С тех пор, как ИИ вошел в буровую промышленность, его часто ошибочно воспринимали как простое "замена полевых инженеров одной автоматизированной моделью".высокоограниченные среды бурения, наиболее ценные приложения ИИ функционируют скорее как системы поддержки принятия решений: они быстро агрегируют историю скважины, данные о формировании, измерения во время бурения, состояние скважины,и условий эксплуатации на месте для формирования четко определенных рекомендаций по выбору, оптимизированные диапазоны параметров и предупреждения о рисках, а не самостоятельные решения, которые игнорируют инженерные ограничения.
Рисунок 1: Информационный трубопровод и позиционирование искусственного интеллекта в условиях закрытого цикла
Рисунок 2: Схема гибридной модели скважины для бурения с помощью ИИ
Рисунок 3: Оптимизация параметров и сценарии раннего предупреждения риска, основанные на ИИ
I. Основой для бурения с использованием ИИ являются не модели, а жизнеспособные данные.
Для того чтобы ИИ играл роль в принятии решений о бурении, данные сначала должны быть бесшовно интегрированы.Конфигурации BHA и сверла, такие параметры, как вес на бит, скорость вращения и скорость насоса, крутящий момент и давление грязи, данные измерения во время бурения, изменения траектории, записи износа и сбоев и журналы полевых событий.Если эти данные не имеют единой временной оси, стандартизированные этикетки условий эксплуатации и последовательные названия конвенций, идеи, полученные путем моделирования часто будут казаться правдоподобными на бумаге, но окажется невозможным применить на местах.
Для производителей сверла наиболее важные данные не обязательно являются самыми сложными; скорее, это знания, которые наилучшим образом отражают производительность инструмента, такие как тип скважины,версия с режущей конструкцией, местоположение сбоя, морфология износа, окна параметров и результаты одноразового выполнения.ИИ может в первую очередь помочь компаниям создать более надежные рекомендации по выбору инструментов и рамки определения проблем.
II. Высокоценные применения ИИ в бурении сосредоточены в основном на шести ключевых этапах
Во-первых, предоставить рекомендации по выбору сверла и BHA с использованием исторической производительности скважины и сопоставления с аналогичными условиями эксплуатации для сужения сферы испытаний и ошибок.оптимизировать параметры бурения, предоставляя более консервативные и надежные рекомендации по весу на битВ-третьих, внедрить раннее предупреждение об аномалии, чтобы оперативно обнаружить такие проблемы, как скольжение палочки, вибрации буровых струн, накопление грязевого торта,и отклонение траекторииВ-четвертых, выполните прогноз производительности, чтобы оценить срок службы инструмента, максимальную скорость проникновения и оптимальное время запуска.проводить послеоперационный анализ, чтобы автоматически отобразить опыт сбоев на основе проблем проектирования или эксплуатационных процессовВ-шестых, облегчить накопление знаний путем кодификации фрагментированной экспертизы, имеющейся у различных буровых бригад и инженеров, в многоразовые правила и руководящие принципы.
Среди этих шести категорий возможностей, обнаружение аномалий и рекомендации по параметрам-окна являются самыми простыми для реализации в первую очередь, поскольку они обеспечивают прямую ценность на месте, имеют короткие петли обратной связи,и иметь более четкие границы данныхВ отличие от этого, "полностью автоматизированное принятие решений о бурении" обычно требует более зрелых данных и более строгих ограничений безопасности.и, как правило, следует рассматривать как долгосрочную цель, а не первоначальный приоритет маркетинга..
III. Решения ИИ, которые могут быть практически реализованы в инженерных проектах, обычно представляют собой гибридные модели, сочетающие в себе механизм + правила + данные.
Опираясь исключительно на модели черного ящика, трудно получить достаточное доверие в области бурения,потому что принятие решений на месте требует четкого объяснения почему параметры настроены таким образом, каковы граничные условия и какие риски могут возникнуть в результате неправильной корректировки.механистические модели, обеспечивающие физические ограничения и разумный диапазон работы; во-вторых, основанные на правилах базы знаний, которые включают в себя эмпирический опыт; и, в-третьих, модели машинного обучения, которые идентифицируют закономерности, прогнозируют тенденции и сопоставляют сходные участки скважин.
Преимущество этой гибридной архитектуры заключается в том, что она сохраняет инжиниринговый здравый смысл и пороги безопасности, используя данные для быстрой итерации.Это особенно важно в применениях, связанных с буровыми кубиками, поскольку на сбои битов обычно влияет сочетание структурных, гидравлических, формирующих и эксплуатационных факторов, что затрудняет полное обнаружение с помощью одного алгоритма.Интегрируя механистические модели, правила домена и данные, подход лучше соответствует условиям реального мира.
IV. Ключ к онлайн-оптимизации заключается не в быстром вычислении, а в контроле обратной связи.
Чтобы ИИ превратился из аналитического инструмента в систему онлайн-оптимизации, необходимо четко ответить на четыре ключевых вопроса: кто предоставляет рекомендации, кто их одобряет и реализует,как часто проводится обзорБез ответов на эти четыре вопроса даже самые сложные модели останутся ограничены уровнем отчетности.Особенно на участках скважин с высоким риском, система должна не только консультировать область о том, как ее корректировать, но и объяснять, почему корректировка необходима, каковы связанные с ней риски и когда прекращать операции для пересмотра.
Поэтому современные системы онлайн-оптимизации обычно используют полуавтоматический подход: модель работает непрерывно и предоставляет рекомендации в режиме реального времени.В то время как исполнение остается ограничен механическими ограничениями и человеческим разрешениемЭта архитектура использует преимущества принятия решений, основанных на данных, не отказываясь от контроля на месте.Это также фундаментальная причина, почему системы бурения на базе ИИ в настоящее время более легко принимаются.
V. Для того, чтобы искусственный интеллект действительно приносил пользу, он должен быть интегрирован в процессы после смерти и НИОКР.
Многие предприятия видят только скромные результаты после развертывания систем ИИ, и коренная причина не в плохих алгоритмах, а в том, что результаты не могут быть отражены в процессах ниже по течению.Если модель просто дает разовую рекомендацию, не вводя понимания обратно в дизайнИ наоборот, когда ИИ-генерированные идеи могут быть использованы для совершенствования баз данных износа, они могут быть использованы для усовершенствования системы.регулировать параметры резки, и разработать шаблоны для типичных сценариев применения, система становится все более точной с течением времени.
Для производителей буровых блоков этот замкнутый цикл процесса, беспрепятственно переходящий от полевых операций к НИОКР, является особенно важным.каждое активное решение вытащить сверло раньше запланированного, и каждое выявление моделей износа должно служить вводом для следующего раунда обновления продукции, а не быть выведены на разовые резюме проектов.
VI. Рекомендации для Xingtong: сначала разработать базу данных с буровыми устройствами и механизм анализа после смерти, затем обсудить создание крупномасштабной платформы ИИ.
Чтобы установить достоверное присутствие на рынке ИИ плюс бурение, Xingtong рекомендуется сначала построить три фундаментальных столпа вокруг своих самых ценных активов данных: во-первых,разработать единый словарь данных, охватывающий модели сверла, геометрии режущей пластины, конфигурации режущих зубов, применимые участки скважин и исторические характеристики; во-вторых, создать всеобъемлющий атлас морфологий износа и способов отказа,соединение фотографий с места с этикетками эксплуатационных условий; и в-третьих, создать параметровые окна и базу данных результатов одного запуска, позволяющую сравнивать и повторно использовать успешную практику на разных участках скважин.
На этой основе мы будем постепенно разрабатывать такие функции, как рекомендации по выбору продукта, предложения по оптимизации параметров и оповещения об аномалии.На официальном сайте должны быть видны наши возможности закрытого цикла данных и оптимизации параметров.Что действительно волнует клиентов, ориентированных на технологии, это то, может ли организация использовать данные для плавного интеграции дизайна, операций,и послесобытий, что в конечном итоге снижает затраты на пробную и ошибочную работу.
Ссылки
- Бейкер Хьюз: Общедоступная информация о программном обеспечении Kantori и автоматизированном направленном бурении i-Trak.
- Halliburton: Общедоступная информация об интеллектуальном бурении и интеграции данных с буровых блоков.
- Лю Циню: Исследовательские материалы, связанные с будущими интеллектуальными системами бурения, среди прочего.
- Общедоступные материалы, связанные с Китайской конференцией по технологиям искусственного интеллекта в области нефти и газа 2025 года.