3е improvy upstream by Changellenge

Changellenge Проект по внедрению интеллектуальной системы принятия реений управления месторождением c использованием наиновейших информационных технологий

ImprovY Team Ринат Шакбасаров Игорь Непомнящих Станислав Сопов Михаил Алексеев

Сила Интеллекта Кейс по разработке концепции и модели интеллектуального месторождения

ВНЕДРЕНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ В СФЕРЕ УПРАВЛЕНИЯ МЕСТОРОЖДЕНИЕМ ЯВЛЯЕТСЯ КЛЮЧЕВЫМ МОМЕНТОМ ОПТИМИЗАЦИИ ПРОЦЕССОВ НЕФТЕДОБЫЧИ Мировая практика внедрения интеллектуальных систем и динамика капитализации за последние 5 лет

5 170 5 276

4 732 5 182

4 450 5 098

4 221 5 022

2016

2017

2018

2019

2020

4 929

5 557 5 234

2015

3 983

5 791 5 001

4 724

5 846

Внедрение умных технологий улучшило уровень безопасности, оптимизировала бизнеспроцессы компании, позволяет контролировать сотни месторождений на 6 континентах

Операционные затраты(млн.руб)

3 797

Chevron

5 914

Добыча нефти (тыс.тонн)

Royal Dutch Shell

Увеличилась отдача нефти на 10%, а также темпы производства. Используются датчики с оптоволоконными линиями связи. 2013

ImprovY Team

1 100

1 143

2016

1 058

2015

1 010

857

2014

2021

940

782

556

2013 Кейс ГазПром Нефть ( Ф А К Т )

716

Объемы добычи снижаются Операционные издержки увеличиваются

GazPromNeft Внедрение использования технологий умных скважин будет способствовать снижению издержек Газпром Нефти, а также росту прибыли компании

2014

2017

2018

2019

2020

2021

Рост удельной себестоимости подъема тонны нефти (в руб)

Создание системы GazProm Intelligence включает решение ряда вопросов. I

Данные

Real-Time

III IV

Правильная обработка и хранение огромных массивов данных Возможность реагирования на изменение ключевых показателей в режиме real-time

Методы и алгоритмы Выбор методов и алгоритмов которые будут лежать в основе интеллектуальной системы Gazprom Intelligence

Масштабируемость

Модульность, возможность масштабирования системы на другие месторождения

Внедрение системы GazProm Intelligence выведет компанию на новый уровень управления Кейс ГазПром Нефть ImprovY Team

Продукты компаний SAPи аппаратная платформа IBM лежат в основе информационной системы компании Газпром Нефть По данным компании «Астерос» в феврале 2014 года завершился проект по модернизации вычислительной платформы группы «Газпром нефть» и миграции SAP-систем на аппаратную платформу IBM

Бизнес-системы, охватывающие практически полный цикл работы предприятия:

• • • • •

Основные ресурсные мощности

• 2 дата центра в Санкт-Петербурге и Омске • Платформа IBM Power 780 • Система хранения данных IBM V7000

производство финансы бизнес-анализ логистику сбыт

Данный проект позволил компании «Газпром Нефть» в два раза увеличить производительность бизнес-сервисов и обеспечил технологическую основу для достижения стратегических целей. Кейс ГазПром Нефть ImprovY Team

12 дней назад IBM стал главным стратегическим поставщиком оборудования для новой уникальной технологии SAP HANA, позволяющей обрабатывать огромные объемы данных в режиме реального времени.

Стратегическое партнерство компаний SAP и IBM дает преимущество компании Газпром.Нефть при переходе на новую уникальную платформу SAP HANA Кейс ГазПром Нефть ImprovY Team

SAP HANA — гибкая, масштабируемая, универсальная платформа, которая позволяет анализировать огромные объемы данных Мощный̆ аналитический̆ инструмент формирует углубленное видение ситуации в режиме реального времени. Режим реального времени In-memory СУБД — это система управления базами данных, которая хранит и обрабатывает информацию непосредственно в оперативной памяти. Поскольку процессы обработки данных в оперативной памяти протекают быстрее, чем обращение к файловой системе и считывание информации из нее, in-memory СУБД обеспечивает на порядок более высокую производительность программных приложений.

До SAP HANA

До 3000 раз быстрее обработка информации

Аналитический инструментарий SAP HANA имеет довольно мощный набор аналитических инструментов, который позволит решить задачи прогнозирования и оптимизации ключевых показателей

Гибкость и масштабируемость SAP HANA обладает очень гибкой архитектурой, что позволяет интегрировать в единую информационную систему не только приложения компании SAP, а также сторонние приложения и системы, к примеру те системы, которые на данный момент уже разработаны компанией Газпром.Нефть

SAP HANA

Кейс ГазПром Нефть ImprovY Team

…….

Архитектура интеллектуальной системы Топ-менеджмент

Удаленный сервер Mobile Unwire your business to deliver secure, real time, business-critical information – anytime, anywhere, to anyone, on any mobile device Первичная обработка и преобразование данных полученных с датчиков телеметрии

Cloud

Локальный сервер

Capture the power of the cloud – while fully integrating with onpremise investments. Empower your employees, engage customers, and collaborate with partners across business networks

Алгоритмы сжатия данных

Applications

Фильтрация данных для отправки в облако SAP HANA

Датчики телеметрии • • • •

Давление Температура Сейсмоактивность Вибрация

Analytics

Run your business smarter, faster, and simpler, with an integrated suite of applications powered by Sap Hana – delivering long-term predictability and non disruptive innovation

Explore and exploit data, find answers in real-time, and make confident decisions. Harness visually compelling, easy-to-use tools on the devices of your choice.

Database & Technology Simplify your IT infrastructure dramatically and drive high-value innovation by exploiting across structured and unstructured data sources. Кейс ГазПром Нефть

A real-time ImprovY Team

business platform, powered by SAP HANA

Анализируемые данные

Данные с датчиков:

Геологические:

Исторические Данные о работоспособности датчиков Время аномальных показаний Динамика гидродинамических режимов работы скважин

Динамика бурения месторождения

Забойное давление

Пористость

Температура

Проницаемость

Вибрация

Природа жидкостей

Прорыв воды и газа

Давление пласта

Данные о проводимых ремонтах скважин

ННТ Кейс ГазПром Нефть ImprovY Team

Данные о проведенных геологотехнических мероприятиях

Переход на платформу SAP HANA позволит сэкономить 6 мнл$ за 7 лет. Сравнение затрат при использовании платформы SAP HANA и без нее

Основные статьи затрат

25000000

20000000

Аппаратное обеспечение 15000000

Внедрение SAP HANA Программное обеспечение

Трудозатраты

10000000

5000000

0 SAP Baseline Аппаратное обеспечение Кейс ГазПром Нефть ImprovY Team

Программное обеспечение

SAP HANA Внедрение SAP HANA

Трудозатраты

GazProm Intelligence будет решать следующие задачи Long-time:

Real-time: 01

Определение и поддержание оптимального забойного давления и обеспечения максимально возможной добычи

Оценка времени работы скважины 01

Предсказание возможного объема нефти на месторождении 02

Автоматическая оптимизация потребления электроэнергии

Осуществление оптимального гидроразрыва пласта

Предотвращение аварийных эксплуатационных условий скважины

Анализ корректности работы датчиков и сенсоров

Оптимальная замена оборудования

Прогнозирование времени надежной работы приборов

Анализ эффективности произведенных мероприятий

Анализ причин неустойчивой работы интеллектуальной системы 06

Кейс ГазПром Нефть ImprovY Team

Тестирование и улучшение моделей Обучающая

Проверочная

Тестовая

Обучающая выборка - выборка, по которой производится настройка модели зависимости.

Тестовая выборка — выборка, по которой оценивается качество построенной модели.

Проверочная выборка — выборка, по которой осуществляется выбор наилучшей модели из множества моделей, построенных по обучающей выборке.

Финальная модель, полученная из комбинаций различных методов, способна показать лучший результат, так как одни методы покрывают ошибки других. Кейс ГазПром Нефть ImprovY Team

ДОРОЖНАЯ КАРТА РАЗРАБОТКИ ПРОЕКТА ПО ВНЕДРЕНИЮ ИНФОРМАЦИОННОЙ ИНТЕЛЕКТУАЛЬНОЙ СИСТЕМЫ Перенос и адаптация объектов на платформу SAP NetWeaver

Настоящий момент Определение объектов переноса

Сбор данных

Переход на SAP HANA

Сбор начальных экспертных мнений

ОБУЧЕНИЕ

Оценка объемов проекта миграции

Отслеживание работ системы под наблюдением экспертов

2016

2015

2014

настоящее время – 2030 год Отслеживание работ системы под наблюдением экспертов

Исправление ошибок выявленных при тестирования

Построение различных моделей и анализ результатов их работы

ПОЛНЫЙ ЗАПУСК

Фиксация моментов некорректной работы системы

Запуск системы на одном месторождении

Разработка ядра интеллектуальной системы

Интеграция всех систем в одно информационное пространство

Захват мира 

2025

2018

ТЕСТИРОВАНИЕ

Модернизация методов интеллектуальной системы, опираясь на последние научные открытия

2031 - …

ВЫХОД НА НАИВЫСШИЕ ПОЗИЦИИ В МИРОВОМ РЕЙТИНГЕ

Исправление ошибок, учитывая особенности Выход в лидеры конкретного месторождения на нефтяном рынке

Постепенное масштабирование Системы на другие месторождения Кейс ГазПром Нефть ImprovY Team

Корпоратив 

3 4 5 6

Утечка конфиденциальность данных

Нарушения непрерывности работы системы

Сокращение рабочих мест

high medium

Некорректность работы системы при появлении новых ситуаций При некорректном сжатии данных, возникает вероятность потери значимых наблюдений Датчики могут передавать неточные измерения ввиду ряда причин Риск сбоя нарушения процессов нефтедобычи и, как следствие, загрязнение окружающей среды Низкая квалификация персонала может привести к некорректному мониторингу, тестированию работы интеллектуальной системы.

7 5

6 2

low

Ущерб

Основные риски при эксплуатации интеллектуальной систему

8 low

medium

high

Вероятность

Кейс ГазПром Нефть ImprovY Team

Экономическая эффективность внедрения GazProm Intelligence Прямые экономические эффекты

Для инвестиционной оценки эффективности вложений данного проекта использован метод чистой приведённой стоимости

NPV =

1 168 315 180 р.

Период окупаемости

4 года

Опционные эффекты

Экономические выгоды которые не поддаются количественным измерениям, но имеют большое значение в деятельности организации. Разработанная система позволяет повысить прозрачность бизнес-процессов, снизить информационную неопределенность, повысить управляемость.

Информационные эффекты

Система GazProm Intelligence повышает качество предоставляемой информации, качество прогнозов, увеличивает скорость предоставления и обработки оперативной информации и аналитических отчетов

Стратегические эффекты

Разработанное решение позволяет ускорить перевод корпорации на уровень, отвечающий уровню высокоразвитой компании Кейс ГазПром Нефть ImprovY Team

Результаты внедрения интеллектуальной системы Увеличение нефтедобычи За счет проведения точечного геолого-технических мероприятий и прогнозирования различных процессов при нефтедобычи

Уменьшение энергопотребления За счет оптимизации работы в зависимости от реальной обстановки в скважине

Увеличение межремонтного периода и продление сроков службы оборудования Увеличение межремонтного периода и продления срока службы оборудования Оптимизация рабочих режимов оборудования и своевременное диагностирование неисправностей

Уменьшение времени простоев За счет предотвращения прогнозируемых аварий и быстрого информирования диспетчеров о факте аварий

Уменьшение затрат на сервисное обслуживание За счет дистанционного мониторинга скважин и минимизации количества выездов специалистов на меторождении

Централизованное управление всеми скважинами Создание единой информационной среды

Кейс ГазПром Нефть ImprovY Team

ImprovY Team GAZPROM CASE

SPBU Department of Applied Mathematics and Control Processes Faculty of Economics 2 place Cup SPb 2013 Finalist Cup Technical 2013 Unilever Future Leaders League 2014 A1Fin course from SAP

SPBU Department of Applied Mathematics and Control Processes Faculty of Economics Finalist P&G Case 2013 3-th place swimming championship of Russia Кейс ГазПром Нефть ImprovY Team

SPBU Department of Applied Mathematics and Control Processes

2 place Cup SPb 2013 Finalist Cup Technical 2013 Unilever Future Leaders League 2014 Data Mining School

SPBU Department of Applied Mathematics and Control Processes Faculty of Economics 2 place Cup SPb 2013 Finalist Cup Technical 2013 Unilever Future Leaders League 2014 Student of Scolkovo University

Приложения

Кейс ГазПром Нефть ImprovY Team

Приложение №1

Риски и мероприятия по их снижению 1

Некорректность работы системы при появлении новых ситуаций

Поступление сигнала, после чего решение принимает эксперт. Далее, база будет наполняться свежими данными.

При некорректном сжатии данных, возникает вероятность потери значимых наблюдений

Использование различных алгоритмов сжатия для различных типов данных

Датчики могут передавать неточные измерения ввиду ряда причин

Для робастности данных необходимо производить удаление различных выбросов.

Риск сбоя нарушения процессов нефтедобычи и, как следствие, загрязнение окружающей среды

Может быть вовремя предотвращено ввиду точного прогнозирования будущих событий.

Низкая квалификация персонала может привести к некорректному мониторингу, тестированию работы интеллектуальной системы.

Проведены работы по обучению персонала, а также разработан план работы при чрезвычайных происшествиях.

Утечка конфиденциальных данных

Классификация данных по степени конфиденциальности и ограничение доступа к ним, антивирусы, системы контроля доступа

Нарушения непрерывности работы системы

Создание резервных копий важных данных, создание системы бесперебойного питания

Проблема сокращение рабочих мест

Повышение квалификации сотрудников

Кейс ГазПром Нефть ImprovY Team

Приложение №2

МАТЕМАТИЧЕСКИЙ АППАРАТ ИСПОЛЛЬЗУЕМЫЙ ДЛЯ РЕАЛИЗАЦИИ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ GazProm Intelligence

local remote

ПРОБЛЕМА СКОРОСТИ ПЕРЕДАЧИ ДАННЫХ

Анализ и обработка временных рядов с помощью спектрального разложения и вейвлет преобразования позволяют преобразовать данные, полученные с датчиков (давления, температуры, сейсмоактивности и т.д.) для дальнейшего эффективного сжатия, решая тем самым проблему скорости передачи.

способ преобразования функции в форму, которая или делает некоторые величины исходного сигнала более поддающимися изучению, или позволяет сжать исходный набор данных.

температура дебит скважин давление и другие данные из датчиков

Спектральное разложение Классический пример обработки временного ряда

Вейвлет преобразования является развитием спектрального анализа.

С точки зрения математики диагностирование и прогнозирование работы скважины строятся на исследовании изменения динамики работы.

Отправка на сервер SAP HANA

выявление периодических компонент временного ряда, например, сезонных изменений дебита в нефтедобыче.

ПРОБЛЕМА ПРОГНОЗИРОВАНИЯ И АВТОМАТИЗИРОВАННОГО УПРАВЛЕНИЯ

Прогноз динамики работы Нейросетевая модель

Нейронные сети Использование нейронных сетей позволит автоматизировать процесс принятия решений

Data Mining Методы данного класса позволят найти скрытые закономерности в сырых данных

Кейс ГазПром Нефть ImprovY Team

В случае сложно формализуемых задач возможно использовать экспертные системы Данные методы отлично подойдут для решения задач прогнозирования

Приложение №3

Нейросетевая модель Пример двухслойного персептрона(5-4-3) Обучение методом обратного распространения ошибки

Изменение веса

∆W ошибка

Изменение веса

Искусственная нейронная сеть представляют собой систему соединённых и взаимодействующих между собой простых процессоров (искусственных нейронов).

Входные данные

ошибка

Выходные данные

∂

Такие процессоры обычно довольно просты (особенно в сравнении с процессорами, используемыми в персональных компьютерах). Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам. И, тем не менее, будучи соединёнными в достаточно большую сеть с управляемым взаимодействием, такие локально простые процессоры вместе способны выполнять довольно сложные задачи.

Кейс ГазПром Нефть ImprovY Team

Приложение №4

Какие данные необходимы в первую очередь



адресные данные геофизических исследований;



адресные данные оборудования скважин в динамике;



данные сейсморазведки;



адресные данные гидродинамических исследований;

классифицированные проектные решения и плановые показатели;



данные о динамике гидродинамических режимов работы скважин;



прототипы и настройки геологической и гидродинамической моделей месторождения для автоматического обновления;



данные о проводимых ремонтах скважин;



данные о проведенных геолого-технических мероприятиях;



данные динамики разбуривания месторождения;



данные экспертных оценок;



данные лабораторных исследований кернов и пластовых флюидов;



образы успешности мероприятий



классификаторы геологического описания района;



описание технических объектов обустройства месторождений в динамике;

Кейс ГазПром Нефть ImprovY Team

Приложение №5

Возможности внедрения SAP HANA Управление Централизованное управление большим количеством скважин с помощью систем дистанционного мониторинга;

Принятие решений Планирование в упреждающем режиме профилактическое обслуживание оборудования, точно и быстро принимать решения, в том числе в реальном времени;

Производительность и продуктивность Оптимизация производительности оборудования и продуктивности скважин за счет анализа данных телеметрии, замеров давлений и дебитов на «спутниках», акустического шума, температур, данных типовых и специальных гидродинамических и геофизических исследований, актов испытаний, результатов освоения скважин после ремонтов, данных о проведенных и проводимых геологотехнических мероприятиях и сопутствующих простоев, описания событий в наземных трубопроводных системах, результатов диагностики оборудования и других данных;

Увеличение нефтедобычи Оптимизация режима работы комплексной иерархической системы «пласты-скважины-коллектор» по критериям экономической эффективности - увеличение количества нефти, получаемой из конкретного месторождения и снижение затрат в том числе на освоение новых месторождений в удаленных районах;

Прогнозирование Предсказание на основе прошлых данных сроков исчерпания скважин, а также использование данные старых скважин с богатой историей добычи для прогнозирования поведения новых скважин

Кейс ГазПром Нефть ImprovY Team

Приложение №6

Архитектура SAP HANA SAP Business Suite

Any Apps SQL

JSON

Open Connectivity Платформа SAP HANA

Administration Services

Development Services

Application Services Processing Engine Database Services OL TP + OLAP | SMD | CPU| cashe

Integration Services

Deployment Services Transaction

Unstructured

Machine

HADOOP

Кейс ГазПром Нефть ImprovY Team

Real-time

Location

Приложение №7

Расчет показателей эффективности инвестиций 2011

2012

2013

2014

2015

2016

2017

2018

2019

2020

2021

2022

Итого

ЧИСТЫЙ ДЕНЕЖНЫЙ ПОТОК ( FCF )

млн. руб.

9 900,00

9 156,00

17 696,70

3 794,10

8 890,50

10 635,80

12 125,10

12 093,50

10 936,50

12 678,10

11 547,3023 320,40

189 998,00

Накопленный чистый денежный поток Дисконтированный денежный поток (DCF)

млн. руб.

9 900,00

9 156,00

17 696,70

3 794,10

12 684,60

23 320,40

35 445,50

47 539,00

58 475,50

71 153,60

82 700,80 23 320,40

189 998,00

млн. руб.

9 900,00

9 156,00

17 696,70

7 178,40

14 945,30

15 971,80

15 716,60

14 194,70

11 490,10

11 672,80

9 661,00 38 095,50

148 096,80

Итого добыча углеводородов

тыс.т.н.э

5 052

5 659

5 933

6 096

6 029

5 864

5 455

4 993

4 695

4 454

4 203

17 988

81 342

РАСХОДЫ

млн. руб.

34 624,30

43 244,20

31 677,10

46 892,20

47 131,10

45 309,80

41 484,60

37 735,70

34 902,90

33 192,90

30 689,20

139 333,20

591 352,30

Сс 1ой тонны нефти

Руб.

6853,162759 7642,124506

5339,42269

7692,576529 7817,611661 7727,334544 7604,261897 7558,26588 7433,32997

7452,43126

Сс 1го барреля нефти

Руб.

938,7894191 1046,866371

731,4277657

1053,777607 1070,905707 1058,538979 1041,679712 1035,37889 1018,26438

1020,88099

Савка дисконтирования

Сниженная на 10% cc 1го барреля

руб

910,6257365 1015,46038

709,4849327

1022,164279 1038,778536 1026,782809 1010,429321 1004,317521 987,7164481

990,2545647

Сниженная на 10% cc 1ой тонны

руб

6647,567877 7412,860771

5179,240009

7461,799233 7583,083312 7495,514508 7376,13404 7331,517906 7210,330071

7228,858323

на сколько процентов снижаем

Денежный поток от снижения сс углеводородов

млн руб

DCF

млн руб.

7302,018 7745,812 31 73 1000,276 1061,070 48 24

7269,93791 995,881905

0,16 970,2681 1029,238 966,0054481 864 13 7082,957 7513,438 7051,839771 761 346

1 038 730,38 1 297 325,82

950 314,00

1 406 767,04

0,00

Кейс ГазПром Нефть ImprovY Team

0,00

1 132 070,49 1 047 086,16

995 786,86

920 675,27

4 179 996,07

17 740 569,54

1 858 238,90

Приложение №8

Инвестиции на внедрение и создание системы 2015

2016

2017

2018

2019

2020

2021

сумма

Затраты на аппаратное обеспечение

75 920 000,00 р.

16 702 400,00 р.

16 706 000,00 р.

176 148 800,00 р.

Затраты на программное обеспечение

6 400 000,00 р.

1 408 000,00 р.

14 848 000,00 р.

Переход на SAP HANA

10 626 920,00 р.

Трудозатраты

68 800 000,00 р.

64 500 000,00 р.

60 200 000,00 р.

434 300 000,00 р.

Разработка интеллектуальной системы

15 000 000,00 р.

12 000 000,00 р.

3 000 000,00 р.

54 000 000,00 р.

Итог

176 746 920,00 р.

97 610 400,00 р.

90 310 400,00 р.

81 314 000,00 р.

689 923 720,00 р.

10 626 920,00 р.

NPV =

1 168 315 180 р.

Кейс ГазПром Нефть ImprovY Team