«Эра “простой нефти” и “простого газа” ушла в прошлое» — подобными заявлениями сегодня открывается большинство конференций, посвященных проблемам и перспективам развития нефтегазовой отрасли. Действительно, если не начать освоение новых месторождений и не использовать новейшие технологии извлечения углеводородов на уже существующих месторождениях, добывать скоро будет нечего. Перспективные запасы, в большинстве своем, можно отнести к категории «трудноизвлекаемых», новые участки обычно находятся в экстремальных климатических зонах, на шельфе и местах, удаленных от работающей инфраструктуры, что существенно влияет на стоимость разработки. В этой ситуации, усугубляемой падением цен на нефть и газ, начинают играть решающую роль показатели себестоимости разработки и эксплуатации месторождений.
Для сохранения рентабельности предприятий необходимо сокращать издержки и повышать эффективность разработки, в том числе за счет технологий, позволяющих в непрерывном режиме осуществлять анализ всех процессов, происходящих на скважине. Рентабельность может быть достигнута при переходе к «цифровому месторождению» благодаря комплексу технологий поддержки процессов сбора, анализа и управления данными, полученными со скважин. Все собираемые с такого месторождения геологические, технологические, статистические и прочие данные передаются в центр мониторинга, при этом их неизменность подтверждается, в частности, с помощью технологий распределенного реестра [1]. В центре выполняются обработка и анализ данных, а также обеспечивается их хранение в виде, доступном для работы.
Главная цель «цифрового месторождения» — своевременное выявление проблем и быстрое принятие многопрофильными группами оперативных решений на основе данных, полученных в реальном времени. При этом на этапе их обработки и анализа имеется множество однотипных, рутинных операций, выполняемых вручную. Именно здесь на помощь могут прийти системы роботизации бизнес-процессов (Robotic Process Automation, RPA), опирающиеся на компьютерные боты, способные выполнять сценарии решения повторяющихся задач. В условиях снижения рентабельности добычи углеводородов применение технологий RPA, вполне способных повысить производительность труда персонала предприятий отрасли, приобретает особую актуальность. Это один из основных инструментов, помогающих высвободить время экспертов для действительно творческих, нестандартных задач — например, моделирования сложных геологических объектов, связанных с поисками ранее не опробованных решений, разработкой новых алгоритмов или постановкой новых перспективных задач.
Нефтегазовым компаниям, занимающимся разведкой и добычей, RPA-системы могут оказать существенную помощь в анализе данных и формировании отчетов, автоматизируя выполнение бизнес-процессов управления цепочками поставок, продажи продуктов переработки углеводородов, логистики и бухгалтерского учета. В таблице приведены направления возможного применения программной роботизации для решения специфичных для нефтегазовой индустрии прикладных задач.
Первые кандидаты на роботизацию — процессы, связанные с обработкой и анализом данных по добыче, а также с геолого-технологическим (ГТИ) и геофизическим (ГИС) исследованием скважин. Качество анализа и интерпретация таких данных практически всегда в немалой степени зависят от субъективного мнения конкретного эксперта, и пока в полной мере автоматизировать эти процессы, целиком отдав их на откуп роботу, никому в индустрии не удалось. Определенные операции по интерпретации данных сейсмики, геофизических исследований скважин, промысловых данных, данных геолого-технологических и лабораторных исследований керна еще долго будут выполняться либо исключительно экспертом, либо в системе «эксперт-робот», но уже сейчас, применяя технологии RPA, можно значительно облегчить и ускорить решение ряда задач (см. таблицу).
.jpg)
Один из примеров использования RPA для решения специфических задач отрасли — автоматизированный мониторинг эффективности строительства скважин (АМС) и геолого-технологических мероприятий. Такой мониторинг реализуется в НПО «СНГС» для поддержки оперативной обработки, анализа и предоставления заказчику информации по ключевым показателям эффективности технологических операций и выявления непроизводительных потерь (см. рисунок).
.jpg) |
| Применение RPA в системе автоматизированного мониторинга эффективности строительства скважин |
Ежедневно со скважин поступают суточные отчеты (рапорты) бурового мастера, супервайзера и оператора ГТИ, которые дополняются полученными в реальном времени данными геолого-технологических исследований. Поскольку данные представлены в различных форматах, на первом этапе роботизация используется для распознавания и интеграции полученной информации в единой системе хранения. После этого происходит роботизированная обработка полученных данных: определяются технологические этапы, производится расчет различных KPI и баланса скрытого непроизводительного времени.
Применение программной роботизации при получении отчетов, поступающих со скважин, позволило заметно сократить сроки обработки и анализа данных по скважине (с часов до минут), а также минимизировать время, необходимое для подготовки заказчику подробной и оперативной сводки по эффективности проводимых работ.
***
Технологии RPA эволюционируют и развиваются в направлении все более широкого применения искусственного интеллекта (машинное обучение, компьютерное зрение, распознавание речи и текстов и пр.). И если сегодня RPA — это достаточно примитивное решение, позволяющее уменьшить время исполнения рутинных процессов, то технологии интеллектуальной роботизации (Intelligent Process Automation, IPA) дают возможность значительно увеличить когнитивность программных систем. Применительно к автоматизированному мониторингу эффективности строительства скважин технология IPA позволит выдавать заказчику подробную и оперативную информацию по эффективности проводимых работ не раз в сутки, а в режиме, приближенном к реальному времени. Это открывает новые возможности для поддержки процессов оперативного принятия управленческих решений, оптимизации бизнес-процессов, автоматизации сложных задач сейсмического и геологического моделирования.
1. Сергей Косенков, Андрей Шайбаков, Юрий Четырин. Индустриальный блокчейн в нефтегазовом сервисе // Открытые системы.СУБД.— 2018.— № 2. — С. 26–27. URL: www.osp.ru/os/2018/2/13054178 (дата обращения: 28.05.2019).
Владимир Турчанинов (turchaninov@nposngs.ru) — заместитель генерального директора по системной интеграции, НПО «СНГС» (Москва). Статья подготовлена на основе материалов выступления автора на конференции «Роботизация бизнес-процессов — 2019».
