فوائد المناورة الدفينية الآلية التي تستخدم فيها مادة AI وMchine Learning Algorithms

وقد اعتمدت صناعة النفط والغاز تاريخيا على تحليل منحنى الانخفاض لتقدير الإنتاج الجيد في المستقبل وتوجيه قرارات إدارة الخزانات، وتتطلب الأساليب التقليدية محللا لرسم بيانات الإنتاج يدويا، واختيار نماذج الهبوط، وتكييف البارامترات تعديلا مكررا لا يستغرق وقتا طويلا فحسب، بل أيضا عرضة للتحيز والخطأ البشري، وتتحول التطورات الأخيرة في الاستخبارات الاصطناعية والتنبؤات الميكانيكية.

ما هو "الدخيل المُتلقّى" المُتّصل؟

ويطبق نظام تجهيز منحنى الانحدار الآلي على نظامي " آي " و " مول " ، على بيانات الإنتاج التاريخي لتحديد نموذج الانحدار الأمثل والبارامترات دون اشتراط الإشراف على الإنسان بصورة مستمرة، ويقيم النظام معدلات الإنتاج الخام، وبيانات الضغط، والأحداث التشغيلية، ثم يختبر تكرارا نماذج متعددة للهبوط مثل " الآربس " ، أو المضاعفة، أو " أفضل النماذج المختارة " .

وكثيرا ما تجمع هذه الخوارزميات بين تقنيات التعبئة التقليدية والشبكات العصبية أو تعزيز التدرجات من أجل استخلاص العلاقات غير الخطية، مثلا، يمكن لشبكة عصبية متكررة أن تتعلم من بيانات إنتاج السلاسل الزمنية وتتوقع مسارات الهبوط التي تشكل سلوكيات مركبة للمستودعات، ونتيجة لذلك عملية تنبؤ قوية ومكررة تحقق نواتج متسقة عبر آلاف الآبار.

الفوائد الرئيسية لاستخدام التعلم في مجال مكافحة الأمية والآفات

زيادة الاستحقاق

ويمكن لنماذج التنفيذ أن تعالج العلاقات المعقدة المتعددة الفوارق التي كثيرا ما يغفلها الدليل التقليدي، وذلك بإدراج متغيرات مثل الضغط على القاع، ومعايير الإنجاز، وقابلت تدخلا جيدا، تنتج خوارزميات حركة تحرير الكونغو منحنىات من شأنها أن تعكس على نحو أفضل الديناميات الحافظة الفعلية. أظهرت الدوافع أن السلوك الآلي في مجال مكافحة غسل الأموال يخفض الأخطاء المتوقعة بنسبة تتراوح بين 20 و40 في المائة و[1].

ومن دواعي القلق الأخرى أن كثيرا من نماذج القانون النموذجي ذات الدقة العالية، مثل الشبكات العصبية العميقة، تعمل على " صناديق سوداء " ، مما يجعل من الصعب على المهندسين فهم السبب في اختيار مسار معين للهبوط. [(FLT:0]) تعتمد الصناعة بشكل متزايد تقنيات تفسيرية للتحريات (XAI) توفر درجات هامة وقطعاً للاعتماد الجزئي لبناء الثقة في النواتج الآلية.

وأخيرا، لا يمكن تجاهل إدارة التغيير التنظيمي، فالانتقال من العمليات اليدوية الموثوق بها إلى النظم الآلية يتطلب التدريب، وإعادة تصميم تدفق العمل، والتحول الثقافي نحو اتخاذ القرارات التي تحركها البيانات، وتكسب الشركات التي تستثمر في التكنولوجيا والناس أكبر قدر من القدرة على التشغيل الآلي.

التطبيقات العالمية الحقيقية ودراسات الحالات الإفرادية

وقد أفاد عدد من المشغلين الرئيسيين عن تحقيق مكاسب كبيرة بعد تنفيذ برنامج العمل الآلي في منطقة حوض المحيط الهادي. ونشر مشغل واحد من الحوض الفارمي منصة للمسح السحابي لتحليل أكثر من 000 5 بئر أفقية، وقلص النظام الوقت اللازم لإصدار تقارير احتياطي شهرية من ثلاثة أسابيع إلى يومين، بينما زاد من دقة التنبؤ بنسبة 18 في المائة مقارنة بالتجهيز اليدوي.

كما أن شركات الخدمات تدمج وكالة البلدان النامية للتوحيد الآلي في تطبيقاتها التجارية، فعلى سبيل المثال، Smith International’s digital analytics suite] تعرض تركيبة منحنى التراجع الآلي كنموذج ضمن منصة إدارة المستودعات الأوسع نطاقاً، وتتيح هذه الأدوات للمشغلين الجمع بين التنبؤات التراجعية والنماذج الاقتصادية وتحليل المخاطر وتخطيط السيناريوهات في واجهة واحدة.

مستقبل تحليل مسحوق البترول الآلي

أما الحدود التالية لوكالة التنمية الوطنية الآلية فتتمثل في تعميق التكامل مع التكنولوجيات المتاخمة. ] إن الجمع بين توقعات الانخفاض مع التعلم الآلاتي في بيانات تصميم الإنجاز ] سيمكن النماذج التنبؤية التي تُفضي إلى تحسين الآبار في المستقبل حتى قبل حفرها، وسيسمح التكامل مع رصد الإنتاج في الوقت الحقيقي والحوسبة الحادة بتخفيض المنحنىات لكي تتكيف بشكل دينامي مع حدوث أحداث على سبيل المثال، تتراجع تلقائياً.

وثمة اتجاه واعد آخر يتمثل في استخدام الشبكات العصبية المزودة بالمعلومات الفيزيائية التي تدمج فيزياء الخزان مباشرة في عملية التدريب، ويمكن لهذه النماذج أن تنتج منحنى ثابتاً من الناحية المادية حتى من البيانات المتفرقة، مما يزيل الفجوة بين النهج القائمة على البيانات والنهج الفيزيائية، وبالإضافة إلى أن تكاليف السحب لا تزال تنخفض، فإن صغار المشغلين سيتمكنون من الوصول إلى قدرات برامجيات المؤسسة ( DCA).

وفي نهاية المطاف، ستصبح تركيبات منحنى التحلل الآلي عنصرا قياسيا في مجال النفط الرقمي، وتغذية بطيئة في تقارير الاحتياطي الآلي، ولوحات إدارة الإنتاج على الوجه الأمثل، ونظم تخطيط الشركات، وتقوم الشركات التي تعتمد هذه الأدوات اليوم ببناء ميزة تنافسية في الدقة والسرعة والقابلية للتأثر.

أفضل ممارسات التنفيذ

ولنجاح تنفيذ برنامج العمل الآلي، ينبغي أن تبدأ المنظمات ببرنامج تجريبي يركز على مجموعة فرعية من الآبار مع بيانات نظيفة ومتاحة للجمهور، مما يسمح للفريق بالتصديق على الأداء النموذجي مقارنة بالنتائج المعروفة وبناء الثقة قبل توسيع نطاقه. ومن المهم إشراك خبراء في المجالات - مهندسو المراصد، وأخصائيو الجيولوجيين، وعلماء البيانات - في وضع النماذج والتحقق منها لضمان أن تكون النواتج متسقة مع التوقعات المادية.

ويجب أن تكون خطوط أنابيب البيانات آلياً لإضافة سجلات إنتاج جديدة يومياً أو أسبوعياً، وينبغي لسياسات الحوكمة أن تحدد مدى تكرار إعادة تدريب النماذج والتحقق منها، وأخيراً، فإن تقديم النتائج من خلال لوحات مظلة ملائمة تقارن التنبؤات الآلية بالمقاييس اليدوية يساعد أصحاب المصلحة على رؤية القيمة ويشجع على التبني.

وتشمل الموارد المخصصة لمواصلة التعلم: ]SPE Digital Energy Technical Section والآداب المنشورة بشأن التعلم الآلاتي في هندسة النفط، مثل ]OnePetro conference papers.] وهذه المصادر تعرض دراسات حالة وخوارزميات ومقاييس أداء للأفرقة التي تنظر في التشغيل الآلي.

ولم يعد منحنى الانحسار الآلي الذي يستخدم فيه استخدام النفط الخاملة والحركية مفهوماً لا جدوى منه، بل هو أداة عملية ومثبتة تحقق فوائد قابلة للقياس في الدقة والسرعة والاتساق والقابلية للقياس، ومن خلال دمج هذه التكنولوجيا، يمكن لشركات النفط والغاز أن تحول بيانات الإنتاج إلى أصل استراتيجي، مما يتيح اتخاذ قرارات أفضل من الميدان إلى قاعة مجلس الإدارة.