Как называется виртуальная копия реальных месторождений
Цифровое зеркало
Создать своего двойника и переложить на него самые трудные, неприятные или даже опасные дела и заботы — время от времени такие мечты посещают многих. А сильные мира сего, как говорят, и на самом деле прибегают к услугам очень похожих на себя людей, когда не могут или боятся показываться на публике. Сколько в этом правды, а сколько вымысла, сказать сложно. Однако цифровые двойники разнообразных объектов — зданий, машин, производственных процессов и целых заводов — уже прочно вошли в практику многих отраслей промышленности и решают вполне реальные задачи
Братья по данным
Цифровой двойник (или «цифровой близнец», если буквально переводить английское словосочетание digital twin) — это виртуальный аналог реального объекта, компьютерная модель, которая в своих ключевых характеристиках дублирует его и способна воспроизводить его состояния при разных условиях. По сути, это набор математических формул, описывающих сам объект и протекающие в нем процессы.
Как это ни странно, такой двойник может родиться даже раньше своего оригинала: виртуальную модель могут создать еще на этапе проектирования объекта (здания, машины, установки), чтобы протестировать его работу в разных условиях и режимах и скорректировать проект, если будут обнаружены недочеты. Но затем, когда объект уже построен, такая модель требует постоянного обновления, для того чтобы соответствовать его актуальному состоянию.
Цифровой двойник представляет собой мостик между физическим миром и цифровой реальностью. Такие системы называют киберфизическими. Программные компоненты и физические процессы в них тесно связаны и влияют друг на друга.
И здесь не обойтись без интернета вещей — множества датчиков, которые собирают информацию о работе оборудования, — а также без технологий машинного обучения, которые помогают предсказать, как будет вести себя система в тех или иных обстоятельствах. Это особенно актуально, когда цифровой двойник создается для уже существующего объекта, например установки на нефтеперерабатывающем заводе. Досконально описать все процессы формулами — чрезвычайно сложная задача. Но, имея большой объем данных о работе установки за определенный период времени, проще выявить закономерности в ее работе при помощи нейросети.
В самой идее цифрового двойника в промышленности нет ничего нового: расчеты и модели того, как будет вести себя какая-нибудь конструкция, установка на заводе или реактор, делались и раньше. Но лишь недавно появились достаточные вычислительные мощности, чтобы проводить такие расчеты в реальном времени, а также возможности для постоянного обновления моделей на основе данных, получаемых с реальных объектов.
Цифровой керн
Керн — столбики породы, которые извлекают из разведочных скважин для изучения характеристик нефтеносного пласта. Это особенно актуально для трудноизвлекаемых и нетрадиционных запасов, поиск технологий для эффективной разработки которых продолжается. Исследование керна в лаборатории — дорогой и длительный процесс. Кроме того, отдельные образцы во время таких тестов часто разрушаются, и продолжать опыты с ними более невозможно. Решить проблему позволяет создание цифровых двойников керна. Для этого образцы породы сканируют в томографе высокого разрешения — и дальше проводят виртуальные эксперименты уже с трехмерной компьютерной моделью. Создание цифровых двойников керна решает сразу несколько задач: позволяет существенно ускорить проведение исследований, дает возможность для неограниченного количества виртуальных тестов на одном и том же материале, сохраняя реальный образец для проверки результатов и донастройки модели, открывает новые возможности исследования керна на микроуровне. Новая технология работает даже тогда, когда оценить строение и характеристики породы традиционным способом невозможно из-за сложной или хрупкой внутренней структуры или трудностей, связанных с извлечением образцов. Проект «Цифровой керн» по внедрению такой технологии реализуется сейчас в «Газпром нефти».
Зачем нужны цифровые двойники
Некоторые считают, что скоро цифровые двойники будут создаваться для всего, в том числе и для людей. На самом деле в той или иной мере это уже происходит: например, профиль в социальных сетях характеризует круг общения человека, история поисковых запросов — его интересы, а кредитная история — финансовую состоятельность. И эту информацию используют те, кто хочет предсказать наше поведение, — работодатели, спецслужбы, банки, продавцы товаров и услуг. Возможно, уже в недалеком будущем развитие систем медицинского мониторинга позволит предупреждать о приближении болезни задолго до появления явных симптомов.
Что же касается промышленных объектов, их цифровые двойники позволяют выбирать наиболее оптимальные режимы работы, ставить виртуальные эксперименты, которые в реальности могут быть сопряжены с риском повредить оборудование. Данные, которые собирают с датчиков на объекте, а также информация о ранее проведенном обслуживании, позволяют установить степень износа и вероятность выхода из строя узлов, а значит, сократить расходы на профилактику и ремонт. Если тот или иной параметр отклоняется от нормы, цифровой двойник проинформирует ответственных сотрудников, которые отреагируют и примут меры.
Те же подходы и технологии дают возможность создавать информационные копии не только отдельных машин или установок, но целых цехов, заводов, цифровые двойники предприятий со всеми производственными и логистическими процессами. Такие модели позволят найти узкие места, которые проявят себя лишь через несколько лет работы, и сделать необходимую тонкую настройку.
Для нефтегазовых объектов цифровые двойники — многообещающая технология, ведь такие объекты часто бывают удалены и труднодоступны, распределены на большой территории, их стоимость велика, а эксплуатация связана с рисками. Стремясь сократить эксплуатационные издержки, увеличить объемы добычи и эффективность переработки нефти, нефтяные компании сегодня оцифровывают свои активы — создают цифровые месторождения и цифровые заводы.
Стремясь сократить эксплуатационные издержки, увеличить объемы добычи и эффективность переработки, нефтяные компании сегодня оцифровывают свои активы — создают цифровые месторождения и цифровые заводы
Цифровое месторождение
Развитие концепции цифрового месторождения («умного месторождения», «интеллектуального месторождения» — разные компании используют для обозначения разные слова) началось с появления умных скважин, оснащенных всевозможными датчиками и системами для удаленного управления. Впрочем, одних скважин недостаточно: необходимо создать модель, в которой будут учтены и геологические особенности месторождения, и все оборудование, которое осуществляет добычу. Такая модель позволяет лучше контролировать процесс добычи, лучше им управлять и в конечном счете добывать больше, эффективнее и безопаснее.
В «Газпром нефти» пилотное внедрение программы «Цифровое месторождение» началось в 2014 году на активах дочерней компании «Газпромнефть-Хантос». В 2017 году здесь был создан Центр управления добычей (ЦУД), объединивший все разработанные в компании решения по повышению эффективности отдельных производственных процессов добычи. Одна из ключевых систем ЦУД — цифровой двойник процесса подъема жидкости из скважин. Он позволяет подбирать наиболее оптимальные режимы работы, заранее идентифицировать нештатные ситуации, вести превентивную оценку работы системы в случае изменения ее конфигурации. Со временем ЦУД пополнится и другими цифровыми двойниками — для систем поддержания пластового давления, энергообеспечения, подготовки и утилизации попутного газа.
По данным исследования компании gartner, 48% предприятий, внедривших технологии интернета вещей, уже используют цифровых двойников или планируют начать их использовать до конца 2018 года. К 2022 году число компаний, запустивших проекты с цифровыми двойниками, утроится, прогнозируют в gartner.
Цифровой завод
В основе цифрового нефтеперерабатывающего завода — цифровые двойники установок НПЗ. Виртуальная копия установки должна заключать в себе максимально полную информацию о каждом ее элементе: характеристики деталей и узлов, инженерных систем, средств автоматизации, их сроки службы, периоды обслуживания и т. д. Кроме того, двойник должен содержать детальное описание физико-химических процессов, процессов потребления и выработки энергии, параметры входного сырья и продуктов производства.
Пока еще ни одна нефтегазовая компания не создала полностью цифровой нефтеперерабатывающий завод, но есть предприятия, которые достигли в этом существенных успехов. Оцифровкой своих нефтеперерабатывающих мощностей занимается и «Газпром нефть», начав с создания цифрового двойника установки гидроочистки бензина каталитического крекинга на Московском НПЗ и установки первичной переработки нефти на Омском НПЗ. Пилотный проект по созданию полностью цифрового завода-робота будет реализован на одном из битумных активов компании.
Цифровая добыча: «Газпром нефть» объединяет цифровыми технологиями весь цикл освоения месторождений
Условия добычи нефти становятся сложнее с каждым годом. Экстремальный климат, территории, на тысячи километров удаленные от цивилизации, а значит, и от инфраструктуры, новые геологические формации — все это сопровождает работу современных нефтяников. Единственный способ сохранить стоимость добычи нефти на приемлемом уровне — повышение эффективности. Новая промышленная революция предоставляет для этого ранее невиданные возможности такие как, цифровая добыча нефти.
Искусственный интеллект, нейросети, цифровые двойники, виртуальная реальность — одни названия технологий Индустрии 4.0 рисуют картины фантастического будущего. Однако в промышленности все они решают одну важную, но достаточно банальную задачу — повышение эффективности. Двигаясь в этом направлении на гребне волны новой промышленной революции, можно добиться действительно фантастических результатов. В том числе в цифровизации нефтяной отрасли, которая, впрочем, имеет свою специфику.
Упрощенно сегмент upstream можно представить как огромный инвестиционный конвейер, начинающийся с поиска запасов нефти и завершающий работу вместе с окончанием жизненного цикла месторождения. По конвейерному принципу распределяется ценность и стоимость решений: немногочисленные, но самые важные и дорогие решения с точки зрения успешности всего проекта принимаются на первых этапах его реализации, гораздо более дешевые, относительно легко исправимые, но многочисленные — в конце, на этапе промышленной эксплуатации актива. При этом с информацией все наоборот: данных для правильной и точной оценки перспективности месторождения, выбора методов его исследования и разработки очень мало, их приходится собирать буквально по крупицам. В период эксплуатации, напротив, информации столько, что большую проблему уже вызывает ее систематизация и анализ. И в том и в другом случае принимать правильные решения помогают цифровые технологии.
Цифровизация для нас — это не только внедрение новых цифровых технологий. Это также пересмотр как наших внутренних процессов, так и подходов к взаимодействию с нашими многочисленными партнерами. Мы ставим перед собой цель построить единую открытую информационную платформу, в которой наравне с нами смогут работать все наши поставщики, подрядчики и субподрядчики. При этом мы хотим не насаждать им свой продукт, а вовлекать всех в процесс его создания на принципах, схожих с open-source, предоставляя уникальные технологические возможности и приглашая к совместному развитию и совершенствованию этой платформы в формате co-creation.
Мы хотим выйти за юридические границы нашей компании, сделать прозрачным весь цикл создания стоимости для участников, перейти от взаимоотношений «заказчик/подрядчик» к совместной работе на общий результат и повышению величины приза для каждого из нас.
Большой приз
Большие риски ради большого приза — это характеристика самого раннего этапа проекта освоения месторождения, когда надо принять главное решение: стоит ли вообще браться за разработку, каковы шансы найти промышленные запасы нефти и, соответственно, окупить вложения. Все осложняется тем, что, как правило, данных об исследуемом объекте очень мало и они чаще всего крайне разрозненны. Из массы этой информации, часто с совершенно неочевидной корреляцией, необходимо собрать целую интегрированную картинку.
С выстраиванием таких сложных взаимосвязей искусственный интеллект уже справляется гораздо лучше человеческого. К тому же машина может намного быстрее проанализировать большее количество вариантов и дать четкую математическую оценку вероятности успеха в том или ином случае. На этом и основан проект «Когнитивный геолог», который «Газпром нефть» реализует совместно с лучшими международными IT-экспертами.
Для того чтобы оценить масштаб проблемы, которую должен решить проект, достаточно сказать, что сегодня оценка геологических объектов занимает от года до двух лет, 70% из которых тратится как раз на рутинные операции предварительной обработки данных. Самообучающаяся модель геологического объекта, которую планируется создать, будет математически обрабатывать всю существующую исходную информацию и выдавать конечный результат, оценивать вероятность правильности ответов. За счет этого время, необходимое на интерпретацию геологических данных, предполагается сократить примерно в шесть раз, то есть до двух месяцев. При этом должна заметно вырасти и уверенность в правильности прогноза. В том числе за счет того, что «Когнитивный геолог» будет выдавать рекомендации о необходимости проведения дополнительных точечных исследований — именно тех, которых еще недостает для более точного ответа на вопросы о перспективах актива. Это позволит и почти на треть сократить количество данных, необходимых для принятия инвестиционного решения.
Концепции на выбор
Даже после того, как перспективность месторождения доказана, а решение о начале разработки актива принято, возможностей для роковых ошибок стоимостью в миллиарды долларов остается масса. Для этого достаточно сформировать даже не неправильную, а просто неоптимальную схему разработки. Объем входящей информации на этом этапе освоения месторождения таков, что оценить все возможные варианты и конфигурации разработки, связи между элементами системы не под силу человеку. И даже нескольким командам специалистов по геологии и разработке, бурению, технологиям добычи, обустройству, стоимостному и экономическому анализу, определяющим сегодня профиль добычи, число скважин, кустов, производительность инфраструктуры. В итоге на концептуальное проектирование крупного месторождения сегодня уходит порядка двух лет, а результат ограничивается несколькими вариантами действий. В то же время гарантии, что это действительно самые оптимальные варианты и лучшие опции не были отвергнуты в ходе анализа и оценки, пожалуй, не даст никто.
В рамках проекта «Когнитивный инжиниринг» машинный интеллект перебирает огромное количество различных сочетаний моделей скважин, схем кустования, систем нефтесбора и нефтеподготовки, оценивает их совместимость, экономику. За счет этого уже сегодня выбор увеличился с нескольких до тысячи вариантов с четко оцифрованными плюсами и минусами, а срок прохождения этапа — с двух лет до шести месяцев.
В перспективе планируется за счет включения в процесс оценки различных ограничений, таких, например, как доступ к ресурсам, сроки, финансовые возможности, получать схему разработки, приближенную к идеальной с точки зрения реализации. Именно с помощью такой технологии была оптимизирована схема разработки самого северного континентального месторождения России — Восточно-Мессояхского. Подбор оптимальной системы разбуривания актива позволил вывести проект на положительную рентабельность и в 2016 году ввести его в промышленную эксплуатацию.
Без слепых зон
Еще 10 лет назад в России строительство высокотехнологичных скважин — горизонтальных, многоствольных — было скорее исключением, чем правилом, практически для всех нефтяных компаний. Сегодня доля таких объектов в общей программе бурения «Газпром нефти» превышает 60%. Без этого просто невозможна рентабельная разработка таких сложных геологических объектов, как, например, Новопортовское месторождение. При этом контроль строительства практически всех высокотехнологичных скважин компании сегодня дистанционно ведется из Центра управления бурением «ГеоНавигатор» (ЦУБ), расположенного в Санкт-Петербурге. Основываясь на геологической модели, команды специалистов проводят бур на глубине по пласту толщиной всего в Изменения конфигурации продуктивного горизонта отслеживаются с помощью датчиков, установленных на буровом инструменте. Однако расположены они в паре десятков метров от долота, поэтому сигнал о критичных изменениях (например, о том, что скважина вышла из продуктивного горизонта) доходит до ЦУБ с задержкой в При трехметровой толщине пласта за это время траектория бурения с ним может разойтись на очень значительное расстояние.
Для решения проблемы в «Газпром нефти» начали реализацию проекта «Цифровое бурение», предполагающего построение обучаемой математической модели, которая по таким параметрам, как нагрузка на буровом инструменте, сопротивление, температура, вибрация, скорость проходки, делает вывод об изменениях условий в самой дальней точке скважины в режиме реального времени. Прототип такой модели уже создан и успешно используется в ЦУБ. По информации начальника управления информационных технологий, автоматизации и телекоммуникаций блока разведки и добычи «Газпром нефти» Максима Шадуры, точность прогноза литологии на забое, который поступает от искусственной нейросети, уже превышает 80%, и это еще не окончательный результат: «Модель постоянно дообучается за счет сравнения результатов прогноза с реальной ситуацией, которая транслируется с датчиков. И ошибки, и точные попадания — все становится ценной информацией для обучения модели».
Развитием цифровых технологий в блоке разведки и добычи «Газпром нефть» занимается уже более 5 лет, за это время общий портфель цифровых проектов от десятков перерос в сотни. Но полностью раскрыть потенциал цифровизации возможно только в сочетании с реальными бизнес-вызовами. Стратегия развития БРД включает такой уровень задач, эффективно решить которые можно только с помощью цифровых технологий. Сейчас наша приоритетная задача — формирование цифровой стратегии и создание системных условий для эффективного управления всем комплексом проектов и инициатив, а также обеспечение их связи с проектами общекорпоративного уровня. Также важно учесть в новой стратегии весь накопленный опыт наших коллег, что в результате даст необходимую синергию.
Специалисты компании считают, что ликвидировать слепую зону в скважине лишь начальная задача для искусственного интеллекта. В дальнейшем математическая модель бурения позволит технологам превентивно прогнозировать возможные нештатные ситуации, определять оптимальные режимы работы оборудования. За счет обучения и усложнения модель сможет определять в реальном времени продуктивность пласта, выдавать рекомендации об оптимальной траектории строительства скважины и даже оценивать экономическую эффективность разбуривания конкретного горизонта.
Не только технологии
Цифровизацию нефтяной промышленности чаще всего представляют как внедрение в производственную деятельность набора современных технологий, при этом часто забывая, что успешность бизнеса в первую очередь зависит от того, насколько четко выстроена система управления. Ведь в освоении любого крупного актива задействованы сотни подрядных организаций, документооборот исчисляется сотнями тысяч документов. Такой масштаб вызывает серьезные задержки в передаче важной информации, что часто приводит к критическим отклонениям от плана, увеличению сроков и стоимости проекта.
Для того чтобы избежать этого, в «Газпром нефти» создается Центр управления проектами, который на самом деле представляет собой не один объект, а целую сеть многофункциональных экспертных центров, собирающих информацию о реализации проектов практически в режиме реального времени, анализирующих ее и исходя из результатов анализа строящих прогноз развития ситуации. Эта система имеет свою иерархию, на вершине которой располагается центр, управляющий портфелем крупных проектов, внизу — региональные и проектные центры, контролирующие операционную деятельность.
При этом активно меняются сами методы и принципы управления. «Сегодня мы активно внедряем в бизнес такое понятие, как продуктовые команды, — рассказал Максим Шадура. — Если раньше срок работы команд, сформированных из представителей бизнеса, ставящих задачу, и IT-специалистов, способных эту задачу решить, ограничивался созданием и внедрением готового продукта в промышленную эксплуатацию, то в современном мире с началом эксплуатации развитие продукта только начинается. Мы меняем идеологию проектных команд на продуктовые, которые формируются в момент зарождения идеи нового решения, создают, внедряют его и продолжают жить с ним до тех пор, пока сам инструмент, само решение не потеряет актуальность. Отличительная особенность такого подхода — ответственность за долгосрочный результат, ведь только он будет определять успешность продукта».
Центр управления проектами подразумевает как внедрение цифровых инструментов, так и полное переосмысление методов управления крупными проектами. Безусловно, технологии играют важную роль, в том числе, для получения прозрачной и достоверной картины на всех уровнях реализации проектов. Это и трассировка поставки материалов, и оценка темпов строительства с помощью лазерного сканирования, и математическое моделирование оптимальных решений — всех технологий не перечислить. Но в центре всех изменений, в первую очередь, — более тесная интеграция различных функций и подразделений внутри компании.
Однако, наши амбиции шире — мы хотим подключить и сотни наших подрядчиков и партнеров в эту систему. За счет использования программного обеспечения с открытым кодом и включения процессов партнеров в единый цикл анализа и управления мы получим возможность оптимизировать решения с учетом взаимовлияющих факторов и потенциальной синергии, что, в свою очередь, поможет каждому из участников быть более эффективным и заработать больше.
Центр управления проектами — это, конечно, не только организационные изменения. Самих технологий проект содержит также предостаточно. Это и 3D-сканирование строящихся объектов с помощью лазеров и беспилотников, и применение мультиагентных технологий, которые уже доказали свою эффективность, позволив оптимизировать процесс доставки материалов и оборудования на Новопортовское месторождение баржами в короткий безледовый период.
В целом за счет такой организационно-цифровой оптимизации планируется довести уровень соответствия фактического исполнения работ плану с 60 до 90%, сократив срок реализации крупных проектов с пяти до трех лет.
Двойник для скважины
Пожалуй, лишь на стадии промышленной эксплуатации месторождение можно сравнивать с любым другим промышленным объектом и, соответственно, повышать эффективность с помощью цифровых технологий по тем же принципам — то есть оптимизировать операционную деятельность. На этом этапе информации уже более чем достаточно, объектов для приложения сил тоже — правда, и эффект от оптимизации их работы на порядки ниже, чем на начальных стадиях освоения актива. Но это только если рассматривать эти объекты в отрыве друг от друга. Если же оптимизация будет комплексной, то соответственно будет расти и эффект от цифровой добычи. «Когда данных много, огромное количество и маленьких точечных задач, каждая из которых при этом не может оказать какого-то существенного влияния на эффективность работы месторождения, — пояснил Максим Шадура. — Большой приз можно получить за счет разработки комплексного интегрированного решения, в котором оценены все взаимосвязи».
Таким решением станут цифровые двойники, создаваемые в рамках проекта «Центр управления добычей» (ЦУД). В рамках пилотного проекта в «Газпромнефть-Хантосе» был создан цифровой близнец системы механизированного подъема жидкости, представляющий собой математическую модель, в которую включены все элементы производственного комплекса — от скважины до сдачи нефти: погружные и дожимные насосы, системы нефтесбора и нефтеподготовки, резервуарный парк. Расхождения параметров работы реального оборудования с идеальным режимом, который воспроизводит модель, позволяет автоматически диагностировать поломки, аварии, искать узкие места, подбирать оптимальные режимы работы. Цифровая модель помогает определить и наименее эффективные скважины, которые можно отключить, чтобы уложиться в квоту добычи, определенную в рамках соглашения с ОПЕК.
Сегодня в «Газпромнефть-Хантосе» к уже существующему добавляются цифровые двойники систем поддержания пластового давления и обеспечения электроэнергией, что позволит сосредоточить в ЦУД управление всеми энергетическими потоками, а опыт, наработанный в ХМАО, активно переносится на предприятия компании в Ноябрьске, Муравленко, цифровые двойники создаются на Новопортовском месторождении.
«В рамках этого проекта мы не просто формируем набор инструментария, мы внедряем новые подходы к управлению активами, — подчеркнул Максим Шадура. — Начав с формирования программы улучшений самых проблемных для каждого из предприятий процессов, сегодня мы начинаем собирать системы в единое целое, заниматься автоматизацией по единым правилам и в конечном счете формировать полную модель управления активами».