石油和天然气行业的预测分析 - 目前的应用

Ayn de耶稣
头像

AYN在EMERJ的AI分析师担任AI分析师 - 覆盖人工智能用例和跨行业的趋势。爱尔兰德国比分直播她以前在埃森哲举行了各种角色。

石油和天然气行业的预测分析 - 目前的应用

麦肯锡报道最多油和气运营商并未最大化其资产的生产潜力。据2017年报告称,典型的海上平台,占其最大产量潜力的约77%。行业范围,短缺每天大约1000万桶,或2000亿美元的年收入。

为了帮助优化生产,运营商可能会考虑采用高级分析,该分析结合了工程,数据科学和计算能力,使企业能够预测产量或最大化行业资产。

在采用分析中,它遵循AI会发现它进入油和气行业。截至目前,许多公司声称协助工程师和数据科学家在他们的角色方面,比如预测维护在设备,预测供应和需求,和简化日常程序。

我们研究了更好地了解预测分析在游戏中的空间油和气梧桐尝试并回答以下问题:

  • 什么类型的预测分析应用程序目前正在使用油和气
  • 什么有形结果具有预测的分析驱动油和气
  • 这些创新努力是否存在共同的趋势?这些趋势如何影响未来油和气

本报告涵盖了含有软件的供应商两个应用程序

  • 预测维护
  • 商业智慧

本文旨在为业务领导者提供油和气概念他们目前在这个行业中可以获得他们目前所期望的空间。我们希望本文允许商业领袖石油和天然气行业为了思考AI采用,他瑞士比利时盘口们可以自信地接受他们的执行团队,他们可以自信地传递给他们的执行团队。至少,本文打算减少时间商业领导者,从研究AI公司(或可能不会)对其有兴趣的工作。

预测维护

GE Digital的Predix

通用电气的子公司GE Digital,提供了预征,该公司索赔可以提供帮助油和气企业创建自动分析模型,可以帮助预测其工业设备的维护使用机器学习

预征解释说应用程序的机器学习算法能够处理传感器收集的数据,例如设备或部件性能,环境数据和天气条件等。然后,算法将这些算法与数据库中包含的理想性能数据进行比较。如果算法在当前和理想状态之间找到差异,则触发应用程序以向技术人员发送警报。谁反过来进行预测维护或部件替代。

例如,在风电场中,一个涡轮机正低于最佳水平。技术人员收集由传感器收集的数据,这些数据涉及涡轮机的部件,例如风叶片和涡轮机轴。技术人员还可以考虑审查风速。然后将涡轮机的性能历史与风电场的其他涡轮机进行比较。

内部技术人员可以通过连接的平板电脑或智能手机与现场技术人员共享信息,智能手机被提示亲自检查表现不佳的涡轮机。然后如果需要进行维修。

下面是一个很短的3.- 致力于展示如何预征作品:

电气数码声称帮助了管理员CIon Nacional de燃烧器,乌拉圭的酒精y波特兰(Ancap)国有公司提供燃料,燃烧家庭和商业和燃料烹饪设备,农业机械和运输。该公司面临着管理大量数据的挑战,并需要解决方案,使流程更有效,优化能源消耗,从各种来源整合运营数据,并确保公司的可持续性

该公司转向Predix的人机界面和监督控制和数据采集(HMI-SCADA)应用程序,称为IFIX。该项目在五个配送设备中实施,部署了超过1,000个屏幕。每个位置的员工学会了使用该系统输入关键数据。

据报道,通过集中式系统,acap是能够跟踪现场数据,例如气体和液体流速,组成分析仪和罐水平和体积。该系统还使该公司能够监控设备的性能率,从过程单位和天气条件的每日吞吐量。此数据自动处理,格式化为电子表格,并上传到政府的网站。

通过此数据,ANCAP能够使用此数据来计算和项目Furnapes的效率。案例研究没有解释如何定义效率。数据在服务器中记录,以使团队能够研究与炉的性能相关的趋势。

根据电气数码,实现Predix.允许ancap将花在常规过程中花费的时间达到60%,并节省20%的燃料。据报道,管理层还停止询问员工进行手动报告

电气数码还列出了Exelon,Gerdau,Spomlek,Lek Pharmaceuticals,以及圣路易斯奥比斯波市作为一些其客户。

Vincent Yates.是个首席数据科学家电气数码持有A.博士统计数据加州大学伯克利。之前,耶茨担任西雅图数据科学主管Zillow集团分析工程总监Uber,以及Microsoft的Office Analytics团队经理。

马纳纳

马纳纳是一个加利福尼亚州的公司,超过100.雇员。该公司提供一个名为“的软件”知识的平台他们声称可以提供帮助油和气公司预测业务结果,帮助员工做出更好的明智决策使用机器学习和自然语言处理

马纳纳声称它的软件能够矿山,流程和分析公司的非结构化数据,如作业报告,维护记录,设备传感器,天气数据,呼叫中心记录以及来自不同公司来源的其他类型的媒体。然后,知识平台的自然语言处理算法解释这些报告中的数据。机器学习算法在该平台的数据库中查找与该公司目前旨在解决的问题相似的模式

当算法找到相似之处时,系统会提供以图表的形式反馈,以显示趋势,例如,设备性能或支出。这允许公司的主题专家解释图表,并提出如何解决问题的建议。

下面是一个很短的2-分钟的视频演示如何知识的平台作品:

马纳纳声称有帮助财富20强中未具名的石油公司使用应用程序进行最佳泵选择,增加可计数小时并降低总成本该公司的维护专家利用该平台收集与现有泵作业相关的数据。数据的形式有下拉报告、泵故障报告、泵传感器数据和高频数据流。大部分数据描述了过去对故障泵的检查,并由现场工作人员报告。

除了基于语言的数据,该公司还在泵作业期间收集了详细的传感器数据。该应用程序能够对数据进行分类,并识别可能导致泵故障的模式。

根据马纳纳,这使得这使员工能够验证其假设并确定泵故障的原因,预测将来的类似场景,并为每种井选择右泵。总体而言,这使得该公司进行维护,这将降低泵故障和生产停机时间的风险。

马纳纳还列出了壳牌、通用电气、空客、马士基、雪佛龙作为一些他们的客户。

史蒂文古斯塔夫森首席科学家马纳纳持有A.博士计算机科学诺丁汉大学。之前,Gustafson.担任研发组长,知识发现实验室通用电气全球研究

商业智慧

Hortonworks.

Hortonworks.是一个旧金山的公司,大约1,300人雇员。该公司提供一个名为的软件混合数据平台(HDP),一个从多个源处理大型数据集的开源应用程序他们声称可以提供帮助油和气公司预测良好的产量并对设备进行维护。

Hortonworks.索赔那个HDP.能够存储和处理其结构化和非结构化数据,例如传感器或地震数据,天气,钻井和完成数据,地理位置,文本文件,视频,社交媒体,电子邮件等。这些存储在数据存储库中。

例如,石油和天然气公司可能希望每井设定产量标准,以实现最高的边缘。为了设置基准,工程师可能会使用地震数据,泵率,流体温度和影响产量的其他因素。

然后,软件的机器学习模型将采用这些预定义的基准,搜索HDP数据库以进行类似的标准,并比较相应的良好产量。如果算法发现当前收益率较低,基于影响因素,系统会通过仪表板通知用户。

下面是一个很短的2- 致力于展示如何黄芪丹参滴丸作品:

霍顿声称有帮助高贵的能量预测并防止油气基础设施停工案例研究报告称,HDP用于寻找停工期间可能失去的机会,但没有提供细节。然而,我们可以推断,应用程序的机器学习模型审查了来自传感器流、钻井报告、位置数据、工程注释和技术手册等的数据。

然后,该算法可能与这些历史数据相匹配,与可能影响生产的因素,例如设备故障和现有油井输出的下降等。这将启用高贵的能量采取措施维护设备并可能发现新井。

将来,贵族能源打算使用HDP来改善其地点员工的安全性,并防止员工受伤。

Hortonworks.还列出了Fuso,约翰霍普金斯大学,日产,雅虎!日本,Mayo Clinic,Softbank,Expedia和Symantec作为一些其客户。

斯科特·戈瑙CTO.Hortonworks.持有A.BS.电气工程德雷塞尔大学。之前,戈瑙担任总统Teradata实验室九年,他为与Teradata集成数据仓库和大数据分析有关的研究,开发和销售支持活动提供了方向

提供一种预测软件叫做企业矿工他们声称可以提供帮助油和气企业简化数据挖掘过程以开发预测模型使用深度学习,计算机视觉和自然语言处理(NLP)。

索赔NLP算法能够从文本、语音和声音中提取商业见解和新兴趋势,而计算机视觉算法能够确定图像和视频中的对象瑞士比利时盘口然后通过深度学习算法处理和分析由这些技术提取的信息,该算法识别数据中的模式以创建预测和预防性建议。

下面是一个很短的3.- 致力于展示如何SAS人爱尔兰德国比分直播工智能驱动应用工作:

没有石油和有与天然气有关的案例研究,而是要求帮助旧的Dominion电力合作社(ODEC)预测能源需求根据该案例研究,在使用SAS Analytics的第一年,为其公用事业客户节省了数百万美元。

ODEC为弗吉尼亚,马里兰州和特拉华州的11个配送合作社提供批发权力,即服务100万会员客户。对于能源购买,合作社必须提前合同,以确保批发价格实惠的供应。错误的预测可能会强迫Odec在更高的现货价格购买能源

过去,ODEC使用传统电子表格来创建预测。SAS使ODEC更准确地使用各种特定于行业特定模型来预测,这些模型支持系统分析,对冲,财务预测和未来的能源和需求资源。

根据案例研究使用SAS可以让ODEC了解每个合作伙伴的市场,同时提供一个宏观的视图。这使得客户能够为未来5年、10年或20年的市场电力需求进行规划。该公司没有提供进一步的细节或具体数字

还列出了本田,美国银行,雀巢,汉斯坦,柯尼卡美能达和世界野生动物基金作为一些它的过去的客户。

韦恩汤普森首席数据科学家他曾在26年服务的SA在农艺和统计数据中掌握博士学位,另一个在植物科学中;轻微的统计数据。两者都来自田纳西大学

外卖商业领袖石油和天然气工业

本报告中涵盖的大多数公司提供了预防性维护和与生产相关分析的解决方案。值得注意的是,除了Hortonworks之外,所有公司的AI努力都是被博士学位的培训。

也就是说,只有Maana为工业生产和石油和天然气公司提供解决方案;此报告服务多个行业涵盖的其他公司。Maana的特殊性可以赞成,因为它的机器学习模型可能完全培训工业数据库,这可能会增加其模型的模型的准确性。然而,这是猜测。

虽然没有公司在他们的软件需要多长时间提供困难的时间,但基于一个案例研究,我们推断集成产品可能很长。

总体而言,石油和天然气行业的预测分析应用似乎确实涉及人工智能,不像其他行业在人工智能方面还处于起步阶段。

标题图片来源:石油和天然气人员

保持领先于AI曲线

发现在业务未来将赢家分开获奖者的关键AI趋势和应用程序。

注册“AI Advantage”时事通讯:

" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Thanks - check your inbox for a confirmation email">
" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Error - There was some problem.">
订阅
订阅镜像
保持领先于机器学习曲线

加入2万多名专注于人工智能的商业领袖,接受我们每周发布的最新人工智能研究和趋势。

感谢您订阅EMERJ“AI Advantage”时事通讯,请检查您的电子邮件收件箱进行确认。