Меню


Нефтегаз

Origin достигла точности 80% при определении скважин с низкой добычей и экономии $50 млн. с помощью машинного обучения
от C3 IoT

Origin использует C3 Predictive Maintenance для оптимизации производительности скважин и получения эксплуатационной ценности из своих данных в реальном времени. Кроме того, данные из различных хранилищ предприятия были интегрированы в комплексную схему данных.

Более 2 000 газовых скважин из портфеля Origin Energy Integrated Gas оснащены более 50 датчиками, что обеспечивает богатый набор данных в режиме реального времени, и приводит к 200 миллионам операций записи в день. Однако объединение и анализ данных из различных изолированных корпоративных систем для получения некоторой операционной выгоды является сложной задачей.

Целью первоначального 12-недельного проекта была разработка двух приложений машинного обучения:

1) Прогнозирование производительности скважин (на платформе C3 IoT): прогнозирование производительности отдельных скважин до начала бурения, оптимизация размещения скважин путем точного определения низкопроизводительных скважин и определения параметров, которые максимизируют производительность скважин.

2) Состояние оборудования скважины (C3 Predictive Maintenance): прогнозирование и оптимизация срока службы установленных насосов с прогрессивной полостью на основе моделей машинного обучения, которые обнаруживают параметры отказа и оптимизируют выбор конструкции оборудования для каждой скважины.

Интеграция данных из источников, включая ежечасные и суточные измерения датчиков для каждой скважины, журналы бурения, геологические оценки, оценки проницаемости, журналы работы скважин, записи об активах, оборудовании и многое другое было объединено в одно озеро данных (data lake).

Сложность данных была преодолена путем создания единой согласованной схемы данных. Ранее каждая исходная система по-разному кодифицировала отдельные скважины или использовала разные термины для обозначения схожих объектов.

C3 Predictive Maintenance выходит за рамки традиционных систем, основанных на правилах, благодаря использованию искусственного интеллекта и машинного обучения для проактивного выявления сбоев. Его алгоритмы анализируют всю соответствующую информацию, включая данные датчиков, данные SCADA, системы управления активами, а также структурированные и неструктурированные данные, такие как заметки технического специалиста и внешние источники данных, такие как погода. C3 Predictive Maintenance способна значительно прогнозировать сбои заблаговременно до устаревших систем, основанных на правилах, с более высокой точностью.
Результат
$50 млн. выявленных сбережений
Подпишись на новые кейсы
Оставь свой e-mail и раз в неделю мы будем высылать полезные кейсы тебе на почту
Мы не передаем данные третьим лицам, а храним их согласно №152-ФЗ
Cookies helfen uns bei der Bereitstellung unserer Inhalte und Dienste. Durch die weitere Nutzung unserer Webseite stimmst du der Verwendung von Cookies zu.
Okay
Close
Made on
Tilda