预测分析在石油和天然气行业的应用现状

艾茵·德·耶稣
《阿凡达》

Ayn在Emerj担任人工智能分析师,涵盖各行业的人工智能用例和趋势。她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应用现状

麦肯锡报道称,最石油和天然气运营商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最大生产潜力约为77%。整个行业的缺口约为每天1000万桶,即年收入2000亿美元。

为了帮助优化生产,运营商可以考虑采用先进的分析技术,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。

在采用分析的过程中,人工智能将找到进入石油和天然气行业。到目前为止,许多公司声称提供了帮助工程师和数据科学家在他们的角色方面,例如预见性维护在设备方面,预测供给和需求,并简化常规流程。

我们研究了这个领域,以便更好地理解预测分析在哪里发挥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
  • 预测分析带来了什么切实的结果石油和天然气
  • 这些创新努力是否有共同的趋势?这些趋势将如何影响未来石油和天然气

本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

本文旨在为企业领导人提供石油和天然气他们对这个行业的人工智能有什么期待。我们希望这篇文章能让商界领袖参与进来石油和天然气工业收集见解,自信地传达给高管团队,以便在考虑采用人工智能时做出明智的决定。至少,这篇文章意在减少商业领袖花在研究他们可能(或可能)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,这样做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、环境数据和天气条件等。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和理想状态之间存在差异,就会触发应用程序向技术人员发送警报。他们反过来进行预测性维护或部件更换。

例如,在风力发电场中,一台涡轮机的性能低于最佳水平。技术人员收集由传感器收集到的有关涡轮机部件的数据,如风力叶片和涡轮机轴。技术人员也可以考虑检查风速。然后,该涡轮机的性能历史将与风力发电场的其他涡轮机进行比较。

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,现场技术人员会被要求亲自检查表现不佳的涡轮机。如果需要,则进行维修。

下面是一个简短的3.-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,使流程更高效,优化能源消耗,整合来自各种来源的运营数据,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,通过集中系统,ANCAP能够跟踪现场数据,如气体和液体流速、成分分析仪、油箱液位和容积。该系统还使公司能够监控设备的性能率、工艺单元的每日产量和天气状况。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使ANCAP在常规流程上减少了60%的时间,节省了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 Pharmaceuticals,和San Luis Obispo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。该公司提供了一种名为知识的平台他们声称,这是有帮助的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、呼叫中心记录和来自不同公司的其他类型媒体.然后,知识平台的自然语言处理算法解读这些报告中的数据。机器学习算法在该平台的数据库中搜索,以找到与该公司目前旨在解决的问题相似的模式

当算法找到相似点时,系统就会提供以图表形式反馈,显示设备性能或支出的趋势。这使得该公司的主题专家能够解释图表,并就如何解决问题提出建议。

下面是一个简短的2-分钟的视频演示如何知识的平台工作原理:

马纳纳声称帮助过《财富》20强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修专家利用该平台收集与现有泵运行相关的数据。这些数据包括运行和拉动报告、泵故障报告、泵传感器数据和高频数据流。许多数据描述了过去从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,该公司还收集了泵运行过程中详细的传感器数据。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,这使得员工能够验证他们的假设,确定泵故障的原因,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,从而降低泵故障和停产的风险。

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负责人通用电气全球研究

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(HDP),一个从多个源处理大型数据集的开源应用程序他们声称,这是有帮助的石油和天然气公司预测产量,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。

然后,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收益较低,系统将通过仪表板通知用户。

下面是一个简短的2-分钟的视频演示如何黄芪丹参滴丸工作原理:

霍顿声称帮助过高贵的能源预测并防止油气基础设施停机该案例研究报告称,HDP用于寻找因停机而可能失去的机会,但没有提供细节。然而,我们可以推断,该应用程序的机器学习模型查看了来自传感器流、钻井报告、位置数据、工程笔记和技术手册等的数据。

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

未来,诺布尔能源计划使用HDP来提高其工作场所的安全性,并防止员工受伤。

Hortonworks.还列出了扶索,约翰霍普金斯大学,尼桑,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

提供了一种预测软件叫做企业矿工他们声称,这是有帮助的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(NLP)。

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,而计算机视觉算法则确定图像和视频中的对象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。

下面是一个简短的3.-分钟的视频演示如何SAS人工智能驱动应用工作:

没有石油和天然气相关的案例研究,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,在使用SAS Analytics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

在过去,ODEC使用传统的电子表格来创建预测。SAS使ODEC能够使用各种特定行业的模型更准确地进行预测,这些模型支持系统分析、对冲、财务预测以及未来能源和需求资源。

根据案例研究使用SAS允许ODEC了解每个合作社的市场,同时提供一个大局观。这使客户能够为未来5年、10年或20年的市场需求进行规划。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、汉莎航空、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在特种空勤团服役了26年拥有农学、统计学和植物科学博士学位;小的统计数据。两者都来自田纳西大学

商业领袖的外卖石油和天然气工业

本报告涵盖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之外,所有公司的人工智能工作都是由博士级别的人才主导的。

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;本报告涵盖的其他公司服务于多个行业。Maana的专一性可能对它有利,因为它的机器学习模型可能只在工业数据库上进行训练,这可能会提高模型的准确性。然而,这只是猜测。

尽管没有一家公司提供他们的软件集成需要多长时间的困难时期,但根据一个案例研究,我们推断集成产品可能很长。

总体而言,油气行业的预测分析应用似乎合理地涉及到人工智能,而其他行业的人工智能还处于萌芽阶段。

图片来源:石油和天然气行业人士

保持在AI曲线的前面

发现在业务未来将赢家分开获奖者的关键AI趋势和应用程序。

订阅《人工智能优势》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2万名专注于人工智能的商业领袖,并接收我们每周发布的最新人工智能研究和趋势。

感谢您订阅Emerj“AI优势”时事通讯,请查看您的电子邮箱确认。