Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Changellenge Газпром.Нефть, разработка интеллектуального месторождения.

2,555 views

Published on

Крупнейший мировой нефтегазовый чемпионат
3 место, команда ImprovY

Published in: Engineering

Changellenge Газпром.Нефть, разработка интеллектуального месторождения.

  1. 1. ImprovY Team Changellenge Ринат ШакбасаровИгорь НепомнящихСтанислав СоповМихаил Алексеев Сила Интеллекта Кейс по разработке концепции и модели интеллектуального месторождения Проект по внедрению интеллектуальной системы принятия реенийуправления месторождениемc использованием наиновейших информационных технологий
  2. 2. Кейс ГазПром Нефть ImprovY Team ВНЕДРЕНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ В СФЕРЕ УПРАВЛЕНИЯ МЕСТОРОЖДЕНИЕМ ЯВЛЯЕТСЯ КЛЮЧЕВЫМ МОМЕНТОМ ОПТИМИЗАЦИИ ПРОЦЕССОВ НЕФТЕДОБЫЧИ Мировая практика внедрения интеллектуальных систем и динамика капитализации за последние 5 лет Chevron Внедрение умных технологий улучшило уровень безопасности, оптимизировала бизнес- процессы компании, позволяет контролировать сотни месторождений на 6 континентах RoyalDutchShell Увеличиласьотдача нефти на 10%, а также темпы производства. Используются датчики с оптоволоконными линиями связи. Внедрение использования технологий умных скважин будет способствовать снижениюиздержек Газпром Нефти, а также росту прибыли компании GazPromNeft 5 846 5 914 5 791 5 557 5 170 4 732 4 450 4 221 3 983 3 797 4 724 5 001 5 234 5 276 5 182 5 098 5 022 4 929 2013 2014 2015 2016 2017 2018 2019 2020 2021 Добыча нефти (тыс.тонн) Операционные затраты(млн.руб) Объемы добычи снижаются Операционные издержки увеличиваются 556 716 782 857 940 1 010 1 058 1 100 1 143 2013(ФАКТ) 2014 2015 2016 2017 2018 2019 2020 2021 Рост удельной себестоимости подъема тонны нефти (в руб)
  3. 3. Кейс ГазПром Нефть ImprovY Team ВнедрениесистемыGazProm Intelligence выведеткомпаниюнановыйуровеньуправленияСоздание системы GazProm Intelligence включает решение ряда вопросов. Данные Правильная обработка и хранение огромных массивов данных I Real-Time Возможность реагирования на изменение ключевых показателей в режиме real-time II Методы и алгоритмы Выбор методов и алгоритмов которые будут лежать в основе интеллектуальной системы Gazprom Intelligence III Масштабируемость Модульность, возможность масштабирования системы на другие месторождения IV
  4. 4. Кейс ГазПром Нефть ImprovY TeamПродукты компаний SAPи аппаратная платформа IBMлежат в основе информационной системы компании Газпром Нефть •2 дата центра в Санкт-Петербурге и Омске •Платформа IBM Power 780 •Система хранения данных IBM V7000 По данным компании «Астерос» в феврале 2014 года завершился проект по модернизации вычислительной платформы группы «Газпром нефть» и миграции SAP-систем на аппаратную платформу IBM •производство •финансы •бизнес-анализ •логистику •сбыт Данный проект позволил компании «ГазпромНефть» в два раза увеличить производительность бизнес-сервисов и обеспечил технологическую основу для достижения стратегических целей. Основные ресурсные мощности Бизнес-системы, охватывающие практически полный цикл работы предприятия:
  5. 5. Кейс ГазПром Нефть ImprovY TeamСтратегическое партнерство компаний SAP и IBM дает преимущество компании Газпром.Нефть при переходе на новую уникальную платформу SAP HANA 12 дней назад IBM стал главным стратегическим поставщиком оборудования для новой уникальной технологии SAP HANA, позволяющей обрабатывать огромные объемы данных в режиме реального времени.
  6. 6. Кейс ГазПром Нефть ImprovY Team Мощный̆ аналитический̆ инструмент формирует углубленное видение ситуации в режиме реального времени. SAP HANA —гибкая, масштабируемая,универсальная платформа, которая позволяет анализировать огромные объемы данных До SAP HANA SAP HANA До 3000 раз быстрее обработка информации In-memory СУБД —это система управления базами данных, которая хранит и обрабатывает информацию непосредственно в оперативной памяти. Поскольку процессы обработки данных в оперативной памяти протекают быстрее, чем обращение к файловой системе и считывание информации из нее, in-memory СУБД обеспечивает на порядок более высокую производительностьпрограммных приложений. ……. SAP HANA имеет довольно мощный набор аналитических инструментов, который позволит решить задачи прогнозирования и оптимизации ключевых показателей Аналитический инструментарий SAP HANA обладает очень гибкой архитектурой, что позволяет интегрировать в единую информационную систему не только приложения компании SAP, а также сторонние приложения и системы, к примеру те системы, которые на данный момент уже разработаны компанией Газпром.Нефть Режим реального времени Гибкость и масштабируемость
  7. 7. Кейс ГазПром Нефть ImprovY TeamАрхитектура интеллектуальной системы Топ-менеджмент Локальный сервер Алгоритмы сжатия данных Удаленный сервер Датчики телеметрии •Давление •Температура •Сейсмоактивность •Вибрация Фильтрация данных для отправки в облако SAP HANA Первичная обработка и преобразование данных полученных с датчиков телеметрииMobile Unwire your business to deliver secure, real time, business-critical information –anytime, anywhere, to anyone, on any mobile device Cloud Capture the power of the cloud –while fully integrating with on- premiseinvestments. Empower your employees,engage customers, and collaborate with partners across business networksApplications Run your business smarter, faster, and simpler, with an integrated suite of applications powered by Sap Hana – delivering long-term predictability and non disruptive innovation Analytics Explore and exploit data, find answers in real-time, and make confident decisions. Harness visually compelling, easy-to-use tools on the devices of your choice. Database & Technology Simplify your IT infrastructure dramatically and drive high-value innovation by exploiting across structured and unstructured data sources. A real-time business platform, powered by SAP HANA
  8. 8. Кейс ГазПром Нефть ImprovY TeamАнализируемые данные 01 Данные с датчиков: Забойное давление Температура Вибрация Прорыв воды и газа Геологические: Пористость Проницаемость Природа жидкостей Давление пласта ННТ Исторические Данные о работоспособности датчиков Время аномальных показаний Динамика гидродинамических режимов работы скважин Динамика бурения месторождения Данные о проводимых ремонтах скважин Данные о проведенных геолого- технических мероприятиях 02 03
  9. 9. Кейс ГазПром Нефть ImprovY TeamПереход на платформу SAP HANAпозволит сэкономить 6мнл$за 7 лет. 0 5000000 10000000 15000000 20000000 25000000 SAP Baseline SAP HANA Сравнение затрат при использовании платформы SAP HANAи безнее Аппаратное обеспечение Программное обеспечение Внедрение SAP HANA Трудозатраты Основные статьи затрат Аппаратное обеспечение Внедрение SAP HANA Программное обеспечение Трудозатраты
  10. 10. Кейс ГазПром Нефть ImprovY TeamGazProm Intelligenceбудет решать следующие задачи Анализ причин неустойчивой работы интеллектуальной системы Real-time: Long-time: 01 02 03 04 05 Определение и поддержание оптимального забойного давления иобеспечениямаксимально возможной добычи Автоматическая оптимизация потребления электроэнергии Предотвращение аварийных эксплуатационных условий скважины Анализ корректности работы датчиков и сенсоров Оптимальная замена оборудования 01 02 03 04 05 Оценка времени работы скважины Предсказание возможного объема нефти на месторождении Осуществление оптимального гидроразрывапласта Анализ эффективности произведенных мероприятий Прогнозирование времени надежной работы приборов 06
  11. 11. Кейс ГазПром Нефть ImprovY TeamТестирование и улучшение моделей Финальная модель, полученная из комбинаций различных методов, способна показать лучший результат, так как одни методы покрывают ошибки других. Обучающая Проверочная Тестовая Обучающая выборка -выборка, по которой производится настройка модели зависимости. Тестовая выборка —выборка, по которой оценивается качество построенной модели. Проверочная выборка —выборка, по которой осуществляется выбор наилучшей модели из множества моделей, построенных по обучающей выборке.
  12. 12. Кейс ГазПром Нефть ImprovY TeamДОРОЖНАЯ КАРТА РАЗРАБОТКИ ПРОЕКТА ПО ВНЕДРЕНИЮ ИНФОРМАЦИОННОЙ ИНТЕЛЕКТУАЛЬНОЙ СИСТЕМЫ настоящее время –2030 год Настоящиймомент ОБУЧЕНИЕ Переход на SAP HANA ТЕСТИРОВАНИЕ ПОЛНЫЙ ЗАПУСК ВЫХОД НА НАИВЫСШИЕ ПОЗИЦИИ В МИРОВОМ РЕЙТИНГЕ Сборданных Модернизацияметодовинтеллектуальной системы, опираясьнапоследниенаучныеоткрытия Захватмира 2014 2016 2025 2031 -… 2018 2015 Построениеразличныхмоделей ианализрезультатовихработы Сборначальных экспертныхмнений Запусксистемынаодном месторождении Отслеживаниеработсистемы поднаблюдениемэкспертов Фиксациямоментов некорректнойработысистемы Исправлениеошибок выявленныхпритестирования Постепенноемасштабирование Системынадругиеместорождения Разработкаядра интеллектуальнойсистемы Отслеживаниеработсистемы поднаблюдениемэкспертов Исправлениеошибок, учитываяособенностиконкретногоместорождения Интеграциявсехсистем водноинформационноепространство Выходвлидеры нанефтяномрынке Корпоратив Определениеобъектовпереноса ПереносиадаптацияобъектовнаплатформуSAP NetWeaver Оценкаобъемовпроектамиграции
  13. 13. Кейс ГазПром Нефть ImprovY Team high medium low low medium high 7 1 Вероятность Ущерб Некорректность работы системы при появлении новых ситуаций При некорректном сжатии данных, возникает вероятность потери значимых наблюдений Датчики могут передавать неточные измерения ввиду ряда причин Риск сбоя нарушения процессов нефтедобычи и, как следствие, загрязнение окружающей среды Низкая квалификация персонала может привести к некорректному мониторингу, тестированию работы интеллектуальной системы. 1 2 3 4 5Основные риски при эксплуатации интеллектуальной систему Утечка конфиденциальность данных 6 Нарушения непрерывности работы системы 7 Сокращение рабочих мест 8 3 4 5 2 8 6
  14. 14. Кейс ГазПром Нефть ImprovY Team Прямые экономические эффекты Опционные эффекты Информационные эффектыЭкономическая эффективность внедрения GazProm Intelligence Стратегические эффекты Для инвестиционной оценки эффективности вложений данного проекта использован метод чистой приведённой стоимости Экономические выгоды которые не поддаются количественным измерениям, но имеют большое значение в деятельности организации. Разработанная система позволяет повысить прозрачность бизнес-процессов, снизить информационную неопределенность, повысить управляемость. Система GazProm Intelligence повышает качество предоставляемой информации, качество прогнозов, увеличивает скорость предоставления и обработки оперативной информации и аналитических отчетов Разработанное решение позволяет ускорить перевод корпорации на уровень, отвечающий уровню высокоразвитой компании 4 194 723 426 р. NPV= 4 года Период окупаемости
  15. 15. Кейс ГазПром Нефть ImprovY Team Увеличениенефтедобычи За счет проведения точечного геолого-технических мероприятий и прогнозирования различных процессов при нефтедобычи Уменьшениеэнергопотребления За счет оптимизации работы в зависимости от реальной обстановки в скважине Увеличениемежремонтногопериодаипродлениясрокаслужбыоборудования Созданиеединойинформационнойсреды ЦентрализованноеуправлениевсемискважинамиРезультаты внедрения интеллектуальной системы Оптимизация рабочих режимов оборудования и своевременное диагностирование неисправностей Уменьшениезатратнасервисноеобслуживание За счет дистанционного мониторинга скважин и минимизации количества выездов специалистов на меторождении Уменьшениевременипростоев За счет предотвращения прогнозируемых аварий и быстрого информирования диспетчеров о факте аварий _ Увеличениемежремонтногопериодаипродлениесроковслужбыоборудования
  16. 16. Кейс ГазПром Нефть ImprovY TeamImprovY Team GAZPROM CASE SPBU Department of Applied Mathematics and Control Processes Faculty of Economics FinalistP&G Case2013 3-th place swimming championship of Russia SPBU Department of Applied Mathematics and Control Processes Faculty of Economics 2 place Cup SPb2013FinalistCup Technical 2013 Unilever Future Leaders League 2014 A1Fin course from SAP SPBU Department of Applied Mathematics and Control Processes 2 place Cup SPb2013FinalistCup Technical 2013 Unilever Future Leaders League 2014 Data Mining School SPBU Department of Applied Mathematics and Control Processes Faculty of Economics 2 place Cup SPb2013FinalistCup Technical 2013 Unilever Future Leaders League 2014 Student of ScolkovoUniversity
  17. 17. Кейс ГазПром Нефть ImprovY TeamПриложения
  18. 18. Кейс ГазПром Нефть ImprovY Team Некорректность работы системы при появлении новых ситуаций При некорректном сжатии данных, возникает вероятность потери значимых наблюдений Датчики могут передавать неточные измерения ввиду ряда причин Риск сбоя нарушения процессов нефтедобычи и, как следствие, загрязнение окружающей среды Низкая квалификация персонала может привести к некорректному мониторингу, тестированию работы интеллектуальной системы. 1 2 3 4 5 Утечка конфиденциальных данных 6 Нарушения непрерывности работы системы 7 Проблема сокращение рабочих мест 8Риски и мероприятия по их снижению Приложение №1 Поступление сигнала, после чего решение принимает эксперт. Далее, база будет наполняться свежими данными. Использование различных алгоритмов сжатия для различных типов данных Для робастности данных необходимо производить удаление различных выбросов. Может быть вовремя предотвращено ввиду точного прогнозирования будущих событий. Проведены работы по обучению персонала, а также разработан план работы при чрезвычайных происшествиях. Классификация данных по степени конфиденциальности и ограничение доступа к ним, антивирусы, системы контроля доступа Повышение квалификации сотрудников Создание резервных копий важных данных, создание системы бесперебойного питания
  19. 19. Кейс ГазПром Нефть ImprovY TeamМАТЕМАТИЧЕСКИЙ АППАРАТ ИСПОЛЛЬЗУЕМЫЙ ДЛЯ РЕАЛИЗАЦИИ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ GazProm Intelligence remote Анализ и обработка временных рядов с помощью спектрального разложения и вейвлетпреобразования позволяют преобразовать данные, полученные с датчиков (давления, температуры, сейсмоактивности и т.д.) для дальнейшего эффективного сжатия, решая тем самым проблему скорости передачи. ПРОБЛЕМА СКОРОСТИ ПЕРЕДАЧИ ДАННЫХ Спектральное разложение Классический пример обработки временного ряда выявление периодических компонент временного ряда, например, сезонных изменений дебита в нефтедобыче. Вейвлет преобразования является развитием спектрального анализа. способ преобразования функции в форму, которая или делает некоторые величины исходного сигнала более поддающимися изучению, или позволяет сжать исходный набор данных. Нейронные сети Использование нейронных сетей позволит автоматизировать процесс принятия решений В случае сложно формализуемых задач возможно использовать экспертные системы Data Mining Методы данного класса позволят найти скрытые закономерности в сырых данных Данные методы отлично подойдут для решения задач прогнозирования С точки зрения математики диагностирование и прогнозирование работы скважины строятся на исследовании изменения динамики работы. ПРОБЛЕМА ПРОГНОЗИРОВАНИЯ И АВТОМАТИЗИРОВАННОГО УПРАВЛЕНИЯ температурадебит скважиндавлениеи другие данные из датчиков Отправка на сервер SAP HANA Прогноз динамики работы Нейросетевая модель Приложение №2 local
  20. 20. Кейс ГазПром Нефть ImprovY TeamНейросетевая модель Пример двухслойного персептрона(5-4-3) ΔW Обучение методом обратного распространения ошибки ∂ ошибка Изменение веса ошибка Изменение веса Xi Yi Выходные данные Входные данные Искусственнаянейроннаясетьпредставляютсобойсистемусоединённыхивзаимодействующихмеждусобойпростыхпроцессоров(искусственныхнейронов). Такиепроцессорыобычнодовольнопросты(особенновсравненииспроцессорами,используемымивперсональныхкомпьютерах).Каждыйпроцессорподобнойсетиимеетделотолькоссигналами,которыеонпериодическиполучает,исигналами,которыеонпериодическипосылаетдругимпроцессорам. И,темнеменее,будучисоединённымивдостаточнобольшуюсетьсуправляемымвзаимодействием,такиелокальнопростыепроцессорывместеспособнывыполнятьдовольносложныезадачи. Приложение №3
  21. 21. Кейс ГазПром Нефть ImprovY TeamКакие данные необходимы в первую очередь адресные данные геофизических исследований; данные сейсморазведки; адресные данные гидродинамических исследований; данные о динамике гидродинамических режимов работы скважин; данные о проводимых ремонтах скважин; данные динамики разбуриванияместорождения; данные лабораторных исследований кернов ипластовых флюидов; классификаторы геологического описания района; описание технических объектов обустройства месторождений в динамике; адресные данные оборудования скважин в динамике; классифицированные проектные решения и плановые показатели; прототипы и настройки геологической и гидродинамической моделей месторождения для автоматического обновления; данные о проведенных геолого-технических мероприятиях; данные экспертных оценок; образы успешности мероприятий Приложение №4
  22. 22. Кейс ГазПром Нефть ImprovY TeamВозможности внедрения SAP HANA Управление Централизованное управление большим количеством скважин с помощью систем дистанционного мониторинга; Принятиерешений Планирование в упреждающем режиме профилактическое обслуживание оборудования, точно и быстро принимать решения, в том числе в реальном времени; Прогнозирование Предсказание на основе прошлых данных сроков исчерпания скважин, а также использование данные старых скважин с богатой историей добычи для прогнозирования поведения новых скважин Увеличениенефтедобычи Оптимизация режима работы комплексной иерархической системы «пласты-скважины-коллектор» по критериям экономической эффективности -увеличение количества нефти, получаемой из конкретного месторождения и снижение затрат в том числе на освоение новых месторождений в удаленных районах; Производительностьипродуктивность Оптимизация производительности оборудования и продуктивности скважин за счет анализа данных телеметрии, замеров давлений и дебитов на «спутниках», акустического шума, температур, данных типовых и специальных гидродинамических и геофизических исследований, актов испытаний, результатов освоения скважин после ремонтов, данных о проведенных и проводимых геолого- технических мероприятиях и сопутствующих простоев, описания событий в наземных трубопроводных системах, результатов диагностики оборудования и других данных; _ Приложение №5
  23. 23. Кейс ГазПром Нефть ImprovY TeamАрхитектура SAP HANA Приложение №6 Unstructured Machine HADOOP Real-time Location Transaction Database Services OL TP + OLAP | SMD | CPU| cashe SQL R JSON Open Connectivity Платформа SAP HANA Processing Engine Application Services Development Services Administration Services Integration Services Any Apps SAP Business Suite Deployment Services
  24. 24. Кейс ГазПром Нефть ImprovY TeamРасчет показателей эффективности инвестиций ЧИСТЫЙ ДЕНЕЖНЫЙ ПОТОК ( FCF ) ( 3 -4 -5 -6 + 1 ) млн. руб. 9 900,00 9 156,00 17 696,70 3 794,10 8 890,50 10 635,80 12 125,10 12 093,50 10 936,50 12 678,10 11 547,30 23 320,40 189 998,00 Накопленный чистый денежный поток млн. руб. 9 900,00 9 156,00 17 696,70 3 794,10 12 684,60 23 320,40 35 445,50 47 539,00 58 475,50 71 153,60 82 700,80 23 320,40 189 998,00 Дисконтированный денежный поток (DCF) млн. руб. 9 900,00 9 156,00 17 696,70 7 178,40 14 945,30 15 971,80 15 716,60 14 194,70 11 490,10 11 672,80 9 661,00 38 095,50 148 096,80 Итого добыча углеводородов тыс.т.н.э 5 052 5 659 5 933 6 096 6 029 5 864 5 455 4 993 4 695 4 454 4 203 17 988 81 342 РАСХОДЫ млн. руб. 34 624,30 43 244,20 31 677,10 46 892,20 47 131,10 45 309,80 41 484,60 37 735,70 34 902,90 33 192,90 30 689,20 139 333,20 591 352,30 Сс 1ой тонны нефти Руб. 6853,162759 7642,124506 5339,42269 7692,576529 7817,611661 7727,334544 7604,261897 7558,26588 7433,32997 7452,43126 7302,01831 7745,81273 7269,93791 Сс 1го барреля нефти Руб. 938,7894191 1046,866371 731,4277657 1053,777607 1070,905707 1058,538979 1041,679712 1035,37889 1018,26438 1020,88099 1000,27648 1061,07024 995,881905 Савка дисконтирования k 0,16 Сниженная на 10% cc 1го барреля руб 910,6257365 1015,46038 709,4849327 1022,164279 1038,778536 1026,782809 1010,429321 1004,317521 987,7164481 990,2545647 970,2681864 1029,23813 966,0054481 Сниженная на 10% cc 1ой тонны руб 6647,567877 7412,860771 5179,240009 7461,799233 7583,083312 7495,514508 7376,13404 7331,517906 7210,330071 7228,858323 7082,957761 7513,438346 7051,839771 на сколько процентов снижаем % 3 Денежный поток от снижения сс углеводородов млн руб 1 038 730,38 1 297 325,82 950 314,00 1 406 767,04 1 413 934,00 1 359 295,04 1 244 536,70 1 132 070,49 1 047 086,16 995 786,86 920 675,27 4 179 996,07 17 740 569,54 DCF млн руб. 8 141,10 Приложение №7
  25. 25. Кейс ГазПром Нефть ImprovY TeamИнвестиции на внедрение и создание системы 2015 2016 2017 2018 2019 2020 2021 сумма Затраты на аппаратное обеспечение 75 920 000,00 р. 16 702 400,00 р. 16 702 400,00 р. 16 706 000,00 р. 16 706 000,00 р. 16 706 000,00 р. 16 706 000,00 р. 176 148 800,00 р. Затраты на программное обеспечение 6 400 000,00 р. 1 408 000,00 р. 1 408 000,00 р. 1 408 000,00 р. 1 408 000,00 р. 1 408 000,00 р. 1 408 000,00 р. 14 848 000,00 р. Переход на SAP HANA 10 626 920,00 р. 10 626 920,00 р. Трудозатраты 68 800 000,00 р. 64 500 000,00 р. 60 200 000,00 р. 60 200 000,00 р. 60 200 000,00 р. 60 200 000,00 р. 60 200 000,00 р. 434 300 000,00 р. Разработка интеллектуальной системы 15 000 000,00 р. 15 000 000,00 р. 12 000 000,00 р. 3 000 000,00 р. 3 000 000,00 р. 3 000 000,00 р. 3 000 000,00 р. 54 000 000,00 р. Итог 176 746 920,00 р. 97 610 400,00 р. 90 310 400,00 р. 81 314 000,00 р. 81 314 000,00 р. 81 314 000,00 р. 81 314 000,00 р. 689 923 720,00 р. 4 194 723 426 р. NPV= Приложение №8

×