数字化时代的钻井
时间：2018-09-28 16:07
来源：
在数字世界中，正是软件推动井规划和井建设、工作流程、培训及安全方面发生了巨大变化。1965 年，英特尔的创始人之一戈登·摩尔预测，集成电路上的晶体管数量每两年增加一倍。也就是说，他相信计算能力每两年会翻一番。根据信息技术专家组 2015 日公布的一项研究，为纪念摩尔先生预测 50 周年，现在被称为摩尔定律，计算能力在 1965~2015 年间会增加万亿倍。这意味着今天我们手中的智能手机比二十世纪 80 年代充满整个房间的超级计算机的能力更大。
在过去的数十年里，计算能力的进步使得软件开发人员能够构建更强大、更复杂的数据分析、机器学习和人工智能（AI）工具，这些工具几乎改变了所有行业。预测分析帮助航空和电力行业避免了意外停机。人工智能和机器学习为无人驾驶汽车提供动力。人工智能还被用于改善病历记录和天气预报。在过去的几年，数字技术也开始重塑钻井行业。对于钻井承包商和运营商来说，技术进步以优化操作为目标，通过消除非生产时间和无形损失时间，防止工作人员受伤并使最大限度地保持工作效率。先进的技术如数据分析、人工智能、机器学习和虚拟现实（VR）等也正在改变企业如何管理库存的方式，如何确定布井方案和压裂布置，甚至是如何培训员工的方式。
德勤公司（Deloitte）能源部负责人 Slaughter 表示，这些先进技术创造的潜在价值正在以数十亿美元衡量。“可以说它无处不在，从正常运行，到增加生产、预防性维护、物流、供应链和更多的钻机自动化”，因为上游产业每年要花费大约 5,000 亿美元或更多的资金来维持和发展业务，即使应用数字技术增加 1% 的生产率，每年也可能会带来高达 500 亿美元的收益。企业越来越多地使用数字技术，数字技术的成本在下降。传感器尤其如此，它们是先进的分析及数字技术的支柱。Slaughter 表示：“近年来，低成本传感器确实产生了一些变化，在设备上安装传感器，收集相关数据，来提高可靠性和提高在该领域的作业绩效，这一直是该行业数字化转型的重要组成部分。 ”
然 而， 德 勤 咨 询（DeloitteConsulting）公司负责人达蒙·瓦卡罗表示，数字化转型不仅仅关乎技术，企业文化和商业模式也必须跟进。特别是，为了在数字世界中取得成功， 除了传统商业伙伴之外，企业需要欣然接受更多的协作，寻找他们以前可能没有考虑过的商业伙伴。随着企业变得越来越数字化，这不仅仅是一场技术比赛，更是一场全面的比赛，要求他们审视自己的运营、 文化以及完成工作的方式。“在数字世界，企业需要关注初创企业，这对钻井来说是适用的，因为有不同的初创企业会专注于人工智能和先进分析的。
核心数字化核心数字化的主要运营商，壳牌公司将其解释为利用先进的数据分析将现有技术应用到上游领域现有商业模式，来提高库存管理和地震资料解释。壳牌公司战略副总裁卡坦德克表示，如果想到数字化，就会将数据转化为可行的见解——转化为金钱。“我相信数字化将改变我们的产业并创造价值。 我认为，近海行业最大的价值在于核心业务的数字化——更好地利用现有技术，带来价值，创造运营效率。”壳牌公司采用这种方法的一种方式是在地震资料解释方面，将机器学习应用于高分辨率和 4D 地震数据集。当地质学家手工从这些数据集中选出断层时，这是一个耗时的过程。 “通过使这个过程自动化，地球科学家可以解放出来专注于高价值的活动。”卡坦德克说：下一步是利用人工智能来帮助识别钻井目标。看看我们如何让计算机选择我们的下一个探索前景，这不再是幻想了。”
库存管理是运营商努力更好利用现有数据以优化性能的另一个领域。 壳牌公司开发了一种分析工具，可以查看资料，比如某一特定设备的订单和装运，以确定需要存储哪些设备，以及应该提供多少备件。确保必要的组件总是可用，还可以帮助优化维护计划，防止由于部件等待而导致的延迟和停机。这种方法已经允许运营商降低墨西哥湾的库存成本。“通过扩大规模并在全球范围内工作，我们可以节省数亿美元的成本”卡坦德克说。在下游领域，壳牌公司已经超越了核心业务的数字化，采用新技术来创建新的商业模式。例如，该公司已开发一个数字平台，用户可以通过这个平台订购汽油，将其运送到家庭或工作场所，而不必在加油站加油。他表示 :“我们可以在上游领域做一些类似的事情，创建一个近海优步 （Uber） ， 当需要船只时，它就会出现在那里。”为 了 开 发 与 计 算 技 术 同 步 的解决方案，壳牌公司正将其所谓的“最小可行产品方法”应用到数字项目中。
AI 应用于地下
在库存管理和预测维护等领域，在采用数字技术方面取得了相当大的进展，企业可以借鉴其他行业的经验。“无论在零售行业还是汽车行业，都可以使用类似的人工智能工具来储存库存”地球科学人工智能公司 Quantico 能源解决方案的首席执行官 Barry Zhang 说。另一方面，有些挑战对于钻井来说是独一无二的，比如描述正在钻探的油井的岩石性质。“但是，如何在深水区尽可能地钻出那口井，或者如何在得克萨斯州西部尽可能地钻出那口井呢？这不能指望其它领域。Quantico 推进人工智能的开发，以描述地下和岩石的特性，从而优化钻井效率和压裂布置。
该公司将专有的人工智能算法用于钻井过程中收集的数据，存储在 电 子 钻 井 记 录 仪（EDR）， 以及操作人员提供的历史现场数据和Quantico 先前的现场运行数据，生成描述岩石性质（包括剪切、压缩和密度）的测井曲线。使用人工智能算法创建的测井与使用传统测井工具生成的测井，具有相同的精度。2017 年，某石油巨头将基于 AI 测井的精度与深水随钻测井的精度相一致。然而，由于测井是通过分析已收集到的数据生成的，所以操作员不需要钻井时下入 LWD 工具。迄今为止，该技术已在 150 多口油井中得到应用，主要是在美国大陆上，还有墨西哥湾深水区和北海地区。
近来，该公司一直在推出实时钻井服务 QDrill。它分析 EDR 的伽 马 射 线、 测 量 和 资 料， 如 钻 压（WOB）和钻速（ROP），以确定地层的无侧限抗压强度（UCS）和进入钻机的单位机械能（MSE）。UCS 是破裂岩石所需要的能量。如 果 钻 井 效 率 高， 用 于 钻 井 平 台（MSE） 的 能 量， 应 该 会 与 UCS的趋势类似。换句话说，可以应用破裂岩石的能量和旋转钻柱所需的能量。如果 MSE 和 UCS 不同步，这就意味着钻机没有有效地钻井，这可能意味着钻井功能不正常，或者钻头和刀具可能出现过早磨损。
这些信息可以帮助司钻做出实时决策，比如为了保护钻头而减慢速度，或者在不坚硬地层的井段加速，这样高速钻井不会造成低效。“如果司钻无法实时看到岩石上实际发生的情况，那就相当于根据方向盘和悬挂的感觉驾驶汽车，而看不到路面。展示岩石如何随着人工智能的改变而改变，实际上可以看到道路。QDrill 服务使用人工智能提供关于 UCS 和 MSE 的实时数据，附加服务还可以通过应用人工智能来确定如何调整 WOB 或 RPM 等参数，从而为司钻提供如何更有效地钻井的建议。
微信公众号
微信视频号
京公网安备11010502053156号