Har kunstig intelligens (AI) makten til å forbedre effektiviteten av olje og gass?

Skrevet av

Jeff Williams

EY Global Oil & Gas Advisory Leader

Global energy executive. Passionate technologist. People developer. Husband and father. Outdoors enthusiast.

Keith Strier

EY Global and EY Americas Advisory Leader for AI

Tech visionary, business strategist, experience designer, AI evangelist. Incurably focused on what’s next.

6 minutters lesing 4 jun 2019
Relaterte temaer Olje og gass Digitalisering

Kunstig intelligens og tilhørende teknologier kan være mer enn bare en måte for olje- og gasselskaper å forbedre driften.

Olje- og gassindustrien er ikke redd for teknologi. De drifter i dag tre av verdens kraftigste superdatamaskiner , hver av dem i romstørrelse, i stand til å behandle billioner ligninger per sekund.

En god del av denne prosessorkraften er med på å bygge prediktive modeller som former hvordan industrien utforsker, produserer og til slutt foredler olje og gass. Likevel er det potensial for å gjøre mye mer – spesielt når det gjelder kunstig intelligens (AI).

Etter hvert som marginene i industrien blir mindre, søker olje- og gasselskaper allerede til AI for å optimalisere kostnadene. Så det er ikke overraskende at nær halvparten av respondentene i en fersk EY-undersøkelse sier at teknologien er en investeringsprioritet.

En AI-ledet oppsving i effektivitet

Til tross for sin datakraft i forhold til andre bransjer har olje- og gassektoren hittil vært tregere med å ta i bruk og integrere AI-teknologier. Men det gjøres framskritt.

I alle oppstrøms- og nedstrømsaktiviteter øker industrien AI-investeringene. Over halvparten av olje- og gasselskapene vi undersøkte, implementerer for tiden AI-applikasjoner. Samlet investerer disse selskapene ca. $ 65 milliarder i året i forskning og utvikling. Fra seismikk i 3D til horisontal boring har industriens store forskningsinnsats ført til avgjørende innovasjon i de siste årene. Denne ekspertisen driver nå også frem utviklingen av interne AI-applikasjoner.

En spansk energileverandør har brukt AI og dataverktøy i alle sine raffinerier. Disse måler trykk, temperatur og prosesseringshastigheter for å sikre at hele anlegget fungerer med optimal effektivitet – samtidig som de reduserer risiko ved å forhindre brudd og ulykker. Ifølge firmaet kan disse analysene øke fortjenesten med så mye som 30 øre per fat.

AI forbedrer også distribusjonen av raffinerte produkter. Et av verdens største oljeselskaper bruker analyser for å kunne forutse svingninger i etterspørsel og tilbud, for å maksimere verdien som genereres av hvert fat produsert olje. En amerikansk oljegigant jobber for å fange opp alle driftsdata som genereres av raffineri- og kjemiske aktiviteter. Datamengden – opptil 1 milliard bits per minutt – er uten sidestykke og kan brukes til å øke driftseffektiviteten dramatisk.

Selv om vi vet at AI begynner å omdanne nedstrømsaktivitetene, griper den også inn i andre deler av verdikjeden. AI og tilhørende teknologier – inkludert grundig læring – omformer oppstrømsaktivitetene også. Nylig inngikk et Paris-basert internasjonalt oljeselskap et samarbeid med Google Cloud for å utvikle AI-applikasjoner, inkludert Computer Vision-teknologi for å forbedre tolkningen av bilder under overflaten. Noen av innovasjonene vil også automatisere analysen av tekniske dokumenter.

Neste steg: AI-styrt leting

Leting og produksjon er et kapitalintensivt element i olje- og gassvirksomheten, der potensielt store funn rettferdiggjør store investeringer – selv om det kan være langt mellom disse funnene.

AI er en måte å optimalisere lete- og produksjonskostnadene på. Bedriftene investerer i roboter for å effektivisere letingen, og ett selskap har til og med inngått et samarbeid med Massachusetts Institute of Technology (MIT) for å utvikle AI-drevet robotteknologi for å oppdage naturlige oljelekkasjer, der olje strømmer ut av fjellformasjoner på havbunnen. Det pågår også arbeid for å spore nødssituasjoner og unormal utstyrsaktivitet på leteområder. Dette vil ikke bare redusere lete- og produksjonskostnadene, men også bidra til olje- og gasselskapene reduserer sitt miljøavtrykk.

AI er med å endre boringen også. Avansert boreprogramvare med informasjon fra en rekke data – bl.a. vibrasjoner, termiske gradienter og trykkforskjeller – tar sanntidsbeslutninger om hastighet og retning på boringen. Slik optimalisering forhindrer svikt og holder fremdriften så sikker og smidig som mulig. Boring er kostbart, så alle måter å forbedre prosessen på vil gi betydelige besparelser.

Holde porteføljer i aktivitet

Det er mange flere anvendelser av AI og maskinlæring når det gjelder å styre oppstrømsporteføljer.

For eksempel fører olje- og gasselskaper tilsyn med tusenvis av brønner. Noen er i drift, men mange andre ligger inaktive til markedsforholdene gjør at det er verdt å utvinne olje og gass av dem.

Det er tidskrevende og kostbart å vedlikeholde disse verdier. Likevel kan brønner som er utstyrt med sensorer, bidra til å bygge prediktive modeller for å optimalisere feltutplasseringer, slik at bare de brønnene som trenger vedlikehold, får besøk. Det samme er tilfelle for rørledninger og andre midtstrøms transport- og lagringssystemer – sensorer kan redusere tidkrevende og dyre vedlikeholdskontroller og forhindre lekkasjer og søl før de blir et betydelig problem.

Utvikle fremtiden

Den strategiske anvendelsen av AI og smart tilkoblet teknologi kan sikkre mer effektive raffinerier og optimaliserte lete- og produksjonsaktivitetene, noe som styrker bunnlinjene til olje- og gasselskaper i hele bransjens verdikjede.

Utfordringen er å identifisere den riktige strategien ettersom det ikke finnes en strategi som passer for alle. Det er en rekke fordeler med å utvikle applikasjoner i egen regi. Selve teknologien innebærer egenutvikling –eller samarbeid med andre i verdikjeden – og kan bidra til å tvinge informasjonssiloene som ofte råder i olje- og gassindustrien til å brytes ned. Det er fordi AI, "deep learning" og andre applikasjoner er kun like gode som dataene de mates med. Dette motiverer en silofri tilnærming som bidrar til store datapooler, som kan generere verdi for hele selskapet og ikke bare en enkel forretningsenhet.

Å bryte ned siloer og fremme datadeling for å utvikle intern satsning kan skape unike inntektsmuligheter for olje- og gasselskaper med kapasitet og skala til å overvåke slike initiativer. Tilgang til disse dataene – konsolidert fra partnere fra oppstrøms til nedstrøms – kan åpne for innsikt og effektivitet som kan revolusjonere driften.

Det er til og med en mulighet for at olje- og gasselskaper kan gjøre data og teknologi om til en frittstående inntektsstrøm ved å lisensiere tilgang og bruk av interne eiendeler til tredjepart. Det sies jo at data er den nye oljen!

Sammendrag

Olje- og gasselskaper har brukt AI og analyse på sine nedstrømsteknologier en stund nå, noe som gir betydelig effektivitet. I dag begynner også disse løsningene å bevege seg oppstrøms.