Автоматизированные рабочие места интерактивные расчетные методики
Changellenge Газпром.Нефть, разработка интеллектуального месторождения.
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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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
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. 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. 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. 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. 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. 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
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