Нефтяная промышленность — одна из самых технологичных ниш, где наблюдается высокий спрос на цифровизацию. Спектр применения новейших возможностей Индустрии 4.0 достаточно широк: цифровые двойники, продвинутая аналитика, искусственный интеллект, мобильные платформы, ИоТ, 3D-принтеры, блокчейн, AR/VR, чат-боты и некоторые другие.

Сегодня все больше нефтяных компаний начинают задумываться о внедрении именно технологий искусственного интеллекта. Это понятие включает в себя направления предиктивной аналитики, анализа данных (Data Science) и компьютерного зрения, которые могут быть использованы для повышения операционной и экономической эффективности. Если в 2018 году искусственный интеллект даже не входил в пятерку лучших технологий, используемых мировыми нефтегазовыми гигантами, то сегодня зарубежные и отечественные аналитики ожидают увеличение внедрения именно этих технологий в компаниях. Например, в исследовании EY номером один среди используемых цифровых технологий является удаленный мониторинг, который осуществляется с помощью компьютерного зрения.

Среди всех направлений искусственного интеллекта особую востребованность получило компьютерное зрение. Сначала разберемся, что это за технология, и приведем статистику.

Компьютерное зрение (Computer Vision) — это отрасль искусственного интеллекта, которая использует машинное обучение для быстрой обработки и анализа данных с фотографий или видео. Она включает в себя набор методов, которые наделяют компьютер способностью «видеть» и извлекать информацию из увиденного.

Аналитики подтверждают востребованность данной технологии на рынке. Согласно прогнозу ИАА TelecomDaily, в конце 2022 года объем российского рынка видеоаналитики достигнет 12,8 млрд руб, что составит 6% рост. Для сравнения, с 2020 по 2021 год выручка выросла на 12%, с 2019 по 2020 — на 10%. В мировой практике объем рынка видеоаналитики должен увеличиться почти с 6,35 млрд долларов в 2022 году до 28,37 млрд долларов к 2029 году, то есть на 24%. Участники отечественной IT-индустрии оценивают, что рынок видеоаналитики в РФ будет с каждым годом увеличиваться на 20,4% и к 2025 году составит 52 млрд рублей, а к концу 2023 года он может достигнуть 38 миллиардов.

Главным преимуществом использования компьютерного зрения является то, что оно дает возможность осуществлять удаленный мониторинг. Раньше для того, чтобы контролировать работу на месторождении необходимо было личное присутствие. Выезжать на месторождение не всегда удобно, а обычные камеры не дали бы полноценной картины и эффективного контроля. Для автономной работы внедряют технологии компьютерного зрения и машинного обучения, которые позволяют удаленно с помощью видео проводить мониторинг рабочего процесса. Системы распознают определенные события, менеджеры на местах получают короткие видеоролики по электронной почте текстовыми сообщениями, либо просматривают в интерфейсе системы. Это значительно сокращает физические проверки месторождения.

Пример
В «Газпром нефти» работы по внедрению систем компьютерного зрения ведутся достаточно давно. Первый пилотный проект был выполнен в 2013 году, позволяющий круглосуточно контролировать периметр территории с помощью камер для: выявления чрезвычайных ситуаций, контроля въезда и выезда транспорта, распознавания номера машин, оповещения о несанкционированном доступе, наблюдения за действиями персонала на объекте, соблюдение правил промышленной безопасности и прочее. В рамках проекта по мониторингу промышленной безопасности для «Газпромнефть-Ямала» внедрялось решение по автоматизированному удаленному мониторингу промышленной безопасности на буровых установках и внедрение системы контроля правил дорожного движения.

Нефть — одна из самых прибыльных отраслей в мире. Как правило, большинство операций в нефтегазовой отрасли происходят в условиях высокой восприимчивости и риска, отсюда необходимость оптимизировать свое производство на каждом этапе. Компьютерное зрение в нефтегазовой отрасли оптимизирует бизнес-функции, операции, производительность. Оно генерирует обновления в режиме реального времени, что позволяет удаленно следить за месторождением и производством, и экономить время и ресурсы.

Примеры
Компьютерное зрение для оценки резервуара
Нефтяному сектору приходится активно выявлять новые скважины, стоимость одного бурения которых может достигать 150 миллионов долларов. Для эффективной разработки месторождения необходима почти идеальная характеристика геологических структур глубоко под поверхностью. Данные, собранные за несколько десятилетий, часто являются устаревшими и неструктурированными, что делает показатели успеха менее 20%.

Такие компании, как Lucidworks, внедряют решения на основе искусственного интеллекта для точного и быстрого определения лучших скважин. Компьютерное зрение может быть применен к бурению для получения информации о проницаемости пластов, количестве воды и газа, температурных градиентах. Это помогает геологам принимать обоснованные решения, открывать новые источники энергии и снижать воздействие новых скважин на окружающую среду.

Компьютерное зрение для распознавания геологических пород
Один из этапов геологоразведочных работ — анализ добытого образца геологической породы (керна) на предмет целостности, типов и свойств пород, наличия углеводородов. Эта информация впоследствии используется для построения модели месторождения. Керн распиливают вдоль, полируют и фотографируют при дневном и ультрафиолетовом свете. Сотрудники сервисной организации оценивают на глаз необходимые параметры. На разбор 400 м керна три специалиста тратят более недели. Команда «Газпром нефти» разработала и внедрила систему автоматического распознавания геологической породы. Ими разработан алгоритм получения модели машинного обучения с учётом экспертных оценок с применением методов компьютерного зрения для получения дескрипторов изображений, на основании которых принималось решение о принадлежности сегмента изображения к определенному целевому классу. Это необходимо для ускорения процесса анализа пород на этапе геологоразведочных работ, повышения точности определения качества и параметров керна за счет исключения человеческого фактора, снижения расходы на привлечение подрядчиков, систематизирования полученные данные. Благодаря применению технологии, компания достигла сокращения времени анализа керна в 12 раз, а ежегодная экономия на лабораторных исследованиях керна составила 85 млн рублей. До внедрения 400 м керна три специалиста вручную обрабатывали фото породы более недели. Теперь это делается автоматически за 8 часов, а изучает породу один человек.

Различные температуры и погодные условия могут привести к коррозии и деградации нефти при транспортировке по трубопроводам. В сочетании с технологиями интернета вещей (IoT) компьютерное зрение может прогнозировать обнаружение ранних признаков повреждений и коррозии. Компании также могут планировать мероприятия по техническому обслуживанию и избегать простоев из-за поломки оборудования.

Примеры
Детекция дефектов
Реальность современной нефтяной промышленности заключается в дороговизне неожиданных ошибок на производстве. Деградация материала и коррозия могут привести к серьезным авариям и повреждениям. Popoola et al утверждают, что ежегодные затраты на коррозию в нефтегазовой промышленности оцениваются в 1,372 миллиарда долларов. Ручной мониторинг оборудования подвержен неточностям, и если дефекты оставить незамеченным, это может привести к серьезным потерям. Устранить ошибки можно с помощью системы обнаружения дефектов в режиме реального времени.

Так, например, V-Soft Digital внедрила систему компьютерного зрения для поддержки автоматического обнаружения дефектов на промышленных изделиях, таких как стальные трубопроводы для нефтегазовой промышленности, и даже автоматизировала анализ дефектов и их категоризацию. С внедрением этой технологии предприятие добилось значительных улучшений в своей промышленной лаборатории. Система имеет возможность идентифицировать несколько категорий дефектов, улучшать обработку изображений и получать цифровые сертификаты деталей дефектов, включая местоположение и размер. Компьютерное зрение предлагает решить задачу обнаружения дефектов в трубопроводах, применяемых в системах поддержания пластового давления, промыслового сбора нефти. Компьютерное зрение собирает данные в реальном времени с камер и с помощью алгоритмов машинного обучения, анализирует потоки данных на основе заранее определенных стандартов качества обнаруживает дефекты и предоставляет процент отклонения. Это автоматизированное решение повысило точность обнаружения дефектов на 17%, что экономит время и деньги, которые в противном случае были бы потрачены впустую на незамеченные дефекты. Время простоя при ремонте сократилось на 10% благодаря более активному анализу, а ручной контроль в процессе был полностью исключен. Это приводит к общей экономии в размере 150 тысяч долларов на производственную линию. Таким образом, производственный процесс можно сделать безошибочным и эффективным. Техническим результатом внедрения является повышение эффективности определения дефектов в подземных трубопроводах неконтактным способом.

Эффекты от внедрения передовых технологий можно оценивать только комплексно, поскольку компьютерное зрение это лишь одно из направлений искусственного интеллекта. Зачастую цифровизация любых процессов осуществляется вкупе и с другими технологиями искусственного интеллекта, как машинное обучение или предиктивная аналитика.

Минэнерго России прогнозирует, что суммарный эффект от внедрения искусственного интеллекта в нефтегазовую отрасль промышленности в России в 2025-2040 годах составит 5,4 трлн руб. для отрасли и государства.

«Как правило, эффект от внедрения искусственного интеллекта оценивается с экономической точки зрения: повышение доходов или снижение себестоимости. Но существует еще и такой показатель, как повышение качества. Внедрение решений на основе компьютерного зрения в бизнес-процессы нефтяных компаний действительно позволит добиться более высокой продуктивности, прибыльности и конкурентоспособности сектора экономики», — комментирует Руслан Ахтямов, директор по стратегии и сооснователь Napoleon IT.

Проекты цифровизации нефтяной отрасли характеризуются высоким уровнем технической эффективности. Примеры приведенные выше показали, что внедрение технологий компьютерного зрения позволяет улучшить такие показатели, как: время бурения, снижение капитальных затрат, время простоя оборудования, величину незапланированных расходов, затраты на техническое обслуживание, энергоэффективность, уровень безопасности труда и прочие. Крупнейшая нефтесервисная компания Schlumberger приводит следующие статические данные при внедрении технологий искусственного интеллекта:

● Сроки обработки сейсмических данных сократились с 13 до 2,5 месяцев;
● Время интерпретации неисправностей сократилось на 80%;
● Эффективность планирования скважины выше на 50%;
● Сокращение травмоопасных инцидентов на предприятиях в 12 раз.

За счет использования предиктивной аналитики, Big Data и компьютерного зрения в добыче нефти затраты могут быть сокращены на 50 миллиардов долларов. Мы можем только представить, какое будущее ожидает этот сектор после плодотворной цифровизации всех бизнес-процессов в нефтяной промышленности.