Har AI kraften att förbättra effektiviteten inom olje- och gasindustrin?

Författare

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.

Delaktiga

EY Sverige

6 Lästid 4 jun 2019
Relaterade ämnen Oil and gas Digitalisering
Gilla

Artificiell intelligens och tillhörande teknik kan vara mer än bara ett sätt för olje- och gasföretag att förbättra verksamheten.

O lje- och gasindustrin är inte rädda för teknik. Idag hanterar man tre av världens mest kraftfulla superdatorer (var och en lika stor som ett rum) som kan bearbeta biljoner ekvationer per sekund.

En stor del av denna processorkraft hjälper till att bygga prediktiva modeller som formar hur industrin utforskar, producerar och så småningom förädlar olja och gas. Ändå finns potential att göra mycket mer – särskilt när det gäller artificiell intelligens (AI).

I takt med att marginalerna i branschen minskar tittar olje- och gasföretag redan på AI för att optimera kostnaderna. Så det är inte förvånande att nära hälften av de svarande på en nyligen genomförd EY-undersökning säger att tekniken är en högsta investeringsprioritet.

En AI-ledd effektivitetsboom

Trots sin datorkraft i förhållande till andra industrier har olje- och gassektorn hittills varit långsammare på att anamma och integrera AI-teknik. Men framsteg görs.

I sin uppströms- och nedströmsverksamhet ökar industrin AI-investeringarna. Mer än hälften av de olje- och gasföretag som vi undersökte implementerar för närvarande AI-applikationer. Som helhet investerar dessa företag cirka 65 miljarder dollar per år i forskning och utveckling. Från 3D-seismisk avbildning till horisontell borrning har branschens djupgående forskningskapacitet under sin senare historia lett till banbrytande innovation. Denna expertis driver nu också utvecklingen av interna AI-applikationer.

En spansk energileverantör tillämpar AI och dataverktyg för sina raffinaderier. Dessa mäter tryck, temperatur och bearbetningshastigheter för att säkerställa att hela anläggningen fungerar med optimal effektivitet – samtidigt som de reducerar drifttiden genom att förhindra avbrott och olyckor. Enligt företaget kan dessa analyser öka vinsten med så mycket som 30 cent per fat.

AI förbättrar också distributionen av raffinerade produkter. Ett av världens största oljeföretag använder analyser för att bättre förutse fluktuationer i utbud och efterfrågan, vilket maximerar värdet som genereras av varje producerat fat olja. En amerikansk oljejätte arbetar för att fånga upp all driftsdata som genereras genom dess förädling och kemiska operationer. Mängden data – upp till 1 miljard bits per minut – är enastående och kan användas för att låsa upp unik driftseffektivitet.

Medan vi vet att AI börjar förvandla nedströmoperationer, flyttar den också in i andra delar av värdekedjan. AI och tillhörande teknik – inklusive djupinlärning – förvandlar uppströmsoperationer. Nyligen träffade ett Parisbaserat International Oil Company (IOC) ett partnerskap med Google Cloud för att utveckla AI-applikationer, inklusive Computer Vision-teknik för att förbättra tolkningen av sub-surface-bilder. Vissa av innovationerna automatiserar också analysen av tekniska dokument.

Nästa möjlighet: Prospektering med AI

Prospektering och produktion (E&P) är en kapitalintensivt element inom olje- och gasbranschen, där potentiellt massiva upptäckter motiverar stora investeringar – även om fynden kan vara få och det är glest mellan dem.

AI erbjuder en väg för att optimera E&P-utgifterna. Företag investerar i robotar för att effektivisera prospektering och ett företag har till och med samarbetat med Massachusetts Institute of Technology (MIT) för att utveckla AI-driven robotteknologi med mål att upptäcka naturligt sipprande olja som rinner ut ur klippformationer i havet . Enheter används också i arbetet för att spåra nödsituationer och onormal utrustningsaktivitet på utforskningsplatser. Sådana effektivitetsvinster kapar inte bara E&P-kostnader utan bidrar också till att olje- och gasbolag minskar sin miljöpåverkan.

AI förändrar också borrningen. Avancerad borrprogramvara som innehåller en mängd data – vibrationer, termiska lutningar, tryckskillnader bland annat – fattar realtidsbeslut om borrningens hastighet och riktning. Sådan optimering förhindrar misslyckande och håller framstegen så säkra och smidiga som möjligt. Borrning är dyrt, så alla sätt att förbättra processen kommer därför att ge betydande besparingar.

Att fortsätta att generera värde

Det finns många fler tillämpningar av AI och maskininlärning.

Till exempel övervakar olje- och gasföretag tusentals brunnar. Vissa är i drift, men många andra är vilande tills marknadsförhållandena gör det värt att utvinna olja och gas ur dem.

Att underhålla dessa tillgångar är tidskrävande och dyrt. Ändå kan ledningsbrunnar med sensorer bidra till att bygga förutsägbara modeller för att optimera fältutplaceringar, så att endast de brunnar som behöver underhåll får besök. Detsamma gäller rörledningar och andra transport- och lagringssystem i mittfåran– sensorer kan minska tidskrävande och dyra underhållskontroller och förhindra fläckvisa läckor och spill innan de blir ett betydande problem.

Att utveckla framtiden

Den strategiska tillämpningen av AI och smart, ansluten teknik kan redan möjliggöra mer effektiva raffinaderier och optimerade E&P-kampanjer, vilket stärker oljeföretagens resultat i branschens värdekedja.

Utmaningen handlar om att identifiera den rätta strategin, eftersom en storlek inte passar för alla. Faktum är att det finns ett antal fördelar med att utveckla applikationer internt. Den specifika tekniken som utformas internt, eller genom samarbete med andra i värdekedjan, kan bidra till att tvinga datasilor, som ofta finns i olje- och gasindustrin, att förstöras. Det beror på att AI, en djupare kunskap och andra tillämpningar bara är så bra som den data som matats in. Denna verklighet motiverar en silofri strategi som samlar stora datapooler, vilka kan generera värde för hela företaget och inte bara en enda affärsenhet.

Att bryta ner silor och främja större delning av data för att möjliggöra utveckling av intern kapacitet, kan skapa unika intäktsmöjligheter för olje- och gasföretag med förmåga och omfattning att övervaka sådana initiativ. Tillgång till denna data – sammanslagen från partners från uppströms till nedströms – kan skapa insikt och effektivitet som kan revolutionera verksamheten.

Olje- och gasföretag skulle också kunna förvandla sin data och sin teknik till fristående intäkter, genom att licensiera tillgång och användning av interna tillgångar till tredje part. Det sägs ju trots allt att data är den nya oljan!

Summering

Olje- och gasföretag har tillämpat AI och analyser på sin nedströmsteknik under en tid nu, vilket har lett till en betydande effektivitet. Idag börjar dessa lösningar också röra sig uppströms.