Недра Земли — словно гигантская база данных, в которой хранится память о миллиардах лет геологической истории. То, что когда-то было на поверхности, с течением времени превратилось в подземные пласты с полезными ископаемыми. Сегодня цифровые технологии помогают «расшифровывать» этот природный архив, чтобы находить и добывать нефть и газ.
Мультимедийный арт-проект «Террабайт» показывает, как геологи и инженеры «Газпром нефти» используют большие данные, цифровые двойники и нейросети, чтобы управлять процессами глубоко под землёй.
Когда данных мало, а права на ошибку нет, на помощь ученым и инженерам приходят цифровые технологии. Так искусственный интеллект помогает специалистам «Газпром нефти» точно определять расположение нефтегазоносных пластов и находить путь к ним.
«Мы используем ИИ там, где он может изменить правила игры — в проектировании, в принятии решений, в системном инжиниринге».
— Марс Хасанов, директор по науке компании «Газпром нефть»
Марс Хасанов, директор по науке компании «Газпром нефть», уверен, что добыча нефти сегодня — это уже не только геология и бурение, но и системный инжиниринг, основанный на искусственном интеллекте. Мы поговорили с ним о том, почему нефтяная отрасль оказалась в авангарде цифровой трансформации.
«Прогресс всегда определяют вызовы. Сегодня мы бурим пласты с проницаемостью порядка 0,1 миллидарси. Это трудноизвлекаемые запасы со сложными физико-химическими взаимодействиями. Для их моделирования и нахождения эффективных технологических решений нужны сложные нелинейные математические уравнения, многочисленные итерационные расчёты. Без численного моделирования здесь просто не обойтись».
Проблема в том, что по сравнению с другими областями — банковским делом, медициной — объём данных в нефтяной отрасли невелик, а сами они косвенны.
«Разведочных скважин мало, они далеко друг от друга. Мы достаём из земли небольшой образец породы — керн — и должны по нему судить о километрах подземных пластов. Это как пытаться понять, что находится и происходит в комнате, по запаху из замочной скважины. Сегодня мы не можем ошибиться — и потом всё переиграть. Решения нужно принимать как можно более обоснованно с самого начала. И это требует генерации альтернативных сценариев, оценки, обучения моделей. Всё это — поле для искусственного интеллекта».
Так возникла потребность в новых инструментах.
«Сегодня машинное обучение позволяет работать с неструктурированной информацией, выделять из неё смыслы и сущности. Но для принятия взвешенных инженерных решений нужен интеллект в полном смысле — системы, которые способны не только обучаться и распознавать, но и рассуждать. Именно поэтому мы в «Газпром нефти» развиваем сложные нейросимвольные системы».
Однако, по мнению Марса Хасанова, главное — не сами технологии, а философия, с которой их внедряют.
«Искусственный интеллект не должен быть модной игрушкой. Мы используем ИИ там, где он может изменить правила игры — в проектировании, в принятии решений, в системном инжиниринге».
«Прогресс всегда определяют вызовы. Сегодня мы бурим пласты с проницаемостью порядка 0,1 миллидарси. Это трудноизвлекаемые запасы со сложными физико-химическими взаимодействиями. Для их моделирования и нахождения эффективных технологических решений нужны сложные нелинейные математические уравнения, многочисленные итерационные расчёты. Без численного моделирования здесь просто не обойтись».
Проблема в том, что по сравнению с другими областями — банковским делом, медициной — объём данных в нефтяной отрасли невелик, а сами они косвенны.
«Разведочных скважин мало, они далеко друг от друга. Мы достаём из земли небольшой образец породы — керн — и должны по нему судить о километрах подземных пластов. Это как пытаться понять, что находится и происходит в комнате, по запаху из замочной скважины. Сегодня мы не можем ошибиться — и потом всё переиграть. Решения нужно принимать как можно более обоснованно с самого начала. И это требует генерации альтернативных сценариев, оценки, обучения моделей. Всё это — поле для искусственного интеллекта».
Так возникла потребность в новых инструментах.
«Сегодня машинное обучение позволяет работать с неструктурированной информацией, выделять из неё смыслы и сущности. Но для принятия взвешенных инженерных решений нужен интеллект в полном смысле — системы, которые способны не только обучаться и распознавать, но и рассуждать. Именно поэтому мы в «Газпром нефти» развиваем сложные нейросимвольные системы».
Однако, по мнению Марса Хасанова, главное — не сами технологии, а философия, с которой их внедряют.
«Искусственный интеллект не должен быть модной игрушкой. Мы используем ИИ там, где он может изменить правила игры — в проектировании, в принятии решений, в системном инжиниринге».
«Симуляторы позволяют нам не просто выполнять операцию, а предсказывать её результат. Это экономит ресурсы и увеличивает отдачу».
Представьте себе кусок мрамора с микропорами в сотни раз меньше миллиметра. Примерно так выглядят породы, из которых сегодня добывают нефть. Но как можно извлечь углеводороды из такой плотной структуры? Моделирование гидроразрыва пласта помогает это узнать до того, как начнётся добыча.
— Егор Шель, инженер по гидроразрыву пласта компании «Газпром нефть»
Егор Шель, инженер по гидроразрыву пласта в компании «Газпром нефть», убеждён: без цифровых симуляторов сегодня нельзя эффективно добывать нефть. Инженерная интуиция отходит на второй план — её место занимают точные модели, большие данные и расчёты в несколько кликов.
Вместо того чтобы действовать методом проб и ошибок, инженеры используют симуляторы — компьютерные модели, которые воспроизводят поведение подземных пород при гидроразрыве и позволяют заранее просчитать результат операции.
«Симуляторы позволяют нам не просто выполнять операцию, а предсказывать её результат. Это экономит ресурсы и увеличивает отдачу. С их помощью мы точнее узнаем, где и как добиться наилучшего эффекта».
Ценность цифровых моделей в том, что они позволяют учитывать особенности каждого месторождения. Это значит, что подход к разработке становится индивидуальным, а решения — более обоснованными.
«Мы можем сравнить десятки вариантов заранее и выбрать оптимальный. Например, понять, как изменить параметры, чтобы увеличить добычу без дополнительных затрат. Иногда это даёт прибавку в 2−3%, а на масштабе месторождения — это огромный результат».
Вместо того чтобы действовать методом проб и ошибок, инженеры используют симуляторы — компьютерные модели, которые воспроизводят поведение подземных пород при гидроразрыве и позволяют заранее просчитать результат операции.
«Симуляторы позволяют нам не просто выполнять операцию, а предсказывать её результат. Это экономит ресурсы и увеличивает отдачу. С их помощью мы точнее узнаем, где и как добиться наилучшего эффекта».
Ценность цифровых моделей в том, что они позволяют учитывать особенности каждого месторождения. Это значит, что подход к разработке становится индивидуальным, а решения — более обоснованными.
«Мы можем сравнить десятки вариантов заранее и выбрать оптимальный. Например, понять, как изменить параметры, чтобы увеличить добычу без дополнительных затрат. Иногда это даёт прибавку в 2−3%, а на масштабе месторождения — это огромный результат».
«Обрабатывая террабайты цифровых данных, мы не просто быстро и точно строим модель земных недр, мы делаем её частью всей рабочей цепочки процессов — от идеи до реализации».
Цифровые двойники месторождений позволяют геологам увидеть структуру недр и принимать обоснованные решения там, где раньше приходилось полагаться на интуицию.
— Илья Кирсанов, специалист по геологическому моделированию компании «Газпром нефть»
Илья Кирсанов, специалист по геологическому моделированию компании «Газпром нефть», рассказывает, как цифровизация изменила подход к исследованию подземных пород и позволила увеличить эффективность при поиске нефти.
Главная задача геологического моделирования — создать максимально точное представление о залежах углеводородов. Это необходимо для оценки запасов и ресурсов углеводородов, планирования добычи и снижения рисков при бурении.
«Геологическое моделирование всегда строилось на сборе разных типов данных и было в чём-то похоже на детектив: ты собираешь информацию, находишь связи, и в какой-то момент картина становится ясной. Если раньше мы могли только делать предположения «есть нефть» или «нет нефти», то теперь мы точно можем численно оценить вероятность и риски открытия залежи, неопределенности, связанные с разработкой месторождений. Это огромный прогресс, который делает бизнес управляемым и прогнозируемым».
Современные технологии позволяют автоматизировать большую часть процессов. Например, нейросети помогают интерпретировать сейсмические данные.
«Анализ данных без использования цифровых технологий был сродни диагнозу, который мог поставить средневековый врач при осмотре пациента. Анализ с помощью больших данных и алгоритмов позволил сделать такой же шаг вперед, как рентген и томография».
По словам Ильи, переход к цифровому геологическому моделированию дал «Газпром нефти» целый ряд преимуществ.
«Обрабатывая террабайты цифровых данных, мы не просто быстро и точно строим модель земных недр, мы делаем её частью всей рабочей цепочки процессов — от идеи до реализации».
Главная задача геологического моделирования — создать максимально точное представление о залежах углеводородов. Это необходимо для оценки запасов и ресурсов углеводородов, планирования добычи и снижения рисков при бурении.
«Геологическое моделирование всегда строилось на сборе разных типов данных и было в чём-то похоже на детектив: ты собираешь информацию, находишь связи, и в какой-то момент картина становится ясной. Если раньше мы могли только делать предположения «есть нефть» или «нет нефти», то теперь мы точно можем численно оценить вероятность и риски открытия залежи, неопределенности, связанные с разработкой месторождений. Это огромный прогресс, который делает бизнес управляемым и прогнозируемым».
Современные технологии позволяют автоматизировать большую часть процессов. Например, нейросети помогают интерпретировать сейсмические данные.
«Анализ данных без использования цифровых технологий был сродни диагнозу, который мог поставить средневековый врач при осмотре пациента. Анализ с помощью больших данных и алгоритмов позволил сделать такой же шаг вперед, как рентген и томография».
По словам Ильи, переход к цифровому геологическому моделированию дал «Газпром нефти» целый ряд преимуществ.
«Обрабатывая террабайты цифровых данных, мы не просто быстро и точно строим модель земных недр, мы делаем её частью всей рабочей цепочки процессов — от идеи до реализации».
«„Цифра“ помогает попасть в нефтеносный пласт с точностью до метра. Раньше это была почти слепая удача. Сегодня — это работа алгоритмов, сенсоров и телеметрии».
Как попасть точно в цель — небольшой нефтяной пласт, расположенный на глубине в пять километров? На помощь нефтяникам приходят цифровые технологии управления бурением. Сегодня специалисты могут в реальном времени управлять добычей в Западной Сибири, сидя за компьютером в Санкт-Петербурге.
— Андрей Нестерович, специалист по бурению компании «Газпром нефть»
Андрей Нестерович, специалист по бурению в компании «Газпром нефть», считает, что «цифра» — это не про модные технологии ради технологий, а про эффективность и безопасность.
«Раньше бурение проводилось с высокой долей погрешности и высоким потенциалом возникновения рисков. Сегодня же мы работаем с огромным массивом данных, поступающих как с поверхности, так и из-под земли. Это позволяет точно понимать, где находится буровая колонна, работать на максимальных режимах и избегать рисков.
Одним из ключевых инструментов «Газпром нефти» стал проект «Цифровая буровая», который позволяет автоматизировать процессы, ранее выполняемые бурильщиком вручную.
«Теперь буровой станок сам управляет оптимальным режимом работы: скоростью вращения колонны, подачи долота. Работая на техническом пределе, достигается максимальная скорость бурения. Автоматизация ускоряет процесс и обеспечивает точность, а «цифра» помогает попасть в нефтеносный пласт с точностью до метра. Раньше это была почти слепая удача. Сегодня — это работа алгоритмов, сенсоров и телеметрии.
«Мы видим в реальном времени, где находимся. Получаем геологическую информацию: плотность породы, наличие углеводородов, температуру».
И, наконец, цифровизация — это контроль и управление на расстоянии.
«Мы уже управляем бурением удалённо. Сидя в центре сопровождения, специалисты задают режимы работы оборудования, не находясь на месторождении. Это шаг к буровой завтрашнего дня — полностью автономной, работающей без присутствия человека».
«Раньше бурение проводилось с высокой долей погрешности и высоким потенциалом возникновения рисков. Сегодня же мы работаем с огромным массивом данных, поступающих как с поверхности, так и из-под земли. Это позволяет точно понимать, где находится буровая колонна, работать на максимальных режимах и избегать рисков.
Одним из ключевых инструментов «Газпром нефти» стал проект «Цифровая буровая», который позволяет автоматизировать процессы, ранее выполняемые бурильщиком вручную.
«Теперь буровой станок сам управляет оптимальным режимом работы: скоростью вращения колонны, подачи долота. Работая на техническом пределе, достигается максимальная скорость бурения. Автоматизация ускоряет процесс и обеспечивает точность, а «цифра» помогает попасть в нефтеносный пласт с точностью до метра. Раньше это была почти слепая удача. Сегодня — это работа алгоритмов, сенсоров и телеметрии.
«Мы видим в реальном времени, где находимся. Получаем геологическую информацию: плотность породы, наличие углеводородов, температуру».
И, наконец, цифровизация — это контроль и управление на расстоянии.
«Мы уже управляем бурением удалённо. Сидя в центре сопровождения, специалисты задают режимы работы оборудования, не находясь на месторождении. Это шаг к буровой завтрашнего дня — полностью автономной, работающей без присутствия человека».
«Цифровой двойник позволяет нам проверить все возможные сценарии до того, как начнётся реальное бурение. Это экономит время и позволяет принимать более точные решения».
Цифровой двойник помогает анализировать процесс бурения, чтобы лучше проектировать и строить скважины. В результате разработка даже самых сложных месторождений ведется быстрее и эффективнее.
— Эльдар Гусейнов, специалист по строительству скважин компании «Газпром нефть»
Эльдар Гусейнов, специалист по строительству скважин компании «Газпром нефть», рассказывает, как раньше в процессе проектирования скважины инженеры опирались на опыт, справочники и расчёты, часто сделанные вручную. Сегодня всё изменилось — появились технологии обработки больших данных и цифровые двойники, которые позволяют заранее смоделировать весь процесс строительства скважин, проверить решения и минимизировать возможные ошибки.
«Каждая скважина — уникальный объект. Цифровой двойник позволяет нам проверить все возможные сценарии до того, как начнётся реальное бурение. Это экономит время и позволяет принимать более точные решения».
Процесс начинается с проектирования. В систему вводятся данные о геологическом разрезе, типе пород, используемой технике и параметрах бурения. Программа рассчитывает оптимальную траекторию скважины, позволяет подобрать оборудование и предупреждает о потенциальных проблемах.
«Раньше на такие расчёты уходили дни. Теперь — считанные минуты. Это не только экономия времени, но и повышение безопасности. Мы можем сразу увидеть, где что может пойти не так, и скорректировать план. Будущее строительства скважин — в развитии искусственного интеллекта, увеличении точности прогнозов и скорости обработки данных».
«Каждая скважина — уникальный объект. Цифровой двойник позволяет нам проверить все возможные сценарии до того, как начнётся реальное бурение. Это экономит время и позволяет принимать более точные решения».
Процесс начинается с проектирования. В систему вводятся данные о геологическом разрезе, типе пород, используемой технике и параметрах бурения. Программа рассчитывает оптимальную траекторию скважины, позволяет подобрать оборудование и предупреждает о потенциальных проблемах.
«Раньше на такие расчёты уходили дни. Теперь — считанные минуты. Это не только экономия времени, но и повышение безопасности. Мы можем сразу увидеть, где что может пойти не так, и скорректировать план. Будущее строительства скважин — в развитии искусственного интеллекта, увеличении точности прогнозов и скорости обработки данных».