建井数字化

如今,整个世界都因数字时代将为所有人带来的当前和未来利益的预期而感到兴奋。诸如"数字钻井"、"数字化"、"机器学习"、"数字孪生"等词汇已成为石油天然气圈内聊天中的常见流行语。赌注很高,油田服务公司、油气设备与工具制造商、勘探与生产公司以及投资者无一例外都深陷其中。

数字化的竞赛早已开始,以至于今天我们都虔诚地相信它将"指引你的道路"通向更美好的未来和繁荣。石油工程师开始学习Python,选修人工智能相关课程,掌握编程技能,而整个行业乃至E&P(勘探与生产)公司更倾向于雇佣更多的数据科学家而非地球科学家。

那么,什么是油气建井数字化?这些"数据科学家"是谁,他们究竟在做什么?对此的回复和潜在理解因人而异,甚至因不同的数字化爱好者群体到特定公司而异。这没关系,因为角度确实不同,但普遍的理解确实趋于明朗化。让我们听听代表庞大数字油气生态系统的一些关键行业专家的意见。我们就"如何定义钻井数字化以及建井数字化的目标是什么"这一疑问咨询了几位经验丰富的专家。

德州大学奥斯汀分校高级研究科学家 Pradeepkumar Ashok 将其定义为:

"钻井数字化涉及将与建井过程相关的所有数据、信息和知识进行数字化(转换为电子格式)。其目标是不再有数据被手动记在一张纸上并最终丢失。目标是能够按需存储和访问所有数据------无论它们多么专业(顶驱规格、钻头图像、钻杆使用历史等)。"

关于数字化建井的目标:

"数字化的目标有多重含义:首先,不丢失多年来获得的任何数据、信息或知识。其次,消除人工重新输入数据这一极易出错的过程。最后,打破组织内的孤岛,最终最大化建井目标。"

在大洋彼岸,挪威斯塔万格大学(University of Stavanger)钻井数字化与自动化、建模与仿真、优化与控制系统教授 Dan Sui 补充道:

"数字化是指如何利用数字工具来处理数据/信息。近年来,数据相关的数字技术有可能成为油气行业的游戏规则改变者。结合传感器、高速数据传输和数据管理以及数字模拟器,智能化和自动化的钻井系统能够做出最佳决策、提供良好建议并及早检测故障,这正变得接近现实。简而言之,钻井数字化涵盖并需要数据相关技术,包括传感器技术、软件工程、数据科学、数学建模、人工智能、控制系统以及石油工程,以降低从规划到作业再到后分析的成本、提高效率和保障安全。"

根据 Sui 女士的说法,建井数字化是关于:

"如何利用数字化和自动化的井设计工具(轨迹设计、泥浆选择、管柱/BHA/套管设计等)制定最优的井计划。如何获取有意义的、高质量的数据用于信息解释。如何开发数字孪生来帮助钻井人员做出正确决策。如何整合数据进行后分析。相关的研究课题/目标可以是:如何精确和准确地建模钻井动力学;如何将钻井模型整合到一个考虑钻井水力、钻井力学及其相互作用的模拟器中;如何利用深度学习技术创建一个自学习环境,基于数据训练和校准模型;如何开发一个智能且鲁棒的模拟器,使其轻松适应不同的井和不同的钻井环境;如何提供正确、有用且及时的信息来指导用户的决策并优化钻井作业。"

Tenaris(全球领先的建井产品供应商之一)的首席数字与信息官 Alejandro Lammertyn 将钻井数字化定义为:

"将数据实时带到需要做决策的地点或时刻。有助于协调不同参与者的活动,特别是通常在钻井活动中互动的服务公司和产品供应商。理解来自现场的数据对于定向钻井和提高成功率至关重要。"

"在建井的情况下,除了数据的可用性之外,更重要的是实时的规划和结构检查。在规划方面,我们看到了同时协调所有供应的机会,最大限度地减少库存并减少浪费。在结构检查方面,我们在分析扭矩、深度以及管柱和连接件的应力与疲劳方面看到了巨大的机会。这对于到达最终深度以及优化井的生产率和成本至关重要。"

斯伦贝谢(Schlumberger)钻井主题专家 Crispin Chatar(无疑是推动行业技术发展边界的主要油田服务公司之一)认为:

"通常,数字化是指利用数字技术为数字化数据增值。在钻井或更准确地说在建井中,我认为数字化是指利用一套数字技术方案框架,该框架可以与行业当前的目标保持一致。以视觉分析和语音界面等新兴技术为例,这些技术在最近不仅为其他行业带来了价值,甚至在我们的个人生活中也是如此。我们可以利用现有的数据框架,创建一些新的框架,然后使用我们的数字数据来为将通过洞察力带来价值的系统提供动力。考虑一下从交付纸质录井到以完全不同的方式交付数据的转变。数字化也可能有不同的层级。该录井可以存储在U盘上交付,这就是数字化;也可以上传到云端,甚至实时用于数字服务。我们的数字化可以集中在一些主要领域,如机器学习、云技术、扩展现实、用户体验、大数据、物联网和高性能计算等。"

你如何看待目标?

"建井数字化的目标应该是提高安全性和效率。我们可以进一步细分,但在最高层面上,这就是它的全部意义。"

另一方面,Maersk Drilling(马士基钻井)钻井与完井作业支持总监 Adebowale Solarin 的观点是:

"钻井数字化是指流程标准化、信息收集和信息可视化。在正确的背景下利用此类信息能够实现各种作业的自动化、基于数据的执行。理想情况下,数字化还使我们能够实施作业经验总结并利用以往的积极经验。数字化有助于提高效率、安全性和决策能力,因为可以基于数据考虑更广泛的因素。"

至于目标:

"对我来说,数字化的目标是帮助行业通过在业务的所有领域利用大量收集的信息和数据来做出明智的决策,从而变得更加'聪明'。它增强了协作,支持我们成为更安全、更高效、更有利可图、更负责任的钻井承包商的旅程。"

而 GPB-Engineering 的项目负责人 Alexander Ryabchikov 将钻井数字化定义为:

"实时收集所有钻井数据的能力。利用预先建立的作业安全包络线(基于井设计和钻井程序的具体情况进行过计算)对其进行分析。因此,它是控制和管理建井过程在其运营决策过程所有阶段的一个推动因素。"

建井过程中数字化的目标是什么?

"对于客户而言------获得关于所有已处理和分析过程的信息,使得能够清晰地控制承包商的表现和质量。数据库的存在允许你在验收已完成的工作时做出明智的决策。在完成任何建井阶段后,能够快速轻松地更改井设计和钻井程序。"

根据维基百科:"数字化是将信息转换为数字格式的过程。结果是对象、图像、声音、文档或信号的表示,通过生成一系列描述离散点或样本集的数字来形成。" 这个定义惊人地简单、精确,但当应用于石油和天然气的现实时又相当模糊。我同行们的意见正是前面提到的那些不同角度的鲜明反映。它确实包含了一些由其职业活动引起的轻微"衍射",这为数字化在油气领域的目标和观点图景增添了丰富的色彩。然而,后者并没有改变这幅多彩图景的主题。在各种信念之间有很多共同点。在作者看来,共同点是数字化过程是多维的、多学科的,并且确实涉及一个技术集合体,这些技术迄今为止都在以自己的速度发展。我们看到,尽管在设定问题、解决方法和工具上存在差异,但来自不同国家的受访者在一个问题上是一致的:我们都期望将数字产品引入日常生活会产生积极的影响。

早在2017年,根据"From bytes to barrels(从字节到桶)"白皮书中德勤(Deloitte)的分析报告,石油和天然气行业仍处于"青少年"成熟度水平,略低于应有水平。同时,根据德勤的分析,建井、探井和开发井的进展领先于生产环节。

在 Sui 教授看来,主要的数字化挑战是:

"需要具备多学科知识的专门工程师来适应新开发的技术。需要智能传感器和良好的数据处理技术。鼓励数据共享和基准测试。鼓励代码开源。需要更多的智能数字孪生现场测试。"

Lammertyn 先生(世界能源行业钢管及相关服务的主要供应商之一的首席官员)认为:

"这个市场数字化的挑战在于在客户和供应商之间建立长期关系,这种关系提供了共同创新和创造价值的生态系统。只要关系是交易性的,并且取决于现货基础上的底线优化,就很难创造价值并推进数字化转型。"

Chatar 先生(国际行业领先的技术创新者OFS公司的"钻井专家")说:

"今天,对我来说,头号挑战是采用率。历史上,我们的钻井分为高科技和高产量两部分,其中一方比另一方更快地采用技术。数字化有望为双方带来价值,前提是我们能尽早采用并在如何创建和交付解决方案时保持敏捷。这适用于服务公司、运营商和钻井承包商。还有其他挑战,例如寻找合适的技术并将其应用于正确的用例。另一个挑战是行业内公司之间的信任。其他行业发现,公开共享数据是加速进程的最佳方式。当然,数据是有成本的,并且在大多数情况下包含关于业务和世界的专有信息。"

Ashok 先生(美国顶尖学术机构的高级研究员兼企业家)认为:

"数字化的主要挑战之一是执行建井过程的现有工作流程,以及缺乏投资这种变革的前期激励。另一个挑战是数据存储方面缺乏标准化------尽管这个问题正开始被OSDU(开放地下数据平台)所解决。"

Ryabchikov 先生(工程公司部门主管)的看法是:

"主要问题是说服潜在用户需要转向钻井过程的数字化。"

Solarin 先生(一家领先的海上钻井运营商的董事)指出:

"众所周知,行业在拥抱新技术方面非常保守,但这正在改变。最近的低迷迫使我们更聪明地思考,而数字化就是这种更聪明思考的最佳工具。另一个挑战是实施数字化计划所需的大量投资。成功度过低迷期的公司必须在支出上保持谨慎和审慎。强有力的、无懈可击的成本效益分析对于数字化项目获得批准至关重要。"

数字化:途中有停站的旅程还是一场永无止境的马拉松?

图片

无论定义如何,数字化都不可避免地涉及以下组成部分:软件、固件和硬件。后两者对行业来说并不新鲜,但软件呢?智能软件是数字化的最终目的吗?这款软件会成为自动化的推动者吗?它会基于结构化和高质量的数据提供系统性和可操作的见解吗?

许多人认为,自动化是钻井数字化转型的顶峰之一。行业在这一方向的共同努力已经进行了许多年,形式多样,规模不一。早在2008年,SPE(石油工程师协会)志愿者就成立了钻井系统自动化技术分会(DSAT)。DSAT分会的一项工作重点是为钻井系统自动化勾勒技术路线图,并分为几个技术挑战领域。随后,IADC(国际钻井承包商协会)钻井工程委员会批准了联合工业项目(JIP),致力于描述DSA(钻井系统自动化)的愿景以及推动行业前进并实现这一愿景所需的步骤。

这些确定的步骤实际上正是软件需求。 数字化和软件早已成为经典的"人-流程-技术"公式中的独立第四部分,而不是前三者的辅助功能。

公共资料 链接: https://pan.baidu.com/s/10PYfuZNKJUv9elZa1a3mDw 提取码: hugh

相关推荐
极智视界1 小时前
分类数据集 - 蘑菇分类数据集下载
人工智能·yolo·数据集·图像分类·算法训练·蘑菇分类
爱学习的张大1 小时前
具身智能论文精读(四):Diffusion Policy
人工智能
让我上个超影吧1 小时前
从Prompt工程到Harness工程:AI Agent落地的下一代软件工程范式
大数据·人工智能
jinanwuhuaguo1 小时前
OpenClaw联邦之心——从孤岛记忆到硅基集体潜意识的拓扑学革命(第二十三篇)
android·人工智能·kotlin·拓扑学·openclaw
科技云报道2 小时前
安全进入“AI自主攻击”时代,瑞数信息如何用AI对抗AI
人工智能·安全
硅谷秋水2 小时前
ClawVM:有状态工具LLM智体的Harness管理型虚拟内存
人工智能·深度学习·语言模型
Joseph Cooper2 小时前
AI Agent 落地入门:从模型、工具到 Skills 与 MCP 的分工
人工智能·ai·agent·claude·skill·mcp
爱学习的张大2 小时前
具身智能论文精读(五):OpenVLA
人工智能·算法
AI创界者2 小时前
OmniVoice 语音大模型一键部署:支持批量任务、智能 SRT 配音与多人对话全攻略》
人工智能