Отрасль разведки и добычи нефти и газа (O&G) постоянно сталкивается со многими проблемами, такими как быстро меняющиеся рыночные условия, нормативные требования, нестабильные цены и колебания мирового спроса. Нефтегазовые компании неустанно стремятся повысить свою операционную эффективность, снизить себестоимость продаваемых товаров, максимизировать выручку и размер прибыли. Поскольку компании пытаются справиться с давлением цен и спроса и бороться за долю на мировом рынке, ценность использования преимуществ аналитики сейчас важна как никогда. Хотя лидеры отрасли используют аналитику для получения конкурентного преимущества, правда заключается в том, что большинство компаний в этом секторе лишь поверхностно используют потенциал аналитики. Согласно опросу Accenture Strategy[1], только 15% респондентов считают себя зрелыми в применении аналитики в своем бизнесе. Мы увидим, как крупные нефтегазовые компании, такие как Shell, ExxonMobil и ADNOC, используют аналитику для улучшения процесса принятия решений на трех примерах. Мелкие игроки в отрасли должны сосредоточить свои усилия на улучшении своих аналитических способностей, а основное внимание высшего руководства должно быть сосредоточено на следующих четырех темах: культура, повышение квалификации, данные как актив, избежание пилотного чистилища (т. е. застревания в пилотном режиме). ).

Ценность аналитики

Аналитическая структура любой организации может быть разделена на две категории в зависимости от сложности требуемого анализа: информационная аналитика и расширенная аналитика (рис. 2). Первый включает в себя отчеты и информационные панели, по сути, «что» и «почему», а второй состоит из прогнозной и предписывающей аналитики. Промышленность собирает огромное количество данных о поверхности и недрах каждую минуту, но лишь небольшой процент этих данных используется для принятия решений. Более того, анализ этих данных и получение информации из них представляет собой реальную проблему, поскольку большая часть этих данных неструктурирована и разбросана по разным хранилищам.

Чтобы добиться успеха в новом энергетическом ландшафте, недостаточно просто полагаться на аналитику информации. Компании должны сосредоточиться на расширенной аналитике, такой как предписывающая аналитика, машинное обучение и искусственный интеллект. Расширенная аналитика может помочь нефтегазовым компаниям принимать решения на основе данных и решать проблемы по всей цепочке создания стоимости. Вот несколько приложений аналитики в цепочке создания стоимости разведки и добычи [3]:

Исследование

· Методы классификации и нейронных сетей для выявления закономерностей в сейсмических данных

· Обеспечивает более надежный способ определения характеристик коллектора

Оценка

· Характеристика коллектора включает анализ огромных наборов данных, собранных из сейсмических данных, испытаний скважин, анализа керна и испытаний скважин.

· Собирайте информацию из исследовательского анализа данных (EDA) собранных данных с использованием методов визуализации данных, таких как SAS Visual Analytics.

Бурение и заканчивание

· Аналитика может выявлять тенденции и выбросы, которые могут быть неочевидными.

· Анализировать ключевые показатели эффективности, такие как стоимость бурения за метр, количество дней бурения на общую глубину, чтобы понять производительность и определить стратегии улучшения

Улучшение производства

· Выявление скважин, требующих восстановительных работ, с использованием таких методов, как многофакторный анализ, кластеризация, деревья решений и самоорганизующиеся карты (SOM).

В ходе анализа, проведенного в 2018 году[4], Accenture Strategy установила, что нефтегазовые компании, применяющие расширенную аналитику, могут сократить свои затраты на разведку и добычу до 30 %, что, по оценкам, составит 4,5 триллиона долларов США в течение следующего десятилетия. Расширенную аналитику можно использовать для реализации ценности в различных областях, таких как управление портфелем, развитие активов, операции и коммерциализация, в результате чего рентабельность инвестиций примерно в четыре раза превышает базовую (рис. 3).

Аналитика в действии

Пример 1. ExxonMobil,одна из крупнейших в мире публичных международных нефтегазовых компаний, первой в отрасли применила технологию автономного бурения на большой глубине с использованием искусственного интеллекта для определения идеальных параметров бурения. Эта технология повышает безопасность и эффективность операций и устраняет повторяющиеся задачи для персонала на месте. Несмотря на высокие устремления ExxonMobil, она также столкнулась с некоторыми трудностями в своем аналитическом пути. Во-первых, сбор данных и их организация для получения любой значимой информации — это очень трудоемкая и сложная задача, поскольку данные разбросаны по тысячам различных приложений. Далее следует проблема с набором навыков: их экспертам в предметной области не хватает набора инструментов для практиков в области аналитики и науки о данных.

Для своего проекта в Гайане — открытия новой морской нефти — ExxonMobil сотрудничала с IBM[5] и построила современную платформу данных. Эта платформа данных позволила аналитике и искусственному интеллекту ускорить разработку проекта и добиться более быстрой окупаемости инвестиций. Команда инженеров и геологов смогла сократить цикл планирования проектирования бурения новых скважин с девяти до семи месяцев. В отрасли, где компании конкурируют за первую нефть, это значительное достижение. В то же время им также удалось сэкономить примерно 40% времени на подготовку данных. В настоящее время ExxonMobil планирует внедрить свои передовые аналитические рабочие процессы в коммерческих проектах Гайаны для обработки как наземных, так и подземных данных.

Пример 2. Shell — международная энергетическая компания, специализирующаяся на разведке и добыче. Она работает более чем в 70 странах мира и производит 3,7 млн ​​баррелей нефтяного эквивалента в сутки[6]. Shell разработала собственную облачную аналитическую платформу самообслуживания с использованием широкого спектра технологий (рис. 5), чтобы помочь своей команде инженеров генерировать новые идеи. Как процитировал генеральный директор Microsoft: «То, что происходит в Shell, довольно удивительно. У них очень продуманная стратегия использования ИИ во всех сферах деятельности… от буровых работ до обеспечения безопасности на… торговых станциях Shell». Shell использует прогностическую аналитику для оптимизации запасов и профилактического обслуживания[7]. Стоимость непроизводительного времени из-за отказа оборудования на предприятиях «Шелл» значительна. Используя машинное обучение (ML) и прогнозную аналитику, Shell предсказывает, когда следующее оборудование выйдет из строя, и заранее предотвращает простои.

Некоторые из деталей, используемых в их подводных объектах, большие, дорогие и часто требуют длительного времени изготовления. Применяя аналитику к своим историческим запасам, Shell оптимизирует уровень своих запасов, тем самым помогая своим аналитикам запасов принимать более правильные решения относительно количества запасных частей.

Пример 3. Национальная нефтяная компания Абу-Даби (ADNOC) – это государственная нефтяная компания в Объединенных Арабских Эмиратах. Имея производственные мощности более 3 миллионов баррелей нефти в день, ADNOC является одним из ведущих мировых производителей энергии. Раньше фирма использовала трудоемкий процесс классификации характеристик образцов горных пород. ADNOC и IBM развернули первое в своем роде решение для когнитивной классификации горных пород, используя машинное обучение и искусственный интеллект, смоделировав его на основе технологии, используемой для идентификации цветов[8]. Этот новый аналитический подход дал ADNOC возможность классифицировать до 25 000 изображений горных пород в тонких срезах в день, экономя время и энергию геологов. Этот новый подход также увеличил скорость доставки и согласованность образцов породы резервуара и ускорил построение модели, чтобы снизить риск их многомиллиардных решений по разработке резервуара.

Нарушить статус-кво или быть нарушенным

В последние годы аналитические инструменты и технологии развивались огромными темпами. Тем не менее, правда в том, что большинство компаний нефтегазового сектора не внедрили аналитические системы в свою повседневную деятельность. Большинство решений по-прежнему принимаются на основе опыта и практического опыта. Согласно исследованию McKinsey[9], типичная морская платформа работает на 77% своего производственного потенциала. В масштабах всей отрасли этот отставание составляет около 200 миллиардов долларов США годового дохода.

Чтобы быть конкурентоспособными в постоянно меняющейся среде, нефтегазовым компаниям необходимо использовать расширенную аналитику для улучшения операций, повышения эффективности и улучшения процесса принятия решений. Прежде чем приступить к аналитическому путешествию, компании должны ответить на следующие вопросы: как выглядит успешная трансформация, каков путь вперед, каковы проблемы и как они могут использовать возможности аналитики. Основное внимание высшего руководства должно быть сосредоточено на следующих четырех областях:

1. Культура. В нефтегазовых компаниях доминируют инженеры, проработавшие в компании много лет. Такие организации предпочитают детальное планирование и тщательный анализ отказоустойчивому подходу. Сотрудники вознаграждаются не за инновации, а за осторожность и игру по инструкции. Только треть нефтегазовых компаний открыты для внешних талантов[4]. В центре внимания высшего руководства должно быть привлечение молодых талантов из других дисциплин, которые ценят инновации и креативность.

2. Повышение квалификации сотрудников. Бизнес-аналитика охватывает широкий спектр навыков, а компетенция нефтегазовых компаний в этой области ограничена. Повышение квалификации сотрудников во всех этих областях может быть дорогостоящим и трудоемким. Лидеры должны решить, какие компетенции им необходимы, чтобы воплотить свое видение в реальность, и сосредоточить свои усилия на конкретных навыках. Вместо того, чтобы разрабатывать внутреннюю программу обучения, компаниям следует обратить внимание на другие экономически эффективные методы, такие как МООК и учебные лагеря.

3. Данные как актив сосредоточьтесь на построении экосистем. Данные — это основа аналитики. Стратегия данных и аналитики должна обсуждаться на уровне топ-менеджеров. Высшее руководство должно поддерживать инициативы и не относиться к ним как к еще одному ИТ-проекту. Более 50% компаний все еще реализуют незрелые проекты, такие как хранение больших данных и визуализация данных1. Заглядывая в будущее, компаниям следует переключить свое внимание на разработку более сложных аналитических экосистем. Сеть цепочек поставок нефтегазовых компаний сильно фрагментирована. Например, на сланцевом месторождении требуются услуги компаний, занимающихся бурением, строительством наземных сооружений и других компаний, занимающихся транспортировкой песка и воды. Сложно интегрировать данные всех этих разных небольших компаний, чтобы реализовать масштабный аналитический проект. Создание экосистемы межотраслевых игроков, которые работают вместе, — это путь к прорыву и ключ к успеху.

4. Начните с простого, масштабируйте быстро. Организации должны сосредоточиться на небольших действиях. Успех внедрения аналитики заключается в запуске коротких, относительно быстрых для реализации проектов, которые оказывают значимое и измеримое влияние. Затем руководство может выбрать те пилотные проекты, которые принесли значительную пользу, и разработать дорожную карту, чтобы быстро расширить их до большего масштаба.

Славные дни нефти и газа подходят к концу. Компаниям нефтегазовой отрасли предстоит долгий путь к развитию аналитических возможностей мирового класса, но сейчас самое время действовать. Компании, которые не смогут адаптироваться к новому энергетическому режиму, скорее всего, потерпят неудачу. Другие, кто сможет раскрыть свой потенциал данных, использовать расширенную аналитику и извлечь ценную информацию из своих данных, станут лидерами отрасли.

Ссылки

[1] Accenture Consulting: Более глубокое погружение в цифровые технологии, Обзор цифровых тенденций в сфере разведки и добычи нефти и газа, 2017 г.

[2] Shell: Striking(Liquid) Gold с расширенной аналитикой самообслуживания — Inspire Europe 2017, https://www.youtube.com/watch?v=LMUHSR-JPTo

[3] Технический документ SAS: Аналитика нефтяных месторождений: как новые идеи снижают неопределенность геологической среды и неограниченный риск

[4] Стратегия Accenture: Как вы конкурируете с бесплатными,

https://www.accenture.com/ca-en/insights/strategy/oil-gas-compete-free

[5] https://www.ibm.com/blogs/journey-to-ai/2019/09/extracting-the-lifeblood-of-ai-at-exxonmobil/

[6] https://www.shell.com/about-us/who-we-are.html

[7] https://www.shell.com/energy-and-innovation/digitalisation/digitalisation-in-action/industry.html

[8] https://www.ibm.com/services/client-stories/adnoc

[9] McKinsey Insights: как подключение к нефтяным и газовым сетям может способствовать повышению производительности