预测分析在石油和天然气行业的当前应用

艾茵·德·耶稣
《阿凡达》

Ayn在Emerj担任人工智能分析师,涵盖人工智能在各个行业的应用案例和趋势。金博宝官网她此前曾在埃森哲担任多个职位。

预测分析在石油和天然气行业的当前应用

麦肯锡报道称,最石油和天然气运营商还没有将其资产的生产潜力最大化。根据2017年的报告,一个典型的海上平台的产量约为其最大生产潜力的77%。整个行业的缺口约为1000万桶/天,相当于年收入2000亿美元。

为了帮助优化产量,运营商可以考虑采用高级分析技术,该技术结合了工程、数据科学和计算能力,使企业能够预测产量或最大化行业资产。

在采用分析学的过程中,人工智能将找到自己的方式进入石油和天然气行业。到目前为止,许多公司声称会提供帮助工程师和数据科学家在他们的角色方面,比如预见性维护关于设备,预测供应和需求,并简化日常流程。

我们对这一领域进行了研究,以便更好地理解预测分析在这一领域的作用石油和天然气印度河试着回答以下问题:

  • 什么类型的预测分析应用程序目前正在使用石油和天然气吗?
  • 预测分析产生了多么明显的结果啊石油和天然气吗?
  • 这些创新努力有什么共同趋势吗?这些趋势会如何影响未来石油和天然气吗?

这份报告涵盖了提供软件的供应商两个应用程序:

  • 预测维护
  • 商业智能

本文旨在为业务领导者提供石油和天然气他们想知道目前在这个行业,人工智能能带来什么。我们希望这篇文章能让商业领袖参与进来石油和天然气工业为了获得见解,他们可金宝搏吧以自信地向管理团队传达,以便在考虑采用人工智能时做出明智的决定。至少,这篇文章旨在减少商业领袖花在研究他们可能(也可能不)感兴趣的人工智能公司上的时间。

预测维护

GE Digital的Predix

通用电气的子公司通用数字,提供了预征该公司称,这种做法会有所帮助石油和天然气企业创建自动分析模型,可以帮助预测其工业设备的维护使用机器学习

预征解释说,该应用程序的机器学习算法能够处理传感器收集的数据,如设备或部件性能、环境数据和天气状况等。然后,算法将这些数据与数据库中包含的理想性能数据进行比较。如果算法发现当前状态与理想状态之间存在差异,应用程序就会被触发,向技术人员发送警报。负责进行预见性维护或部件更换。

例如,在一个风电场中,一个涡轮机的表现低于最佳水平。技术人员收集传感器收集到的有关涡轮机部件的数据,如风叶片和涡轮机轴。技术人员可能还会考虑检查风速。涡轮的性能历史将与风电场的其他涡轮进行比较。

内部技术人员可以通过连接的平板电脑或智能手机与现场技术人员分享信息,现场技术人员会被提示亲自检查性能不佳的涡轮机。如果需要,然后进行修理。

下面是一篇短文3.一分钟的视频演示如何预征工作原理:

通用电气数字声称帮助了AdministracIon Nacional de燃烧器,乌拉圭的酒精y波特兰(Ancap)这家国有企业为家庭和企业提供燃料,为烹饪设备、农业机械和交通运输提供燃料。该公司面临着管理大量数据的挑战,需要一个解决方案来提高流程的效率,优化能源消耗,整合来自不同来源的运营数据,并确保公司的可持续发展

该公司转向Predix的人机界面和监督控制和数据采集(HMI-SCADA)应用程序,称为IFIX。该项目在五个配送设备中实施,部署了超过1,000个屏幕。每个位置的员工学会了使用该系统输入关键数据。

据报道,通过使用集中式系统,ANCAP能够跟踪现场数据,如气液流量、成分分析仪、油罐液位和容积。该系统还使公司能够监控设备的性能、工艺单元的每日吞吐量和天气条件。这些数据被自动处理,格式化成电子表格,并上传到政府的网站上。

通过此数据,ANCAP能够使用此数据来计算和项目Furnapes的效率。案例研究没有解释如何定义效率。数据在服务器中记录,以使团队能够研究与炉的性能相关的趋势。

根据通用电气数字,实现Predix允许ANCAP在日常流程上减少60%的时间和节省20%的燃料。据报道,管理层也不再要求员工提供手工报告

通用电气数字还列出了Exelon, Gerdau, Spomlek, Lek制药,以及圣路易斯奥比斯波市作为一些它的客户。

Vincent Yates.是个首席数据科学家通用电气数字持有A.博士学位统计数据加州大学伯克利。之前,耶茨担任西雅图的数据科学主管Zillow集团分析工程总监Uber,以及Microsoft的Office Analytics团队经理。

马纳纳

马纳纳是一个加州的公司,超过100员工。该公司提供了一款名为The的软件知识的平台他们声称这种方法会有所帮助石油和天然气公司预测运营结果,帮助员工做出更明智的决定使用机器学习和自然语言处理

马纳纳声称其软件能够挖掘、处理和分析公司的非结构化数据,如工作报告、维护记录、设备传感器、天气数据、呼叫中心记录,以及来自不同公司来源的其他类型的媒体。然后,知识平台的自然语言处理算法解释这些报告中的数据。机器学习算法在平台的数据库中搜索,寻找与该公司目前要解决的问题相似的模式

当算法发现相似点时,系统就会提供以图表的形式显示设备性能或支出的趋势。这允许公司的主题专家解释图表,并就如何解决问题提出建议。

下面是一篇短文2-一分钟的视频演示如何知识的平台工作原理:

马纳纳声称有帮助财富20强的石油公司使用应用程序进行最佳泵选择,增加可计数小时并降低总成本该公司的维护专家利用该平台收集与现有泵作业相关的数据。数据形式有跑拉报告、泵故障报告、泵传感器数据和高频数据流。大部分数据描述了过去从油井中回收的失效泵的检查,并由现场工作人员报告。

除了基于语言的数据,该公司还在泵运行过程中收集了详细的传感器数据。该应用程序能够对数据进行分类,并识别可能导致泵故障的模式。

根据马纳纳,这使员工能够验证他们的假设,找出泵故障的原因,预测未来类似的情况,并为每种井选择合适的泵。总的来说,这使得公司能够进行维护,降低泵故障和生产停机的风险。

马纳纳还列出了壳牌,通用电气,空客,马士基,雪佛龙作为一些他们的客户。

史蒂文Gustafson首席科学家马纳纳持有A.博士学位计算机科学诺丁汉大学。之前,Gustafson担任知识发现实验室研发主管通用电气全球研究

商业智能

HortonWorks

HortonWorks是一个旧金山的公司,约1300员工。该公司提供一个名为的软件混合数据平台,一个从多个源处理大型数据集的开源应用程序他们声称这种方法会有所帮助石油和天然气公司预测好产量,对设备进行维护。

Hortonworks.索赔,黄芪丹参滴丸能够存储和处理其结构化和非结构化数据,例如传感器或地震数据,天气,钻井和完成数据,地理位置,文本文件,视频,社交媒体,电子邮件等。这些存储在数据存储库中。

例如,石油和天然气公司可能希望每井设定产量标准,以实现最高的边缘。为了设置基准,工程师可能会使用地震数据,泵率,流体温度和影响产量的其他因素。

该软件的机器学习模型将采用这些预定义的基准,在HDP数据库中搜索类似的标准,并比较相应的油井产量。如果算法根据影响因素发现当前产量较低,系统就会通过仪表板通知用户。

下面是一篇短文2一分钟的视频演示如何黄芪丹参滴丸工作原理:

霍顿声称有帮助高贵的能源预测并防止其油气基础设施的停机案例研究报告称,HDP用于寻找停工期间可能失去的机会,但没有提供细节。然而,我们可以推断,应用程序的机器学习模型审查了来自传感器流、钻井报告、位置数据、工程笔记和技术手册等的数据。

然后,算法可能会将这些数据与可能影响产量的因素(如设备故障和现有油井产量下降等)相关的历史数据进行匹配。这将使高贵的能源采取措施维护设备,并可能发现新井。

未来,诺布尔能源公司打算使用HDP来改善其工作地点的安全性,防止员工受伤。

Hortonworks.还列出了扶桑,约翰霍普金斯大学,日产,雅虎!日本,梅奥诊所,软银,Expedia和赛门铁克作为一些它的客户。

斯科特GnauCTO.Hortonworks.持有A.废话电气工程德雷塞尔大学。之前,Gnau担任总统他在Teradata实验室工作了9年,在那里他为Teradata集成数据仓库和大数据分析相关的研究、开发和销售支持活动提供指导

提供了一个叫做企业矿工他们声称这种方法会有所帮助石油和天然气企业简化数据挖掘过程以开发预测模型使用深度学习、计算机视觉和自然语言处理。

索赔NLP算法能够从文本、语音和声音中提取商业见解和新兴趋势,而计算机视觉算法确定图像和视频中的对象金宝搏吧然后通过深度学习算法处理和分析由这些技术提取的信息,该算法识别数据中的模式以创建预测和预防性建议。

下面是一篇短文3.一分钟的视频演示如何SAS人金博宝官网工智能驱动应用工作:

有没有油气相关的案例研究,但声称有帮助旧的Dominion电力合作社(ODEC)能源需求预测根据案例研究,该公司在使用SAS分析的第一年就为其公用事业客户节省了数百万美元。

ODEC为弗吉尼亚,马里兰州和特拉华州的11个配送合作社提供批发权力,即服务100万会员客户。对于能源购买,合作社必须提前合同,以确保批发价格实惠的供应。错误的预测可能会强迫Odec在更高的现货价格购买能源

过去,ODEC使用传统的电子表格来创建预测。SAS使ODEC能够使用各种行业特定模型更准确地进行预测,这些模型支持系统分析、套期保值、财务预测和未来能源和需求资源。

根据案例研究,使用SAS可以让ODEC了解每个合作社的市场,同时提供一个总体的外观。这使客户能够为其市场未来5年、10年或20年的电力需求进行规划。该公司没有提供进一步的细节或具体数字

还列出了本田、美国银行、雀巢、汉莎、柯尼卡美能达和世界野生动物基金会作为一些它过去的客户。

韦恩·汤普森首席数据科学家他已经在SAS服役26年了拥有农学和统计学博士学位和植物科学博士学位;小的统计数据。都来自田纳西大学

对美国商界领袖的启示石油和天然气工业

本报告中涉及的大多数公司都提供预防性维护和生产相关分析的解决方案。值得注意的是,除了Hortonworks,所有这些公司的人工智能项目都是由博士水平的人才牵头的。

也就是说,只有Maana专门为工业生产和油气公司提供解决方案;本报告中涉及的其他公司服务于多个行业。Maana的特异性可能对它有利,因为它的机器学习模型可能只在工业数据库上训练,这可能会提高模型的准确性。然而,这只是猜测。

尽管没有公司提供关于他们的软件需要多长时间集成的困难时期,基于一个案例研究,我们推断集成产品可能会很长。

总体而言,油气行业的预测分析应用似乎与人工智能领域的其他新兴领域不同,人工智能在油气行业中的应用似乎是合理的。

标题图片来源:石油和天然气人

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”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
subscribe-image
保持领先于机器学习曲线

加入超过20,000名专注于AI的商业领袖,每周接收我们最新的AI研究和趋势。

感谢您订阅Emerj的“人工智能优势”通讯,请查看您的电子邮件收件箱确认。