Руслан Ахтямов, сооснователь Napoleon IT, разбирается, как происходит цифровизация на рынке нефтяной промышленности и почему компьютерное зрение стало ключевой технологией в отрасли
Тенденции цифровизации в нефтяной промышленности: топ используемых и внедряемых технологий
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, IoT, 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.
В нефтяной промышленности объем рынка искусственного интеллекта был оценен в 89 млн долларов в 2019 году. По прогнозам среднегодовой темп роста составит 10,14% с 2021 по 2026 год. Минэнерго оценивает накопленный эффект от внедрения искусственного интеллекта в российском нефтегазе в размере 700 млрд руб./год.
Ставка на компьютерное зрение
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.
Почему нужно компьютерное зрение для нефтяной промышленности?
- Высокая повторяемость событий;
- Влияние человеческого фактора;
- Ускорение рабочих процессов;
- Высокий потенциал экономического эффекта.
Запросы рынка на внедрение компьютерного зрения
На основе опросов потенциальных заказчиков из нефтяного сектора мы выяснили, что существует потребность во внедрении компьютерного зрения по следующим запросам на рынке:
- Минимизация выезда на удаленные месторождения;
- Автоматизация сбора данных;
- Детектирование нарушений правил безопасности в режиме реального времени;
- Безопасность и контроль сотрудников на местах добычи, буровых и промышленных зонах. Снижение травмоопасности, повышение дисциплины;
- Аналитика качества хранения;
- Детекция и сегментация дефектов;
- Контроль качества, аналитика объемов использованных строительных материалов;
- Снижение числа ремонтов и времени простоя в местах добычи и на производстве за счет мониторинга;
- И некоторые другие.
Итого, согласно нашему проведенному опросу, около 70 нерешенных задач, могут быть закрыты внедрением технологий компьютерного зрения.
Варианты применения и решений внедрения компьютерного зрения
Главными областями использования технологий компьютерного зрения в нефтяной промышленности являются:
- Удаленный мониторинг;
- Безопасность;
- Оптимизация и оценка производства;
- Снижение затрат на производство.
Рассмотрим самые востребованные сценарии использования компьютерного зрения и то, как они уже начали внедряться.
Удаленный мониторинг
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.
Безопасность
Рабочая среда на объектах нефтяной промышленности, воздействие высоких температур и токсичных паров может быть опасна для жизни сотрудников. Любое несоблюдение стандартов безопасности может привести к травмам и серьезным штрафным санкциям. С помощью компьютерного зрения можно нивелировать эти ситуации. Видеоаналитика позволяет: распознавать СИЗ, осуществлять трекинг людей и объектов, контроль опасных зон, аналитика поведения сотрудников, детекция пожарной безопасности, обнаружения утечки и прочее.
Примеры
Компьютерное зрение для обнаружения утечки
Osprey Informatics, основанная в 2011 году, является одной из ведущих компаний, предоставляемых компьютерное зрение в нефтяную сферу. Фирма разработала программное обеспечение, которое использует камеры, подключенные к Интернету, для наблюдения за буровыми площадками и промысловыми объектами на предмет утечек метана или потенциальных нарушителей.
Идея создания Osprey возникла, когда один из ее основателей работал стажером в нефтяной компании и понял, сколько дальних поездок на месторождения можно сократить и провести удаленно с помощью видео.
Поскольку компьютерные программы Osprey распознают определенные события, менеджеры на местах получают короткие видеоролики и знают, что происходит, до того, как кого-то отправят на место. Более 30 нефтедобывающих добывающих компаний в США и Канаде внедрили это программное обеспечение, что сокращает физические проверки для некоторых пользователей на 50%.
При подключении к камерам с использованием тепловизора, программное обеспечение отправляет предупреждения, когда видны выбросы метана из резервуаров для хранения. В настоящее время ведется работа по расширению этой возможности на летучие выбросы с гораздо меньшими объемами от устьев скважин или компрессорных станций.
Изображение автоматического теплового обнаружения утечек в скважинах и резервуарах для хранения — лишь одно из нескольких приложений на нефтяных месторождениях, обеспечиваемых алгоритмами компьютерного зрения.
Компьютерное зрение для распознавания СИЗ
На участках разработки нефтяных месторождений и нефтеперерабатывающих заводах есть высокая вероятность травматизма из-за пренебрежения техникой безопасности и отсутствия на работниках средств индивидуальной защиты (СИЗ) перед входом в опасную зону. Отсюда жесткие требования к ношению СИЗ. Из-за нарушений техники безопасности предприятия терпят многомиллионные убытки, а работники получают травмы, поэтому детектировать такие нарушения нужно систематически и как можно раньше. Для обеспечения безопасности сотрудников обученный алгоритм анализирует локацию и отправляет предупреждения в случае отклонения: если работник вышел без средств индивидуальной защиты.
Для наглядности приведем пример с Core+ - ядро видеоаналитики от Napoleon IT. Ядро представляет собой набор CV модулей для построения решений в области видеоаналитики.
Тонкая красная рамка показывает, где компьютерная программа обнаруживает сотрудника без СИЗ. Программное обеспечение можно использовать в существующих сетях камер, чтобы добавить уровень автоматизации для операций по обеспечению безопасности на объектах и в местах расположения скважин.
Еще один пример, Shell сотрудничает с Microsoft в разработке технологии компьютерного зрения для определения происшествий, связанных с безопасностью, по мере их возникновения, в том числе о том, пытаются ли клиенты прикурить сигареты на ее розничных станциях.
Оптимизация и оценка производства
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.
Снижение затрат на производство и техническое обслуживание
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.
Экономический и количественный эффект
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.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.
Выводы
Таким образом, внедрение технологий компьютерного зрения в нефтяную промышленность актуально более чем когда-либо, ведь сейчас имеется возможность реализации технологий, которые помогут значительно повысить операционную и экономическую эффективность нефтяных компаний.
