I think one vision would be have processes in the back office that are able to kick-off, let’s say, the procurement of parts that are going to be needed for, because a particular pump is it starting to degrade, or we have signals from the digital twin models and the predictive maintenance models that are telling us, “Hey, this is soon to be replaced.” So kick off those procurement processes, or even raise flags, telling workers that this is something that needs to be done now. I think it’s going to be around automating those back-office processes.

Daniel Faggella:明白了。好的,很酷。我想当很多人听到digital twin的时候,他们会认为我们谈论的或多或少都是硬资产,模拟这些硬资产的情况,这些制造设备,这些卡车,这些油井。

曾Pelegrin:正确的。

Daniel Faggella:但是你所说的是,如果我们可以让我们的内部流程的正确的数据流,并且RPA可能有助于引导这一点,我们可能会在那里做同样的工作。

曾Pelegrin:是的。是的,没错。

Daniel Faggella:凉爽的。好的,迷人。好吧,洛伦,男人,我们肯定会试着打包很多东西。我提前了解,我在谈论我们必须多快。但我们只是在大约半个小时,我们实际上是为了它。这是三个伟大的主题。你迅速移动了我们,给了我们一些很好的例子,我当然很欣赏。

曾Pelegrin:好吧,谢谢。

保持AI曲线的领先地位

发现在未来商业中区分赢家和输家的关键AI趋势和应用。

注册“AI Advantage”时事通讯:

" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Thanks - check your inbox for a confirmation email">
" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Error - There was some problem.">
订阅
订阅镜像
保持领先于机器学习曲线

加入超过20,000名以上的可调性的商业领袖,并收到每周提供的最新的AI研究和趋势。

感谢您订阅EMERJ“AI Advantage”时事通讯,请检查您的电子邮件收件箱进行确认。