Kể từ khi AI bước vào ngành công nghiệp khoan, nó thường bị nhận thức sai lầm đơn giản là thay thế các kỹ sư thực địa bằng một mô hình tự động duy nhất.môi trường khoan hạn chế cao, các ứng dụng AI có giá trị nhất hoạt động giống như các hệ thống hỗ trợ quyết định: chúng nhanh chóng tổng hợp lịch sử giếng, dữ liệu hình thành, đo logging trong khi khoan, tình trạng khoan,và điều kiện hoạt động tại chỗ để tạo ra các khuyến nghị lựa chọn rõ ràng, phạm vi tham số tối ưu hóa và cảnh báo rủi ro thay vì đưa ra các quyết định độc lập không xem xét các hạn chế kỹ thuật.
Hình 1: Khối dẫn dữ liệu và định vị vòng kín của AI trong khoan
Hình 2: sơ đồ của bộ đống mô hình lai cho khoan AI
Hình 3: Tối ưu hóa tham số và kịch bản cảnh báo sớm rủi ro do AI
I. Nền tảng của việc khoan dựa trên AI không phải là các mô hình, mà là một đường ống dữ liệu khả thi.
Để AI đóng một vai trò trong việc ra quyết định khoan, dữ liệu trước tiên phải được tích hợp liền mạch.BHA và cấu hình khoan, các thông số như trọng lượng trên bit, tốc độ quay và tốc độ bơm, mô-men xoắn và áp suất bùn, dữ liệu đo trong khi khoan, thay đổi quỹ đạo, hồ sơ hao mòn và hỏng và nhật ký sự kiện thực địa.Nếu dữ liệu này thiếu trục thời gian thống nhất, nhãn điều kiện hoạt động tiêu chuẩn hóa và các công ước đặt tên nhất quán, những hiểu biết được tạo ra bởi đào tạo mô hình thường sẽ xuất hiện hợp lý trên giấy nhưng chứng minh không thể áp dụng trên thực địa.
Đối với các nhà sản xuất khoan, dữ liệu quan trọng nhất không nhất thiết phải phức tạp nhất; thay vào đó, chúng là những hiểu biết phản ánh tốt nhất hiệu suất công cụ, chẳng hạn như loại phần giếng,phiên bản cấu trúc cắt, vị trí lỗi, hình thái mòn, cửa sổ tham số và kết quả chạy một lần.AI đầu tiên có thể giúp các công ty thiết lập các khuyến nghị lựa chọn công cụ đáng tin cậy hơn và khung xác định vấn đề.
II. Các ứng dụng AI có giá trị cao trong khoan chủ yếu tập trung vào sáu giai đoạn chính
Đầu tiên, cung cấp các khuyến nghị cho lựa chọn khoan và BHA bằng cách tận dụng hiệu suất giếng lịch sử và phù hợp với các điều kiện hoạt động tương tự để thu hẹp phạm vi thử nghiệm và sai lầm.tối ưu hóa các thông số khoan bằng cách cung cấp các khuyến nghị bảo thủ và đáng tin cậy hơn cho trọng lượng trên bit, tốc độ quay, và tốc độ bơm dựa trên điều kiện hoạt động thời gian thực. thứ ba, thực hiện cảnh báo sớm bất thường để nhanh chóng phát hiện các vấn đề như trượt thanh, rung dây khoan, tích tụ bánh bùn,và sai lệch quỹ đạoThứ tư, thực hiện dự đoán hiệu suất để ước tính thời gian sử dụng công cụ một lần, tỷ lệ thâm nhập tối đa và thời gian kích hoạt tối ưu.thực hiện phân tích sau khi hoạt động để tự động lập bản đồ các trải nghiệm thất bại trở lại các vấn đề thiết kế hoặc quy trình hoạt độngThứ sáu, tạo điều kiện cho việc tích lũy kiến thức bằng cách mã hóa các chuyên môn phân mảnh được nắm giữ bởi các phi hành đoàn khoan và kỹ sư khác nhau thành các quy tắc và hướng dẫn có thể sử dụng lại.
Trong số sáu loại khả năng này, phát hiện dị thường và khuyến nghị cửa sổ tham số là dễ dàng nhất để thực hiện đầu tiên, vì chúng cung cấp giá trị trực tiếp tại chỗ, có các vòng phản hồi ngắn,và có ranh giới dữ liệu rõ ràng hơnNgược lại, việc ra quyết định khoan tự động hoàn toàn thường đòi hỏi dữ liệu trưởng thành hơn và các hạn chế an toàn nghiêm ngặt hơn.và nói chung nên được coi là mục tiêu dài hạn hơn là ưu tiên tiếp thị ban đầu.
III. Các giải pháp AI có thể được thực hiện thực tế trong các dự án kỹ thuật thường là các mô hình lai kết hợp cơ chế + quy tắc + dữ liệu.
Việc chỉ dựa vào các mô hình hộp đen làm cho việc đạt được sự tin tưởng đầy đủ trong lĩnh vực khoan khó khăn,bởi vì việc ra quyết định tại chỗ đòi hỏi phải giải thích rõ ràng tại sao các thông số được điều chỉnh theo cách này, điều kiện ranh giới là gì và rủi ro sẽ phát sinh từ các điều chỉnh không chính xác.Mô hình cơ chế cung cấp các hạn chế vật lý và phạm vi hoạt động hợp lý; thứ hai, cơ sở kiến thức dựa trên quy tắc bao gồm chuyên môn thực nghiệm; và thứ ba, các mô hình học máy xác định các mẫu, dự đoán xu hướng và phù hợp với các phần giếng tương tự.
Ưu điểm của kiến trúc lai này là nó bảo vệ cả ý nghĩa chung kỹ thuật và ngưỡng an toàn trong khi tận dụng dữ liệu để lặp lại nhanh chóng.Điều này đặc biệt quan trọng trong các ứng dụng liên quan đến khoan, vì lỗi bit thường bị ảnh hưởng bởi sự kết hợp của các yếu tố cấu trúc, thủy lực, hình thành và hoạt động, khiến nó khó nắm bắt đầy đủ với một thuật toán duy nhất.Bằng cách tích hợp các mô hình cơ chế, các quy tắc miền và dữ liệu, cách tiếp cận phù hợp hơn với các điều kiện thực tế.
IV. Chìa khóa tối ưu hóa trực tuyến không nằm ở số toán nhanh mà ở kiểm soát vòng lặp phản hồi.
Để AI phát triển từ một công cụ phân tích thành một hệ thống tối ưu hóa trực tuyến, bốn câu hỏi chính phải được giải quyết rõ ràng: ai cung cấp các khuyến nghị, ai phê duyệt và thực hiện chúng,xem xét thường xuyên như thế nàoNếu không có câu trả lời cho bốn câu hỏi này, ngay cả các mô hình tinh vi nhất cũng sẽ bị giới hạn ở mức báo cáo.Đặc biệt là ở các phần giếng có nguy cơ cao, hệ thống phải không chỉ tư vấn cho lĩnh vực về cách điều chỉnh mà còn giải thích tại sao điều chỉnh là cần thiết, rủi ro liên quan là gì và khi nào phải ngừng hoạt động để xem xét.
Do đó, các hệ thống tối ưu hóa trực tuyến hiện đại thường áp dụng cách tiếp cận bán tự động: mô hình chạy liên tục và cung cấp các khuyến nghị thời gian thực,trong khi việc thực hiện vẫn bị hạn chế bởi các giới hạn cơ chế và sự cho phép của con ngườiKiến trúc này tận dụng lợi thế của việc ra quyết định dựa trên dữ liệu mà không từ bỏ kiểm soát tại chỗ.Nó cũng là lý do cơ bản tại sao các hệ thống khoan chạy bằng AI hiện đang được chấp nhận dễ dàng hơn.
V. Để AI mang lại giá trị thực sự, nó phải được tích hợp vào các quy trình sau khi chết và R & D.
Nhiều doanh nghiệp chỉ thấy kết quả khiêm tốn sau khi triển khai các hệ thống AI, và nguyên nhân gốc không phải là các thuật toán kém mà là kết quả không thể được đưa vào các quy trình hạ lưu.Nếu một mô hình chỉ cung cấp một khuyến nghị một lần mà không cung cấp thông tin chi tiết trở lại thiết kế, sản xuất, thử nghiệm và dịch vụ khách hàng để cập nhật các quy tắc và quy trình, giá trị của hệ thống sẽ nhanh chóng bị xói mòn.điều chỉnh các thông số cắt, và phát triển các mẫu cho các kịch bản ứng dụng điển hình, hệ thống trở nên ngày càng chính xác theo thời gian.
Đối với các nhà sản xuất máy khoan, quá trình vòng lặp kín này chuyển liền mạch từ hoạt động thực địa trở lại R & D là đặc biệt quan trọng.mỗi quyết định chủ động để kéo dây khoan trước lịch trình, và mỗi việc xác định các mô hình hao mòn nên phục vụ như là đầu vào cho vòng nâng cấp sản phẩm tiếp theo, thay vì bị chuyển sang tóm tắt dự án một lần.
VI. Các khuyến nghị cho Xingtong: Đầu tiên phát triển cơ sở dữ liệu khoan và công cụ phân tích sau khi chết, sau đó thảo luận xây dựng nền tảng AI quy mô lớn.
Để thiết lập một sự hiện diện đáng tin cậy trong không gian khoan AI cộng với, Xingtong được khuyên trước tiên phải xây dựng ba trụ cột cơ bản xung quanh tài sản dữ liệu có giá trị nhất của mình: đầu tiên,phát triển một từ điển dữ liệu thống nhất bao gồm các mô hình khoan, hình học tấm cắt, cấu hình răng cắt, các phần giếng có thể áp dụng và hiệu suất lịch sử; thứ hai, tạo ra một atlas toàn diện về hình thái mòn và chế độ thất bại,liên kết các bức ảnh thực địa với nhãn điều kiện hoạt động; và thứ ba, thiết lập cửa sổ tham số và cơ sở dữ liệu kết quả chạy một lần, cho phép so sánh và tái sử dụng các thực tiễn thành công trên các phần giếng khác nhau.
Trên nền tảng này, chúng tôi sẽ dần phát triển các tính năng như khuyến nghị lựa chọn sản phẩm, đề xuất tối ưu hóa tham số và cảnh báo bất thường.trang web chính thức nên nổi bật của chúng tôi khả năng khép kín dữ liệu và khả năng tối ưu hóa tham sốNhững gì khách hàng dựa trên công nghệ thực sự quan tâm là liệu một tổ chức có thể tận dụng dữ liệu để tích hợp liền mạch thiết kế, hoạt động,và đánh giá sau sự kiện, cuối cùng làm giảm chi phí thử và sai.
Các tài liệu tham khảo
- Baker Hughes: Thông tin công khai về phần mềm Kantori và khoan định hướng tự động i-Trak.
- Halliburton: Thông tin công khai về khoan thông minh và tích hợp dữ liệu khoan.
- Liu Qingyou: Tài liệu nghiên cứu liên quan đến các hệ thống khoan thông minh trong tương lai, trong số những người khác.
- Các tài liệu có sẵn công khai liên quan đến Hội nghị Công nghệ Trí tuệ nhân tạo dầu khí Trung Quốc năm 2025.