石油圈
數字化轉型不僅是企業5-10年、甚至更久的長遠戰略規劃，也是一個個具體數字化行動的落地。
作者 | 許自強
如今，數字化轉型已經成為油氣行業降低成本、更快更好地做出決策、提高效率的重要抓手之一。國際數據公司IDC對數字化轉型的定義：利用數字化技術（例如云計算、大數據、移動、社交、人工智能、物聯網、機器人區塊鏈等）和能力來驅動組織商業模式創新和商業生態系統重構的途徑和方法，其目的是實現企業業務轉型、創新、增長。數字化核轉型的核心是業務的轉型。
石油行業數字化轉型的主要技術，無外乎云、大、物、移、智（云計算、大數據、物聯網、移動互聯網、人工智能），再加上數字孿生技術。
這些技術聽起來挺高大上，感覺離我們相距甚遠。事實上，這些技術與油氣行業息息相關，只是相對于消費領域來說，油氣行業的數字化轉型慢了，所以才給人這種印象。區塊鏈技術的的應用目前看來集中在能源交易、煉化等方面，對于上游的勘探開發還沒見到有大的動靜，因此暫不展開描述。本文將著重探討石油行業上游數字化轉型的主要技術，以及目前的應用情況。
01. 云計算、云存儲、平臺化、生態化
云計算把許多計算資源集合起來，通過軟件自動化管理，解決了物理機使用效率低、成本高的缺點，理論上計算和存儲資源可以看成是無限擴展的。傳統的做法是購買集群，比如CPU集群、GPU顯卡，與云計算相比，這種做法的缺點是持續投入，成本較高，機器資源利用率低，運算高峰時算力永遠跟不上算法的改進更新，換句話說，算力永遠不夠用，而同時機器又不是永遠在滿負荷運行。很多新技術不能用或者用不起，還是受制于算力不足，隨著勘探開發的數據向PB級邁進，包括新技術應用對現有運算能力與存儲能力提出新的挑戰，因此采用云計算是數字化轉型必須面對的。
在國外很多油服公司已經采用云計算，例如斯倫貝謝旗下的OMEGA地震處理軟件用的就是GOOGLE云，鉆井軟件平臺用的是微軟Azure云，帕拉代姆也用的是微軟Azure云。跟國外相比，國內的油服公司采用云計算的幾乎沒有。因此在算力競爭上，我們與西方大的油服公司存在較大差距。2019年9月18日，華為云部署了全球最快的AI訓練集群Atlas 900，它由1024顆昇騰芯片組成，算力達256P～1024P FLOPS（單位每秒/千萬億次），它一套集群算力就相當于幾百個中型數據處理中心的全部算力，未來與國內的IT企業合作或許成為國內石油企業進行數字化轉型的一個選擇。
在數字化轉型方面，建立勘探開發生產一體化的云平臺，進而建立一個生態系統，進行智能協同研究，是國內外大的油氣公司和服務公司共同的目標。如果說云計算實現了硬件的云化，那么建立云平臺，相當于進行軟件的的云化。傳統的勘探開發生產模式是各個環節都用專門的軟件，各個專業人員也是各自為戰。實際上軟件種類繁多，數據格式也不統一，每個業務環節數據的交換非常不便，而上下游產業鏈的業務環節往往是有重疊交叉的。因此軟件多、系統多、數據孤立、研究重復，需要建立一個統一的技術平臺，這個平臺要實現勘探開發生產等數據的互聯互通，技術上實現標準統一，技術互通融合，各個專業軟件的數據在這個平臺下也能實現數據自由通訊，而不同專業人員可以在一個平臺上進行協同研究。
在國外，斯倫貝謝建立了基于PaaS云平臺的DELFI勘探開發認知環境，支撐E&P全業務鏈協同的共享和智能化研究。而在2019年8月23日，斯倫貝謝宣布將開放其數據生態系統，意圖打造油氣行業的安卓系統。在這個DELFI平臺上，石油和天然氣公司可以部署自己的應用程序，在開源的情況下，斯倫貝謝的數據生態系統將實現跨企業數據源、數據控制和集成的快速改進，并促使供應商和學術界可以貢獻他們的軟件代碼并推廣他們的數字解決方案。利用DELFI ，斯倫貝謝將勘探生產數據上傳到Google的云平臺，這其中包括來自全球1000個3D地震、500萬口井、100萬組錄井和4億組生產數據。
與斯倫貝謝類似，哈里波頓公有云解決方案是建立了一個名為OpenEarth Community的開放社區，由石油公司、服務公司、軟件提供商等等共同發起并成立，旨在為勘探開發行業提供開放共享的軟件平臺，降低成本，加速勘探開發行業的創新，成員包括殼牌、道達爾、CGG、戴爾、紅帽等企業，在這個平臺上，期望建搭建涉及地震、地質、鉆井、完井、數模、舉升等等全產業鏈的業務協同研究環境。
于此同時，國內中石油也不遑多讓，2018年11月17日中石油發布了勘探開發夢想云平臺，勘探開發夢想云核心是“兩統一、一通用”，由統一數據湖、統一技術平臺、通用應用和標準規范 體系組成，統一數據湖、統一技術平臺是通用應用的基礎，標準規范貫穿整個框架，目標是踐行“共享中國石油”戰略，采用新興技術，搭建勘探開發業務共享平臺，實現全業務鏈數據互聯、技術互通、業務協同，推進勘探開發業務智能化發展。
02. 數據湖、大數據分析技術
大數據不單指數據大，盡管數據量巨大是一個很重要的條件。石油行業大數據也有4V特征：
1. Vloume數據量巨大，包括物化探、鉆井、測井、錄井、試油、化驗等等數據；
2. Variedy格式多樣，有結構化的數據，也有非結構化的數據如文檔、圖片、地理信息數據等；
3. Velocity增長速度快，地震數據已經由TB增長到PB，鉆錄測井實時數據也在快速增長；
4. Value價值密度低，即單條數據價值其實并不高，而龐大的數據才蘊含價值，比如單獨的一道地震波并沒有多大價值，然后形成地震體 以后，才能發現規律。
大數據分析是分析所有數據的相關性，包括歷史的和實時的數據。大數據分析，對事物的認識由利用傳統的規則做因果預測，到現在的全數據統計歸納和學習。大數據是人工智能的基礎，現階段很多人工智能產品是大數據喂養出來的。大數據關鍵技術是HaDoop生態系統。
為什么要進行大數據分析？傳統的分析只利用了一部分信息，再利用已有的規則、經驗去預測未來，之所以這么做，是因為以前資源有限，人腦子也不夠用，只能進行數據抽稀使用。而石油行業大數據蘊含著巨大的價值，對物探、鉆完井、船舶、油田生產等各個階段進行大數據分析多維度、多時空的統計和類比，能夠發現小數據所不能找到的規律和知識，進而預測未知的油氣藏或是未來的油氣田生產狀況。例如利用大數據分析技術，建立已有鉆井數據與地震數據的映射關系，利用深度學習等算法，直接得出巖相概率體，指導地質學家找油找氣，從而省卻了大量的地球物理分析過程。類似的對過往的油田生產歷史數據及當前的實時生產數據進行統計類比，可以進行生產調度、安全監測和及時預警報告。
大數據分析目前仍存在諸多難點，數據的整合治理是第一步也是最難的，數據要進行獲取存儲共享和分析，需要格式統一規范，針對此問題，近期出現了數據湖（DATA LAKE）概念，要進行數據入湖。數據湖的定義沒有一個嚴格的說法，它的作用就是建立一個滿足企業涉及的所有數據的存儲，不管是結構化的、半結構化還是非結構化的數據，都可以轉化并支撐多維度應用，建立數據湖也是有利于在不同專業軟件之間進行數據的互聯互通，方便各個業務鏈條進行協同研究。
把所有數據一股腦放到一個“湖”里，期待解決數據孤島問題，這看上去是很美好和令人興奮的事，但現實也面臨諸數據治理問題，用何種工具和方法論實現等問題，不解決上述問題，數據湖可能變成數據沼澤，因此數據湖能否實現初心，還待時間檢驗。
03. 物聯網技術
物聯網是通過各種傳感技術（RFID、傳感器、GPS、攝像機等）和通訊手段，將任何物體與互聯網連接，以期實現遠程監視、自動報警、控制、診斷和維護，進而實現“管理、控制、營運”的一體化的網絡。其總體目標是要實現信息世界和物理世界的完全融合，以期待資源利用智能化，以少投入多產出的生產方式，產生高的經濟效益。
在國外，BP建立了e-field物聯網，利用新技術整合業務流程，對勘探、開發、生產到銷售進行實時、連續、遠程監控管理；殼牌開發的Smart Fields技術將數字化技術與鉆井、地震及油藏監控技術集成以提高產量和生產效率，油田可以實現無任何管理，工程師可以進行實時監控遠程控制。
在國內，中石油“十二五”期間建立了“油氣生產物聯網系統（A11）”，通過這個油氣物聯網，實現了部分環境惡劣的油田生產站點無人化值守，人員精簡效率和效益得到大幅提高。油氣物聯網的建設，提高的不僅是生產效率，降低了用工成本，為企業創效，它還體現了對員工的關懷。
陸地油田的員工不愿長期在沙漠戈壁、人煙稀少的地區工作，同理長期讓員工在海上工作，可能也不是每個海油人愿意的。采用物聯網技術，海上油田勘探開發生產各個環節都可以部署大量的傳感器，自動搜集各種數據信息，這樣油田生產中傳統的經驗管理、人工巡檢和預警，轉變為智能管理、電子巡檢、自動故障預測預警，這將減少海上油田生產的用工成本，消除安全隱患，降低安全風險。采用物聯網技術，可以助力建設無人平臺、智能船舶（物探、勘察、鉆井）等等。
04. 移動互聯網技術
手機上的app，不僅可以購物娛樂社交，同樣對于石油行業來講，也可以開發地球科學的應用程序。個人電腦、手機、平板電腦都可以進行辦公，隨時掌握設備、人員、物料的動態信息，利用手機可以實時監測分析油田生產數據變化，手機也可以操作地震采集、處理的作業。通過移動通信方式，數據采集處理、生產作業、監控巡查等等方面都能進行可視化操作。
現在特別需要注意的是5G通訊技術的發展，這給社會帶來的變化將是革命性的。
5G意味著什么？每秒1G的傳輸速度，那么一天一個終端可以接收100T的數據，相當于一個1000平方地震工區的地震數據大小，用十臺終端就是個把小時的傳輸時間。有這么快速的數據傳輸，那么地域將不是異地協同研究的阻礙，湛江處理的地震數據，分分鐘可以傳到天津進行分析。5G的應用將使得VR、AR沒有了帶寬限制，5G+可穿戴設施，遠程身臨其境的的沉浸式辦公將會實現。利用移動通信技術，專家進行遠程協助，快速發現、解決現場問題，做到“足不出戶，決勝千里之外”。在海油陸地上工作這些應該不難實現，問題在于海上的互聯網帶寬和信號強度至今還受限制，離陸地遠了手機沒信號了，靠海事衛星帶寬又不夠，能否建立中繼站解決這些問題，值得后續觀察。
05. 人工智能技術
人工智能技術往往跟前面四項技術是密不可分的，這些技術之間也是互相嵌套著。人工智能技術三要素包括算力、算法和數據，有了云計算和平臺，有了大數據，再加上機器學習算法，就奠定了人工智能的基礎，人工智能往往與大數據分析合在一起說?，F在國內外都在建勘探開發生產一體化平臺，最終目的都是自動化、智能化。油田生產最終將由建設數字油田過渡到建設智慧油田。建設智慧油田可以實現設備管理優化、生產流程優化、能耗管理優化和預測性維護。
在油氣勘探開發生產過程中，存在著大量的機械重復性的人工交互操作，這些耗費了相當大的人工成本，仍以地震資料處理為例，地震數據整理、速度解釋、初至波拾取、參數測試、層位追蹤、斷層解釋等等至今仍以人工為主，這些是“低價值”的工時，卻占了70%的時間。這還是顯性的人工成本，另外一個隱性人工成本就是人類學習知識、經驗傳承的成本，這個是看不到的，一個成熟的技術人員需要幾年才能掌握知識積累到經驗。油田服務行業的人工智能發展，首先完成的是不同業務上交互操作的自動化，然后再到工作流程的自動化，這兩化消除或減少人工機械性、繁雜重復性的工作，讓人專注于諸如流程制定、質控、決策等高價值的工作，最后實現整個業務系統的智能化。
人工智能在地震資料處理、解釋、儲層預測和烴類檢測中已經開始展開研究，并取得了一些成果，比如速度和初至波自動拾取、地震層位和地震相自動解釋等等，然而現階段這些人工智能技術還是處在單項功能上的進步上，不僅沒有成規模的應用，更沒又發展到到工作流程的自動化，因此仍處于摸索階段。
自2006年深度學習算法取得突破之后，人工智能幾乎就等同于大數據+深度學習。然而近些年深度學習發展遇到了瓶頸，人們發現其學習后是“有結果沒常識”，知其然不知其所以然。2012年谷歌發布了知識圖譜技術，知識圖譜是以結構化的形式描述客觀世界中概念、實體及其關系，將信息表達成更接近人類認知世界的形式。再后來人們結合深度學習和知識圖譜、自然語言處理等技術，發展出了認知計算系統。認知計算具有理解、推理、學習迭代和與人互動能力，它是通過認知技術來增強人類的認知能力，加速提升人類專家經驗，解決現實世界問題。IBM的沃森認知系統可以看做認知計算的代表。IBM沃森認知系統已經在勘探開發、油氣生產、工程技術等方面有成功的案例，比如數據驅動測井自動解釋、地震認知解釋系統、油藏類比分析系統、井下作業認知顧問、鉆井卡管預測、鉆井風險預測認知分析和油田工程建設認知助手等等。認知計算加快了知識和經驗的擴散，提高了專家認知和決策能力，實現了專家知識和經驗的沉淀，提升工作效率和水平，降低了勘探開發中的遇到的風險。
除了IBM的沃森，斯倫貝謝的DELFI勘探開發云平臺、中石油的夢想云平臺和E8認知計算分析平臺等等，都在致力于開發油氣行業的認知計算技術，讓油氣行業真正實現智能勘探開發和生產，從而實現智慧油田。
以上是人工智能軟（軟件）的方面應用，在硬的方面，有一些不適合人類做的高風險作業，比如海上平臺外部結構維護，需要工人用繩索吊在平臺外作業，可以尋求使用智能機器人來完成。
06. 數字孿生技術
今年4月巴黎圣母院燒了，修復工作也立刻被提上議程。幸好，美國瓦薩學院的藝術歷史學家安德魯·塔隆在2014-2015年期間，通過使用激光掃描儀創建了一個完美無瑕的大教堂的數字模型。通過這個數字模型不僅建立起大教堂的三維圖像，巴黎圣母院已經在虛擬世界中得到永生，數字模型或許也能夠幫助巴黎圣母院的修復，讓其“重生”。
什么是數字孿生技術？
2018年數字孿生概念爆紅，其實最早阿波羅登月時就有類似數字雙胞胎的技術，阿波羅13號救援隊通過使用鏡像系統來探索開放空間和模仿宇航員回家。數字孿生(Digital Twin)是指以數字化方式再現一個物理對象，模擬對象在現實環境中的行為，對工藝過程乃至整個供應鏈進行模擬計算。從仿真的視角，可以將數字孿生理解為：針對物理實體建立相對應的虛擬模型，并模擬物理實體在真實環境下的行為。
油服各種裝備建造和服務，首先也可以先進行仿真建模，再投入生產，數字孿生技術當然可以應用其中。數字孿生更重要的是模擬一系列工藝流程，海上油田生產，一經開始就不能輕易關井停產，然而各種作業調整、設備維修、檢測、防護及突發事件往往又影響到實際生產，因此數字孿生技術可以在不涉及物理實體的情況下對上述情況作出仿真模擬，以確定應對決策方案。
以BP公司油田生產模擬與監控系統APEX舉例。石油從海底巖石流到井筒與立管，再流入復雜的石油管道網絡，最后留到原油加工基礎設施，期間的石油的流動路徑千萬條。石油工程師每天都要選擇，利用繁瑣的計算，確定打開哪些閥門，施加哪些壓力，注入多少水。以往這些操作都需要個人的技能經驗，決策制定既復雜又冗長，還存在巨大風險。而現在利用孿生體模擬與監視系統，能夠以數字形式重現真實世界設施的每個元件，快速模擬即將發生的事情。以往需要進行某條管道維修，這在以前意味著減產，但該系統模擬了這一過程，并展示了如何準確地重新安排流動路線，以及以何種流速輸送原油，從而避免了停工減產。它還可以用于安全地測試“假設”情景，通過將模型與實際數據配對，每小時都可進行異常情況的檢測，并且可以模擬分析作業的影響因素，以向工程師展示如何調整流速、壓力以及其他參數，從而安全地優化生產。
數字孿生技術，在海洋石油領域最重要的應用，應該算建造無人平臺。建造一個跟實際石油平臺各種要素完全相同的虛擬數字石油平臺，實際平臺發生的情況同步映射到數字平臺上，讓人如同在現實平臺上操作一樣。當然無人平臺建造一定要涉及物聯網、大數據、人工智能等等各個方面的技術了，智能無人平臺是一個綜合各類數字化先進技術的產物。
從油服企業的角度來說，油服有自己的優勢，油服企業掌握了第一手的勘探開發生產全產業鏈的數據，可以利用已有計算、存儲優勢，通過數據深加工，發揮大數據更大價值，為油公司勘探開發提供專家決策。不同事業部專業不一樣，數字化轉型做法不盡相同，但基本的數字化技術和思路應該大同小異。
數字化轉型要根據集團頂層設計、油服企業的總體規劃，與油公司密切配合，一步步來。既能展望5-10年后，又能落腳2-3年能干成的事，做接地氣的，能落地的事情。先從局部單個功能實現數字化轉型，增強信心，最開始就想建立綜合一體化大平臺，難度較大。以物探為例，例如考慮先進行自動化速度分析、智能去噪、斷層自動識別、機器學習在儲層預測和烴類檢測方面的應用研究或立項，雖然別人也有成果了，但我們國內落下不太遠，可以追。
未經允許，不得轉載本站任何文章：
