现代的开放式架构设计正在释放石油工业上游数据的价值，以提供更高效、更安全的工作流程，满足提高投资回报率的目标。长期以来，油田服务公司在上游油气行业的技术进步中发挥了关键性作用。作为设备和专业知识的一线提供者，从最大的国有石油公司到最小的独立石油公司，都在依靠这些服务公司来推动技术创新，在一个广泛的经济条件下提高该领域的运营绩效。

上游石油和天然气行业看到的每一项技术创新，从越来越耐用的聚晶金刚石钻头到能够承受20,000psi工作压力的海底防喷器，都有一个共同的因缘，那就是提高投资回报的驱使力。产出价格的波动，加上降低资本支出的压力，都是关键的驱动因素。该行业对其运营安全的深刻的文化承诺，也在技术创新和新工艺的开发中发挥了作用。

油气行业的第四次工业革命

第四次工业革命的复兴正值油田服务业的关键时刻。随着钻井技术的成熟和筒仓式的计算机化过程达到其极值，这种不断发展的数字技术空间正在为生产、正常运行时间和效率创造一个新的视野，其中所运用的数据源于多数据源的有效整合。

一家领先的数据和分析公司GlobalData表示，上游石油天然气行业正在为寻找新的储量或油气资源、新的开采技术以及自动化操作而大力投资。尽管在这一过程中涉及到一些风险，但精通技术的企业明白，今天的投资会在未来带来巨大的回报。无论资产类型如何，当务之急是推广新技术，意在优化油气采收率，最大限度地提高产量。

GlobalData公司颠覆性技术分析师Abhishek Paul Choudhury表示：“石油和天然气公司正越来越多地采用智能自动化以及其它的数字推动技术来整合海量数据，并从中获得有用的见解，以简化已定义的上游价值链中复杂的现场活动。物联网技术与人工智能算法相结合，正在开展筛选和发现最佳油藏涵盖面积选择、改进地下油藏建模、提高钻井绩效的行动”。

数据民主化

就像任何以技术驱动的行业一样，油田服务公司必须克服一些关键挑战才能充分获得可用的系统数据的价值。这就是有时被称为“暗数据”的说法，也就是系统能生成比立刻适用的更多的信息。因此“暗数据”往往未被探索。其他的时候，系统是在一个真空环境中创建的，旨在以专有方式工作，很少考虑它们与其它地方开发的产品如何进行整合。

数据挑战是以几种不同的方式显现出来的，高质量的数据不容易跨产品整合；孤立的产品意味着筒仓式数据（或“数据孤岛”）非常深奥，但没有广度；这种广度的缺失强化了一种“不是在这里发明的”思维倾向，导致公司与公司之间创新努力的重复。

第四次工业革命给油田服务公司带来的是跨越这些数据孤岛与工程学科之间整合数据的能力。现代的开放式架构设计正在释放所生成的包括地震勘测、钻井项目设计以及人工举升效能所有这些上游数据的价值，目的是提供更高效、更安全、能满足提高投资回报目标的工作流程。

开放式架构环境的自动化

油田服务公司正在开发自己的开放式架构环境，客户的数字团队可在整个数字化生命周期中概述他们自己的旅程。

哈里伯顿最近推出了他的DS365.ai（一种通过授权快速训练预建模型，或在运营中创建和部署创新的机器学习解决方案，意在增强地下、钻井和生产的工作流程，从而提高企业能力，扩大企业规模的服务）云服务，通过智能自动化加速数字化转型。行业特定的人工智能和机器学习模型在该公司的OSDUTM数据平台上运行，利用了iEnergy® 云的可扩展架构。数据工程师和数据科学家们能够大规模地设计、开发和部署AI模型，或快速训练机器学习模型。

在DS365.ai环境中，参与者可以访问和修改开源数据模型，并在整个社区分享他们的工作，包括一个熟悉的五星级排名系统。模型可作为独立服务予以提供，也可以集成到更广泛的应用中，包括辅助岩性解释、地震引擎和实时油井工程范畴。哈里伯顿的DS365.ai服务实现了快速的投资回报，大规模部署了70多个项目和60多个人工智能/机器学习模型。积极的财政成果包括一家国有石油公司预测的一次人工举升故障，主动地为60口井节省了400万美元的维修成本。在拉丁美洲，一家独立的石油公司利用DS365.ai服务，运用一种机器学习地震转换方法，减少了不确定性，从而将建模周期时间缩短了70%。

贝克休斯已使其JewelSuite 应用程序在微软的Azure Marketplace平台上运行，简化了Azure云平台上人工智能和机器学习应用程序的部署与管理。在线市场产品通过“免税增值”模式提供对贝克休斯集成油田开发和油井施工应用程序的即时访问，为更复杂的应用模块提供分层服务计划方案。Azure Marketplace 中的 JewelSuite作为客户订阅Azure服务的一部分，使用客户自己的技术软件基础架构进行操作，将地下数据运用于JewelSuite应用程序中。这个订阅模型使客户能将软件许可和支持成本降低高达30%。JewelSuite地下建模应用程序能够快速创建精准的地质模型，随时更新和修改新井信息，帮助实现最佳的油田开发和提高产量。壳牌是目前使用JewelSuite的30多家客户公司其中之一。

斯伦贝谢正在与AVEVA（一家工业软件领域的全球领导者）合作，在其DELFI™认知的勘探与开发环境中连接边缘、人工智能和云数字系统，优化能源公司获得、处理和应用现场数据的方式，提高井场作业效率，更好地管控设备运行，以及提高生产绩效。通过这种合作，两家公司的物联网和云服务功能都交付给上游市场，包括AVEVA的Pi System数据管理平台功能，以及斯伦贝谢的领域专业知识和分析功能，这些功能由Agora（一个领先的视频、语音和实时交互式流媒体平台）边缘和DELFI环境下的物联网解决方案提供。

斯伦贝谢数字与系统集成总裁Rajeev Sonthalia表示，“此次合作将我们的边缘和云解决方案与AVEVA PI系统结合在一起，无缝地释放了对数据的访问，加速了洞察力和行动实施。通过与AVEVA在DELFI环境中整合我们的领域专业知识、安全边缘技术和数字应用程序，我们将能帮助客户提高效率，改变他们的生产运营”。

物联网技术的快速发展

改善机器对机器的通信，从虚拟传感器收集信息，获得新的洞察，将使油田服务提供商能够增加数据体量和种类，以推动决策过程，同时寻找提高运营效能的新方法。

威德福对其远程操作、可视化、边缘自动化以及与人工举升作业相关的人工智能产品重新产生了兴趣。这是因为测量压力、温度、振动和流量等额外传感器或控制器的引入所引起的。然而，事实证明，预算的限制对完全整合这些新技术所需的大量资本投入带来了挑战。

虽然很大一部分采用人工举升的油井已经拥有了传感器和自动化设备，但其中的大部分都是在过时的技术基础上建立的，这些技术只能用于在预设操作的设定值下执行基本的控制功能，这些设定值由井场的生产工程师通过SCADA软件工具来设定。SCADA软件通信的局限性意味着这些控制器通常是以过时的设定值在运行，经过优化在安全限值下运行，可应对储层状况的变化或其它物理特性的变化。

威德福正在将其ForeSite Edge智能设备运用于这些现有的装置，最大限度地利用井场已有的数字设备，同时整合经过验证的举升优化和油井建模技术。无论是使用网站上已有的控制器来实施，还是作为独立设备安装来实施，该系统将现代的、经过验证的控制模型、加上先进的人工智能功能，来提高油气产量，降低作业成本。

国民油井Varco（NOV）正在解决在为加工技术引入数字产品时一个常见的问题，这就是整个设施中缺乏足够的传感器的问题。虽然先进的工艺流体的在线表征呈现出一个有价值的结果，但一个工艺系统中的许多仪器并未被充分用于工艺优化。

虚拟传感器可以数字生成，用来测量物理传感器无法使用或现有系统无法充分发挥其潜力的参数。例如，为了防止水合物积聚，用于出油管的单乙二醇积聚监测装置能使石油公司降低系统堵塞以及与之相关的停工的风险。

国民油井Varco的MEG过程智能管理器可降低运营花销，促进低人力作业。虚拟传感器可预测取料机中关键离子的积累量和固体的沉淀量。模拟器与进料机上可用的二级传感器数据相关联，根据以离散间隔进行的实际流体测量结果进行校准。这样就允许根据来自辅助传感器的输入数据，在流体样本之间连续对模型进行更新。

在问题发生之前解决问题

通过数字化技术弄清楚作业中机械系统的运行状态，可以减少甚至消除海上钻井作业中计划外的停工时间。贝克休斯正在努力整合海上钻井作业人员、流程和技术，以找到一个可靠和确定性的基准，以最少的钻机停工为作为首要目标。在现代深水钻井项目中，由于计划外的电力供给，数百万美元的投入可能会遭遇损失。

贝克休斯的Sealytics（一种设计用于与第二代防喷器无缝匹配的控制系统）与海底钻井控制系统集成于一体，能够提供连接原始设备制造商规定的维护计划、以及设备所有者执行所要求的保真度。其结果是一个可全面掌握系统的状况，系统正在进行的操作，建立起一个护理、监管和控制的链条。

贝克休斯海上钻井系统副总裁Chuck Chauviere说，“一旦你拥有了这方面的进展，你就可以开始应用简单的东西，如周期计数。我们可以监测周期性事件，以及钻井作业中周期事件发生的地点。然后，你可以开始将其与平均故障时间的工程学科相结合，开始改进设备的性能。在此之前，我们只是有了基于时间的处方”。

Sealytics提供了将运营结果中的维护要求整合到未来计划内系统停机时间的可见性。这种数据驱动的知识能够根据系统在现实世界条件下的使用方式，实现计划内的事件维护，包括预防性任务。

边缘设备连接到海底防喷器控制系统，可以访问多个直接的传感器，Sealytics还可以访问一系列间接的传感器，测量压力、温度和时间。基于这些数据，Sealytics算法能够根据用户输入的数据对整个防喷器系统的物理状态进行建模。

Chauviere说，“Sealytics使用这些数据表明，‘当你告诉系统做一件事时，就会发生另外一连串的事件’。正是这样，我们才能利用我们的主题专家来理解系统正在创建的图画，一幅多彩的数据集画卷。然后，可以将这些数据发送到陆上，放入一个更广泛的数据湖中，这样我们就可以获得更丰富的数据体验，然后对类似的设备群进行更广泛的评估，这样我们就可以开始开发一个更丰富的数据集。”