ImprovY Team Changellenge Ринат Шакбасаров Игорь Непомнящих Станислав Сопов Михаил Алексеев Сила Интеллекта Кейс по разработке концепции и модели интеллектуального месторождения Проект по внедрению интеллектуальной системы принятия реений управления месторождением c использованием наиновейших информационных технологий
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Рост удельной себестоимости подъема тонны нефти (в руб)
Кейс ГазПром НефтьImprovY Team
Внедрение системы GazProm Intelligence выведет компанию на новый уровень управления
Создание системы GazProm Intelligence включает решение ряда вопросов.
ДанныеПравильная обработка и хранение огромных массивов данныхIReal-TimeВозможность реагирования на изменение ключевых показателей в режиме real-time
IIМетоды и алгоритмыВыбор методов и алгоритмов которые будут лежать в основе интеллектуальной системы Gazprom Intelligence
IIIМасштабируемостьМодульность, возможность масштабирования системы на другие месторождения
IV
Кейс ГазПром НефтьImprovY Team
Продукты компаний SAPи аппаратная платформа IBMлежат в основе информационной системы компании Газпром Нефть
• 2 дата центра в Санкт-Петербурге и Омске• Платформа IBM Power 780• Система хранения данных IBM V7000
По данным компании «Астерос» в феврале 2014 года завершился проект по модернизации вычислительной платформы группы «Газпром нефть» и миграции SAP-систем на аппаратную
платформу IBM
• производство • финансы• бизнес-анализ • логистику • сбыт
Данный проект позволил компании «Газпром Нефть» в два раза увеличить производительность бизнес-сервисов и обеспечил технологическую основу для достижения стратегических целей.
Основные ресурсные мощностиБизнес-системы, охватывающие практически полный цикл работы предприятия:
Кейс ГазПром НефтьImprovY Team
Стратегическое партнерство компаний SAP и IBM дает преимущество компании Газпром.Нефть при переходе на новую уникальную
платформу SAP HANA
12 дней назад IBM стал главным стратегическим поставщиком оборудования для новой уникальной технологии SAP HANA, позволяющей обрабатывать огромные
объемы данных в режиме реального времени.
Кейс ГазПром НефтьImprovY Team
Мощный̆ аналитический̆ инструмент формирует углубленное видение ситуации в режиме реального времени.
SAP HANA —гибкая, масштабируемая, универсальная платформа, которая позволяет анализировать огромные объемы данных
До SAP HANA
SAP HANA
До 3000 раз быстрее
обработка информации
In-memory СУБД — это система управления базами данных, которая хранит и
обрабатывает информацию непосредственно в оперативной памяти. Поскольку процессы обработки данных в оперативной памяти
протекают быстрее, чем обращение к файловой системе и считывание информации
из нее, in-memory СУБД обеспечивает на порядок более высокую
производительностьпрограммных приложений.
…….
SAP HANA имеет довольно мощный набор аналитических инструментов, который позволит решить задачи прогнозирования и оптимизации ключевых показателей
Аналитический инструментарий
SAP HANA обладает очень гибкой архитектурой, что позволяет интегрировать в единую информационную систему не только приложения компании SAP, а также сторонние приложения и системы, к примеру те системы, которые на данный момент уже разработаны компанией Газпром.Нефть
Первичная обработка и преобразование данных полученных с датчиков телеметрии
MobileUnwire your business to deliver secure, real time, business-critical information – anytime, anywhere, to anyone, on any mobile device
CloudCapture the power of the cloud – while fully integrating with on-premise investments. Empower your employees, engage customers, and collaborate with partners across business networks
Applications
Run your business smarter, faster, and simpler, with an integrated suite of applications powered by Sap Hana –delivering long-term predictability and non disruptive innovation
Analytics
Explore and exploit data, find answers in real-time, and make confident decisions. Harness visually compelling, easy-to-use tools on the devices of your choice.
Database & TechnologySimplify your IT infrastructure dramatically and drive high-value innovation by exploiting across structured and unstructured data sources.
A real-time business platform, powered by SAP HANA
Кейс ГазПром НефтьImprovY Team
Анализируемые данные
01Данные с датчиков:
Забойное давление
Температура
Вибрация
Прорыв воды и газа
Геологические:
Пористость
Проницаемость
Природа жидкостей
Давление пласта
ННТ
Исторические
Данные о работоспособности
датчиков
Время аномальных показаний
Динамика гидродинамических
режимов работы скважин
Динамика бурения
месторождения
Данные о проводимых ремонтах
скважин
Данные о проведенных геолого-
технических мероприятиях
02 03
Кейс ГазПром НефтьImprovY Team
Переход на платформу SAP HANA позволит сэкономить 6 мнл$ за 7 лет.
0
5000000
10000000
15000000
20000000
25000000
SAP Baseline SAP HANA
Сравнение затрат при использовании платформы SAP HANA и без нее
Аппаратное обеспечение Программное обеспечение Внедрение SAP HANA Трудозатраты
Основные статьи затрат
Аппаратное обеспечение
Внедрение SAP HANA
Программное обеспечение
Трудозатраты
Кейс ГазПром НефтьImprovY Team
GazProm Intelligence будет решать следующие задачи
Анализ причин неустойчивой работы
интеллектуальной системы
Real-time: Long-time:
01
02
03
04
05
Определение и поддержание оптимального
забойного давления и обеспечения
максимально возможной добычи
Автоматическая оптимизация
потребления электроэнергии
Предотвращение аварийных
эксплуатационных условий скважины
Анализ корректности работы датчиков и сенсоров
Оптимальная замена оборудования
01
02
03
04
05
Оценка времени работы скважины
Предсказание возможного объема
нефти на месторождении
Осуществление оптимального гидроразрыва пласта
Анализ эффективности произведенных
мероприятий
Прогнозирование времени надежной работы
приборов
06
Кейс ГазПром НефтьImprovY Team
Тестирование и улучшение моделей
Финальная модель, полученная из комбинаций различных методов, способна показать лучший результат, так как одни методы покрывают ошибки других.
Обучающая Проверочная Тестовая
Обучающая выборка - выборка, по которой производится настройка модели зависимости.
Тестовая выборка — выборка, по которой оценивается качество построенной модели.
Проверочная выборка — выборка, по которой осуществляется выбор наилучшей модели из множества моделей, построенных по обучающей выборке.
Кейс ГазПром НефтьImprovY Team
ДОРОЖНАЯ КАРТА РАЗРАБОТКИ ПРОЕКТА ПО ВНЕДРЕНИЮ ИНФОРМАЦИОННОЙ ИНТЕЛЕКТУАЛЬНОЙ СИСТЕМЫ
настоящее время – 2030 год
Настоящиймомент
ОБУЧЕНИЕПереход на
SAP HANA ТЕСТИРОВАНИЕ ПОЛНЫЙ ЗАПУСКВЫХОД НА НАИВЫСШИЕ ПОЗИЦИИ
В МИРОВОМ РЕЙТИНГЕ
Сбор данных
Модернизация методов интеллектуальной системы, опираясь на последние научные открытия
Захват мира
2014 2016 2025 2031 - …20182015
Построение различных моделей и анализ результатов их работы
Сбор начальных экспертных мнений
Запуск системы на одном месторождении
Отслеживание работ системыпод наблюдением экспертов
Фиксация моментов некорректной работы системы
Исправление ошибок выявленных при тестирования
Постепенное масштабирование Системы на другие месторождения
Разработка ядра интеллектуальной системы
Отслеживание работ системыпод наблюдением экспертов
Исправление ошибок, учитывая особенности конкретного месторождения
Интеграция всех систем в одно информационное пространство
Выход в лидеры на нефтяном рынке
Корпоратив
Определение объектов переноса
Перенос и адаптация объектов на платформу SAP NetWeaver
Оценка объемов проекта миграции
Кейс ГазПром НефтьImprovY Team
hig
hm
ediu
mlo
w
low medium high
7
1
Вероятность
Ущер
бНекорректность работы системы при появлении новых ситуаций
При некорректном сжатии данных, возникает вероятность потери значимых наблюдений
Датчики могут передавать неточные измерения ввиду ряда причин
Риск сбоя нарушения процессов нефтедобычи и, как следствие, загрязнение окружающей среды
Низкая квалификация персонала может привести к некорректному мониторингу, тестированию работы интеллектуальной системы.
1
2
3
4
5
Основные риски при эксплуатации интеллектуальной систему
Для инвестиционной оценки эффективности вложений данного проекта использован метод чистой приведённой стоимости
Экономические выгоды которые не поддаются количественным измерениям, но имеют большое значение в деятельности организации. Разработанная система позволяет повысить прозрачность бизнес-процессов, снизить информационную неопределенность, повысить управляемость.
Система GazProm Intelligence повышает качество предоставляемой информации, качество прогнозов, увеличивает скорость предоставления и обработки оперативной информации и аналитических отчетов
Разработанное решение позволяет ускорить перевод корпорации на уровень, отвечающий уровню высокоразвитой компании
4 194 723 426 р. NPV =
4 годаПериод окупаемости
Кейс ГазПром НефтьImprovY Team
Увеличение нефтедобычиЗа счет проведения точечного геолого-технических мероприятий
и прогнозирования различных процессов при нефтедобычи
Уменьшение энергопотребленияЗа счет оптимизации работы в зависимости от реальной
обстановки в скважине
Увеличение межремонтного периода и продления срока службы оборудования
Создание единой информационной среды
Централизованное управление всеми скважинами
Результаты внедрения интеллектуальной системы
Оптимизация рабочих режимов оборудования и своевременное диагностирование неисправностей
Уменьшение затрат на сервисное обслуживаниеЗа счет дистанционного мониторинга скважин и минимизации количества выездов специалистов на
меторождении
Уменьшение времени простоевЗа счет предотвращения прогнозируемых аварий и быстрого информирования диспетчеров о факте
аварий
_VУвеличение межремонтного периода и продление сроков службы оборудования
Кейс ГазПром НефтьImprovY Team
ImprovY TeamGAZPROM CASE
Igor Nepomnyaschikh
SPBU
Department of Applied
Mathematics and Control
Processes
Faculty of Economics
Finalist P&G Case 2013
3-th place swimming championship of
Russia
Rinat Shakbasarov
SPBU
Department of Applied Mathematics and Control Processes
Faculty of Economics
2 place Cup SPb 2013
Finalist Cup Technical 2013
Unilever Future Leaders League 2014
A1Fin course from SAP
SopovStanislav
SPBU
Department of Applied Mathematics
and Control Processes
2 place Cup SPb 2013
Finalist Cup Technical 2013
Unilever Future Leaders League 2014
Data Mining School
Mikhail Alekseev
SPBU
Department of Applied Mathematics and Control Processes
Искусственная нейронная сеть представляют собойсистему соединённых и взаимодействующих междусобой простых процессоров (искусственных нейронов).
Такие процессоры обычно довольно просты (особенно всравнении с процессорами, используемыми вперсональных компьютерах). Каждый процессорподобной сети имеет дело только с сигналами, которыеон периодически получает, и сигналами, которые онпериодически посылает другим процессорам.
И, тем не менее, будучи соединёнными в достаточнобольшую сеть с управляемым взаимодействием, такиелокально простые процессоры вместе способнывыполнять довольно сложные задачи.
Приложение №3
Кейс ГазПром НефтьImprovY Team
Какие данные необходимы в первую очередь
адресные данные геофизических исследований;
данные сейсморазведки;
адресные данные гидродинамических исследований;
данные о динамике гидродинамических режимов
работы скважин;
данные о проводимых ремонтах скважин;
данные динамики разбуривания месторождения;
данные лабораторных исследований кернов и
пластовых флюидов;
классификаторы геологического описания района;
описание технических объектов обустройства
месторождений в динамике;
адресные данные оборудования скважин в динамике;
классифицированные проектные решения
и плановые показатели;
прототипы и настройки геологической и гидродинамической
моделей месторождения для автоматического обновления;
данные о проведенных геолого-технических мероприятиях;
данные экспертных оценок;
образы успешности мероприятий
Приложение №4
Кейс ГазПром НефтьImprovY Team
Возможности внедрения SAP HANA
УправлениеЦентрализованное управление большим количеством скважин с
помощью систем дистанционного мониторинга;
Принятие решенийПланирование в упреждающем режиме профилактическое обслуживание
оборудования, точно и быстро принимать решения, в том числе в реальном времени;
ПрогнозированиеПредсказание на основе прошлых данных сроков исчерпания
скважин, а также использование данные старых скважин с богатой историей добычи для прогнозирования поведения новых скважин
Увеличение нефтедобычиОптимизация режима работы комплексной иерархической системы «пласты-скважины-коллектор» по критериям экономической эффективности - увеличение количества нефти, получаемой из конкретного
месторождения и снижение затрат в том числе на освоение новых месторождений в удаленных районах;
Производительность и продуктивностьОптимизация производительности оборудования и продуктивности скважин за счет анализа данных телеметрии, замеров давлений и дебитов на «спутниках», акустического шума, температур, данных
типовых и специальных гидродинамических и геофизических исследований, актов испытаний, результатов освоения скважин после ремонтов, данных о проведенных и проводимых геолого-
технических мероприятиях и сопутствующих простоев, описания событий в наземных трубопроводных системах, результатов диагностики оборудования и других данных;