В статье авторы определяют применение ИИ для повышения прибыльности ПАО «Газпром»: способ применения, возможные выгоды.
Ключевые слова: искусственный интеллект, прибыльность, предприятие, ПАО Газпром.
Технологии искусственного интеллекта (ИИ) на сегодняшний день оказывают возрастающее влияние на привычную жизнь людей. И, как показывает практика, в России на государственном уровне уделяется большое внимание реализации потенциала ИИ в интересах российского общества. Национальная стратегия развития искусственного интеллекта выстроена на прогрессивных принципах защиты прав и свобод человека, безопасности, прозрачности, технологического суверенитета, целостности инновационного цикла, разумной бережливости поддержки конкуренции [2].
Согласно исследованию аналитического агентства TAdviser, Huawei и технологической компании «Техносерв», в конце 2020 года машинное обучение использовали 68 % российских компаний крупного и верхнего сегмента среднего бизнеса; в 2022–2023 годах их численность возросла до 92 %.
И вот чем это обусловлено: использование цифровых технологий в промышленности открывает новые возможности при производстве продукции; в управлении предприятиями и создании цифровых двойников предприятия, разработке программ для автоматизации и контроля параметров производственного процесса, применения и создания новых видов продукции, конструирования нового промышленного оборудования на базе использования компьютерных технологий вида AutoCAD и Компас, что позволяет предприятиям быстро адаптироваться под запросы рынка, разрабатывать продукцию с учетом требований кастомизации потребителей, способствует снижению затрат и оптимизации производства, повышает качество продукции [3].
Российская транснациональная энергетическая компания Газпром применяет в своей деятельности ИИ для контроля точности бурения. По оценке представителя компании тиражирование «цифрового сопровождения» разработки скважин позволит компании снизить расходы на 1 млрд рублей.
И теперь рассмотрим внедрение систем искусственного интеллекта в компанию ПАО «Газпром нефть».
Эксплуатация месторождения — важный, самый длительный, но трудно предсказуемый пункт. Неверно принятое решение на раннем этапе инвестиционного цикла (в ходе разведки месторождения, формирования проекта разработки) на самом деле невозможно предотвратить на более поздней фазе.
Задача геологов, которые и дают первые ответы на самые важные вопросы — это собрать максимальное количество информации о месторождении, затем они должны проанализировать ее и найти взаимосвязи между ними, и уже после этого составить картину строения недр.
На истолкование геологических данных людям может понадобиться целый год, при этом извлекая не всю полезную информацию, но для этого нашлось решение — проект «Когнитивный геолог». Проект, который основывается на создании самообучающейся модели геологического объекта. Модель обрабатывает первоначальную информацию и выдает итоговый результат, по которому можно увидеть оценку правильности ответов и рекомендацию о необходимости проведения дополнительных исследований для повышения уверенности в успехе. Благодаря этому проекту время, потраченное на интерпретацию геологических данных, сократится примерно в шесть раз.
Вместе с партнерами из IBM Research специалисты ПАО «Газпром нефть» приступили к созданию базы данных, куда будет собираться геологическая информация, получаемая в ходе различных исследований в различных регионах, на разных месторождениях; систематизироваться; классифицироваться; каталогизироваться. Для того, чтобы искусственный интеллект смог раскрыть неявные на сегодняшний день взаимосвязи, геологическая информация должна поступать в базу данных в ее первоначальном виде.
Создание месторождений связана с высокотехнологичным бурением. Сложность задач высока: опираясь на геологическую модель, на глубине в несколько километров нужно попасть в пласт толщиной 2–3 м и километр вести по нему скважину, при этом обязательно реагируя на изменения расположения горизонта, которые прослеживаются с помощью датчиков, установленных на буровом инструменте, информация с которых приходит со значимой задержкой.
Решить проблему возможно с помощью обучаемой математической модели, которая по параметрам, например, по нагрузке на буровом инструменте, по сопротивлению, по температуре, по вибрации, по скорости проходки и т. д., сможет сделать вывод обо всех изменениях условий в самой дальней точке скважины в режиме реального времени. Специалисты-геологи смогут эффективно внести правки в траекторию бурения и конкретизировать геологическую модель месторождения, единовременно создав дополнительный пакет данных для дальнейшего обучения системы «Цифрового бурения».
Путем продолжительного обучения и усложнения модель сможет определять в реальном времени продуктивность пласта, выдавать рекомендации о более подходящей траектории постройки скважины и даже оценивать экономическую результативность бурения скважины определенного горизонта.
В настоящее время информация от всех этих систем уже поступает в единый Центр управления добычей (ЦУД), где работает команда, которая анализирует и выбирает подходящие производственные решения в целом по месторождению. По предварительным подсчетам, в скором времени это на 50 % сократит потери и на 15 % — операционные затраты [1].
Можно подытожить, что внедрение ИИ в производство предприятия позволяет сократить время обработки информации до шести раз, извлекать до 30 % больше полезной информации, сократить потери до 50 % и операционные затраты 15 %. На примере ПАО «Газпром» можно увидеть, что экономия средств на производство составит до 1 млрд рублей.
Литература:
- Искусственный интеллект займется поиском и разработкой новых месторождений «Газпром нефти» [Электронный ресурс]. — URL: http://www.uppro.ru/library/information_systems/production/iimestorojdeniya.html (дата обращения: 09.07.2022).
- Национальная стратегия развития искусственного интеллекта на период до 2030 года. Утверждена Указом Президента Российской Федерации от 10 октября 2019 г. № 490 [Электронный ресурс]. — URL: http://www.consultant.ru/document/cons_doc_LAW_335184/1f32224a00901db9cf44793e9a5e35567a421 2c7/ (дата обращения: 09.07.2022).
- Орешина М. Н. Математические основы инновационных технологий в перерабатывающих отраслях АПК: монография. — М.: Издательский дом ГУУ, 2019. — 118 с.
