Прогноз прихватов при спуске обсадных колонн

Решение представляет собой ПО, которое создано путем скрещивания инженерного подхода и методов машинного обучения и предназначено для оценки вероятности возникновения осложнений при спуске обсадных колонн в скважины.

Построение прогнозных моделей с учетом данных ГТИ/ННБ и математических расчетов происходит в режиме реального времени.

Продукт позволяет решить проблему уникальности каждой скважины и гибко адаптировать модель под скважину, учитывая изменчивость геологического строения месторождения и профиль скважины. Таким образом уменьшается погрешность прогнозирования. При этом после сбора данных по каждой вновь пробуренной скважине модель продолжает обучаться, повышая точность построения прогноза.

Решаемые бизнес-задачи

  • Формирование прогноза вероятности осложнений при спуске обсадных колонн
  • Раннее предупреждение и, как следствие, возможность снижения риска возникновения прихватов во время спуска обсадных колонн
  • Сокращение непроизводительного времени в процессе строительства скважин
  • Заблаговременное оповещение специалистов центра мониторинга бурения
  • Формирование базы извлеченных уроков для последующего применения в работе

Эффекты

Решение может выступать как обособленный модуль и дополнять существующие инструменты мониторинга процесса строительства скважины в реальном времени. За счет применения могут быть получены следующие эффекты:

  • Сформирован дополнительный инструмент контроля за операциями по строительству скважины
  • Снижен риск возникновения осложнений при осуществлении процесса строительства скважин в режиме реального времени
  • Потенциальное снижение затрат и непроизводительного времени в процессе строительства скважин, за счет раннего обнаружения и предупреждения осложнений
  • Увеличение количества одновременно сопровождаемых специалистами скважин за счет анализа только тех скважин, которые требуют внимания

Технологии

В составе решения — модели машинного обучения, (в том числе нейронные сети,) и наборы методик статистического анализа.

Машинное обучение применяется для обработки данных с измерительных устройств и для определения величины отклонения фактических параметров от плановых расчетных параметров, поступающих в режиме реального времени, а также для сопоставления полученных результатов с историческими данными.

В основе технологий машинного обучения лежат три основных
подхода к анализу данных:

  • Data mining — класс методов для анализа информации и данных с целью нахождения в накопленных данных таких, которые ранее не были неизвестны, нетривиальных и практически полезных знаний, необходимых для принятия оптимальных решений в различных производственных процессах
  • Прогнозная (или предиктивная) аналитика — набор алгоритмов для определения будущего состояния объекта за счет анализа исторической информации, в том числе расчетных параметров
  • Статистический анализ — для обработки накопленной исторической информации, в том числе для определения величины отклонения фактических технологических параметров от расчетных по пробуренным скважинам, а также в качестве дополнения к информации, анализируемой в режиме реального времени
Следующее решение

Цифровой работник