Процесс разработки нефтегазовых месторождений включает геологоразведку, оценку запасов, строительство скважин, добычу, интенсификацию и консервацию нефтегазовых месторождений, а также другие виды деятельности, в каждой из которых имеются рутинные операции, ставшие неотъемлемой частью устоявшегося процесса обработки и интерпретации геолого-геофизических данных. Такие операции, обычно выполняемые сегодня сотрудниками в специализированных НИИ либо специалистами сервисных компаний непосредственно на буровой площадке на месторождении, вполне поддаются роботизации бизнес-процессов (RPA), которая в конечном счете должна обеспечить переход к безлюдному месторождению, все опасные, трудоемкие и рутинные операции на котором выполняются автоматически с привлечением, в частности, решений искусственного интеллекта.
Программная роботизация уже прочно вошла в практику разработки нефтегазовых месторождений, что позволяет снизить издержки на производственные процессы. Однако развертывание роботизированных систем требует трансформации кадров — повышения квалификации оператора, работающего вместе с роботом, до уровня эксперта. Автоматизированная система нуждается в диалоге с оператором, и решения оператора могут подвергаться оценке со стороны интеллектуальной роботизированной системы, предлагающей различные варианты решений.
В общем случае система интеллектуальной роботизации для разработки нефтегазовых месторождений предусматривает два уровня реализации.
- Гибридный. Система поддержки принятия решений готовит исходные данные для специалиста, снабжена элементами когнитивных вычислений и обеспечивает обратную связь с производством.
- Безлюдное производство. Человек-эксперт выполняет лишь роль контролера-наблюдателя.
Для гибридной реализации на данный момент имеются все необходимые технологии, а для безлюдного производства еще предстоит многое сделать, хотя системы с участием человека в роли эксперта-контролера уже достаточно хорошо проработаны. Инструментом перехода от гибридных систем к системам безлюдного производства в топливно-энергетическом комплексе может быть цифровая платформа — например, такая как платформа межсервисной программно-аппаратной конвергенции «Унофактор» (Unofactor).
Данная инструментальная платформа предназначена для обеспечения бесшовной интеграции различных отечественных и зарубежных программных продуктов, решающих задачи управления жизненным циклом нефтегазового месторождения. Платформа позволяет создавать прикладные программные решения («агрегаторы») для различных этапов процесса разработки нефтегазовых месторождений (рис. 1) за счет роботизации рутинных процессов, обеспечивающих переход к безлюдным производствам. Платформа оперирует файлами оркестрации, содержащими описание зависимостей и порядка выполнения различных процессов, программ, информационных систем и микросервисов, в качестве которых может быть использован в том числе проект роботизации, выполняемый на любой внешней отечественной или зарубежной платформе (ROBIN, Automation Anywhere, UiPath и пр.). Интеграция в этом случае — это запуск из платформы исполняемого оркестратора внешней системы роботизации с указанием конкретного сценария выполнения того или иного бизнес-процесса.
.png) |
| Рис. 1. Агрегаторы на базе платформы «Унофактор» |
Основные объекты роботизации — это процессы получения и обработки геолого-геофизических и технологических данных [1], входящие в агрегаторы. «Унофактор» предоставляет инструменты для создания агрегаторов: композицию набора микросервисов из репозитория, отладку взаимодействия, систему логирования и биллинга, публикацию на портале (на витрине готовых решений). Каждый агрегатор включает в себя менеджер загрузки микросервисов — мультиплатформенную утилиту, которая запускает агрегатор, контролирует его работу, автоматически перезапускает «зависшие» микросервисы и завершает работу агрегатора. Общение между микросервисами и платформой происходит по протоколам MQTT (Message Queuing Telemetry Transport) и WSS (WebSocket над HTTPS) в случае использования шины данных MQ либо по протоколам доступа к шине Kafka.
Агрегатор «Цифровой керн» включает симулятор течений флюида в пороговом пространстве пород. Процесс исследования образцов керна предусматривает прохождение длинной цепочки работ, выполнение которых может быть ускорено за счет роботизации (рис. 2):
- получение изображений (срезов) образцов керна с цифрового томографа;
- многофазное моделирование течений флюида на базе полученных изображений и расчет относительной фазовой проницаемости и коэффициента пористости образцов керна;
- уточнение геологической модели на основании полученных характеристик и расчет гидродинамической модели;
- сбор данных о стоимости углеводородов и подготовка экономического обоснования разработки нефтегазового месторождения.
.jpg) |
| Рис. 2. Агрегатор «Цифровой керн» |
Моделирование течений в агрегаторе осуществляется с помощью программного комплекса DiMP-Hydro, разрабатываемого в ИПМ им. М. В. Келдыша РАН и использующего воксельное описание геометрии образца горной породы с помощью методов компьютерной микротомографии. Для описания динамики жидкости используются уравнения Навье — Стокса и Навье — Стокса — Кана — Хилларда. Используемые модели позволяют применять сравнительно простые в реализации численные алгоритмы. Конфигурационные файлы комплекса — это программы на языке Lua (learnxinyminutes.com/docs/ru-ru/lua-ru), что позволяет прозрачно задавать входные данные для моделирования, управлять процессом расчета, использовать плагины для предметного анализа, а также обеспечивать интеграцию DiMP-Hydro с внешним ПО.
Традиционный процесс работы с керном предполагает участие специалиста на стадиях оценки характеристик керна, уточнения геологической модели, получения данных о котировках и ценах, а также подготовки экономического расчета. До недавнего времени предпринимались попытки автоматизировать переход между этими задачами (например, на стадии запуска пересчета гидродинамической модели после обновления геологической), однако целостная интеграция и поддержка взаимосвязи всех этапов отсутствовали.
Агрегатор геолого-технологических исследований (ГТИ) по различным каналам связи получает данные от станций ГТИ, наклонно-направленного бурения и цементирования. Данные передаются в отраслевом стандарте языка разметки по передаче скважинных данных WITSML (Wellsite Information Transfer Standard Markup Language). Затем выполняется синтаксический анализ (парсинг) шаблонных документов подрядчиков по строительству и занесение сведений в систему по операционной отчетности. Исторически сложилось так, что суточный рапорт составляет лично супервайзер (представитель заказчика на буровой) на основании сводок, получаемых от подрядчиков, и информации, полученной непосредственно на буровой площадке. При роботизации данного процесса, на основании данных от датчиков автоматически определяются такие показатели, как максимальная глубина скважины за истекшие сутки, нумерация рейсов, режимно-технологические параметры бурения и др., для их дальнейшего занесения в суточный рапорт. Парсинг рапортов от подрядчиков позволяет экономить время на внесение в итоговый отчет сведений по фактическому расходу материалов, реагентов и т. д.
Данный агрегатор через протокол RS-232 (RS-485) получает с датчиков телеметрию, включающую основные технологические параметры строительства (глубина долота, величина нагрузки, скорость вращения, плотность промывочной жидкости и т. д.), с помощью протокола WITSML собирает сведения из информационных систем проектирования строительства (программа и план бурения), наклонно-направленного бурения (геометрия скважины) и т. д. Затем замеры (форматы CSV, TXT, XLSX и др.) обрабатываются, консолидируются в суточные и операционные сводки по шаблону в формате XLSX, после чего автоматически формируется итоговый шаблон суточного отчета супервайзера скважины.
Агрегатор «Цифровое бурение» на текущий момент решает две ключевые задачи — мониторинг эффективности проведения работ и предотвращение аварийных ситуаций. За решение первой задачи отвечает модуль «Автоматизированный мониторинг эффективности строительства скважин», задача которого состоит в получении данных со всех измерительных устройств буровой для автоматического расчета ключевых показателей эффективности:
- парсинг Excel- и PDF-файлов с проектными данными из программы бурения и сетевого графика;
- автоматическое определение атомарных, составных операций, технологических этапов с применением технологии обработки сложных событий (Complex Event Processing, CEP);
- разбиение информации по секциям строительства и по бригадам;
- мониторинг датчиков и приборов; расчет ключевых показателей эффективности и их рассылка пользователям.
Прогнозировать с помощью нейронной сети возникновение проблем и аварийных ситуаций в процессе строительства скважин позволяют функциональные возможности модуля «Снижение аварийности скважинных работ»:
- накопление и систематизация данных по строительству скважин с систематизацией аварийных ситуаций и осложнений;
- подготовка прогнозной нейросетевой модели для каждого вида аварий и осложнений;
- предсказание аварийных ситуаций в режиме реального времени;
- рассылка предупреждающих уведомлений и рекомендаций по изменению режимно-технологических параметров строительства скважины.
Во всех агрегаторах собраны стандартные бизнес-процессы разработки месторождений, на протяжении многих лет применяемые в отрасли. При сохранении самого бизнес-процесса меняется технология его исполнения, начиная от интеграции с учетными информационными системами и заканчивая решениями поддержки безлюдного производства, способными самостоятельно принимать решения. Однако процесс изменения самих бизнес-процессов более инертен, что, тем не менее, не исключает отказа от устоявшихся бизнес-схем или их трансформации: организация генерального подряда при строительстве скважины, удаленное руководство строительством, авторский надзор за процессом строительства скважин и т. д.
Жизненный цикл нефтяных и газовых месторождений включает в себя множество разнообразных работ и исследований — от геолого-разведочных работ до консервации месторождения. В перспективе планируется создание и развитие агрегаторов для каждого этапа жизненного цикла: сейсмический агрегатор — для решения задач в области геологоразведки; агрегатор геохимических исследований — для разработки и интенсификации месторождений; и др. При создании каждого из таких агрегаторов в том или ином виде будут решаться и задачи роботизации.
***
Роботизация бизнес-процессов уже в среднесрочной перспективе позволит отрасли добычи углеводородов минимизировать риски для исполнителей работ (в частности, при работе в неблагоприятных природно-климатических условиях), ускорить процесс принятия решений, сократить сроки выполнения операций и повысить эффективность разработки нефтегазовых месторождений в целом.
1. Владимир Турчанинов. Программная роботизация в нефтегазовой индустрии // Открытые системы. СУБД. — 2019. — № 02. — С. 24–25. URL: https://www.osp.ru/os/2019/02/13054963 (дата обращения: 01.09.2020).
Сергей Косенков ( kosenkov@nposngs.ru ) — руководитель ИТ-проектов, «Союзнефтегазсервис», Владислав Балашов ( vladislav.balashov@gmail.com ) — научный сотрудник, ИПМ им. М .В. Келдыша РАН (Москва). Статья подготовлена на основе материалов, предоставленных для доклада на конференции « Роботизация бизнес-процессов — 2020 ».
DOI: 10.26295/OS.2020.10.25.002
