Алгоритмы подошли к скважине
ИИ добрался до нефти
Изображение сгенерировано нейросетью
Для углубления цифровизации нефтедобыче нужно поработать над качеством данных, преодолеть кадровый дефицит и масштабировать успешные пилоты в промышленную эксплуатацию
В мае компания «Газпром нефть» начала добычу на Чонской группе месторождений в Якутии.
Дорога к «трудной» нефти
Это крупнейшая неразработанная группа участков в Восточной Сибири. Геологические запасы кластера оценены в 1,3 млрд тонн нефти. Но достать «черное золото» из недр непросто. Нефть здесь имеет особый состав: ее легко переработать в бензин высшего качества, но трудно выкачивать из-за большого количества трещин и разломов в породе.
По этой причине нефтяники долго не могли добраться до залежей на этих участках. На помощь пришли цифровые решения. Специалисты создали цифровой двойник залежей. С его помощью удалось подобрать нужные инструменты для добычи — высокотехнологичные горизонтальные скважины и многостадийный гидроразрыв пласта.
Мало того, впервые в практике нефтегазовой отрасли России применена роботизированная установка для бурения скважин на суше, и это на треть ускоряет процесс добычи. При этом контроль за бурением ведется дистанционно из цифрового центра «Газпром нефти» в Тюмени.
По мнению председателя правления компании «Газпром нефть» Александра Дюкова, именно цифровые технологии помогли подойти к решению задач освоения запасов Чонской нефти.
По пути цифровой трансформации
Впрочем, это закономерный результат. Уровень проникновения цифровых решений в нефтедобыче эксперты называют самым высоким среди отраслей российской экономики.
«В 2025 году российские нефтегазовые компании направили на ИТ-продукты и сервисы 162 млрд рублей, а прогнозные затраты отрасли на цифровые технологии вырастут с 30,7 млрд рублей в 2020 году до 413,8 млрд рублей к 2030 году, — приводит данные директор Центра компетенций «Цифровая экономика» к. э. н., доцент Надежда Сурова. По ее словам, прогнозный совокупный экономический эффект цифровизации для российской нефтегазовой отрасли к 2040 году оценивается в 5,4 трлн рублей.
При этом аналитики указывают на разную динамику проникновения технологий среди участников рынка в разрезе масштабов бизнеса.
По словам руководителя компании «Лаборатория Смыслов» Юлии Кузнецовой, крупные вертикально интегрированные компании уже несколько лет реализуют комплексные программы: «Они прошли этап пилотов и перешли к масштабированию. Средние и малые предприятия пока только догоняют, часто останавливаясь на автоматизации отдельных функций».
Директор по развитию технологий информационного моделирования ГК «СиСофт» Сергей Ергопуло многие тренды объясняет спецификой задач для сектора: «Нефтегазовая отрасль работает с огромными объемами данных, которые особенно активно формируются и консолидируются на этапе эксплуатации объектов. Поэтому здесь особенно важны не просто цифровые инструменты, а качество управления инженерной информацией».
Отличается и динамика проникновения цифровых решений на участках производственного процесса.
По мнению Надежды Суровой, наибольшей зрелости достигли корпоративное управление, логистика и сбыт»: «На этих участках в промышленной эксплуатации находятся ERP-системы, электронный документооборот, цифровые каналы продаж и аналитические платформы».
В добыче и переработке, по ее наблюдению, широко распространены АСУ ТП, SCADA-системы, датчиковый парк и телеметрия: «Однако сквозная интеграция данных «от скважины до заправки» реализована лишь у лидеров отрасли».
Наименее оцифрованными участками остаются геологоразведка и бурение.
«Значительная доля процессов на этих этапах по-прежнему опирается на полевые работы и экспертные суждения», — отмечает Сурова.
«Чаще всего цифровые решения внедряются на самых затратных и рискованных звеньях, — добавляет Юлия Кузнецова. — Это интерпретация сейсмических и геологических данных с помощью машинного обучения, предиктивная аналитика состояния оборудования (насосов, компрессоров, трубопроводов), системы улучшенного управления технологическими процессами на перерабатывающих мощностях. Очень востребованы цифровые двойники скважин и целых производственных цепочек».
При этом Сергей Ергопуло видит все больше системного подхода со стороны компаний: «Основы цифровизации закладываются уже на этапе проектирования. Именно тогда определяется, какие данные будут нужны при эксплуатации, как их собирать, структурировать и какие требования к будущей цифровой модели необходимо предусмотреть заранее».
Как и многие другие сектора промышленности, нефтяники идут по пути пилотирования продуктов. По наблюдениям Надежды Суровой, наибольшее число пилотов сосредоточено там, где быстрее всего измеряется эффект: «Например, технологии для обслуживания оборудования и оптимизации добычи дают экономию в течение одного-двух лет».
Эффекты в цифрах
А результаты цифровизации уже вполне измеримы.
По словам Надежды Суровой, гипотезы подтверждаются данными компаний: «По результатам отраслевых исследований, применение искусственного интеллекта в добыче позволяет снизить операционные расходы на 3–5%, а капитальные затраты — до 20%. Предиктивное обслуживание сокращает внеплановые простои оборудования и затраты на ремонт на 15–30%, цифровые двойники многократно ускоряют проектирование и моделирование».
«В результате внедрения цифровых решений производительность увеличивается на 5–25%, а ручные операции сокращаются до 50–85%, и это дает десятки и сотни миллионов рублей экономии в год», — добавляет Юлия Кузнецова.
Для дальнейшего проникновения цифровизации у отрасли есть как стимулы, так и барьеры. К числу поддерживающих факторов Юлия Кузнецова относит стремление к операционной эффективности бизнеса: «А снижение себестоимости добычи напрямую влияет на конкурентоспособность».
Еще одним стимулом, по ее мнению, является дефицит квалифицированных кадров: «Сложная демография заставляют компании автоматизировать рутинные операции и развивать экспертизу в алгоритмах».
Однако при реализации этих стратегий возникает и достаточно много барьеров. Надежда Сурова относит к их разряду санкционные и технологические ограничения: «Уход западных вендоров ПО и оборудования, прекращение обновлений и технической поддержки заставляют компании в ускоренном порядке замещать решения, при этом переход на отечественные платформы требует времени и сопоставимых вложений».
Сергей Ергопуло, однако, видит позитивные изменения российского технологического ландшафта: «Сейчас российское программное обеспечение уже не просто не уступает зарубежным аналогам, по некоторым направлениям оно их превосходит».
Сказываются и инфраструктурные барьеры, которые возникают опять же в связи со спецификой отрасли.
«Удаленность промыслов, ограниченная связь и энергообеспечение на месторождениях сдерживают развертывание решений, требующих постоянного канала передачи данных», — указывает Надежда Сурова.
Юлия Кузнецова соглашается с проблематикой устаревшей инфраструктуры на местах: «Многие промыслы до сих пор не имеют надежных каналов связи, а их данные хранятся в разнородных системах, которые не пересекаются друг с другом».
Определенным вызовом, по мнению Надежды Суровой, представляется также качество и целостность данных: «Это — фундамент, без которого ИИ-модели не дают ожидаемого эффекта. А «лоскутная» автоматизация прошлых лет привела к разрозненным системам и неконсистентным данным».
Юлия Кузнецова в качестве барьера видит еще и сопротивление изменениям со стороны персонала и среднего менеджмента: «В этом кроется главный управленческий вызов: люди боятся, что технологии их заменят, или просто не понимают, как работать по-новому. Без продуманного управления изменениями (разъяснения смысла, обучения, демонстрации быстрых побед) проект цифровизации гарантированно будет внедряться со скрипом и сложностями».
И, наконец, еще один барьер, на который указали все аналитики — кибербезопасность.
«Интеграция систем повышает уязвимость», — акцентирует Юлия Кузнецова.
ИИ идет к нефти
Но это не останавливает нефтяников от тестирования продуктов и сервисов на основе самой прогрессивной технологии — искусственного интеллекта.
«Большинство решений представляют собой прикладные модели узкого назначения: прогнозирование отказов оборудования, оптимизация режимов добычи, компьютерное зрение для контроля безопасности и качества, обработка геофизических данных. Такие сервисы уже находятся в промышленной эксплуатации у компаний — технологических лидеров, включая «Газпром нефть», «Роснефть», «Татнефть» и «Лукойл»», — перечисляет достижения Надежда Сурова.
Но генеративный ИИ, по ее мнению, только начинает внедряться: «Появятся первые продукты. Среди них ассистенты инженеров, автоматизация работы с технической документацией и нормативной базой, интеллектуальные интерфейсы к корпоративным системам».
В целом уровень зрелости ИИ Надежда Сурова оценивает как фрагментарный: «Отрасль находится на этапе перехода от пилотных проектов к тиражированию: лидеры уже эксплуатируют десятки моделей в ключевых процессах, но платформенные решения, охватывающие всю цепочку создания стоимости, пока единичны».
По словам Юлии Кузнецовой, практически все крупные компании имеют собственные центры компетенций по ИИ: «Но при этом важно, чтобы ИИ-сервисы не создавались изолированно, в отрыве от реальных рабочих процессов. Управление изменениями выходит на первый план, потому что нейросеть может дать гениальную рекомендацию, но если оператор не понимает ее логику или не доверяет ей, ценность обнуляется. Поэтому будущее за теми компаниями, где внедрение ИИ сопровождается серьезными инвестициями в развитие компетенций персонала».
Сергей Ергопуло указывает еще на один важный нюанс: «Для инженерии ИИ сам по себе не является решением. Его эффективность напрямую зависит от качества данных, с которыми он работает. Поэтому развитие структурированных инженерных данных и цифровых моделей сегодня и создает основу для более широкого применения ИИ в проектировании и эксплуатации».
В целом, по мнению экспертов, сектор находится на этапе перехода от точечной автоматизации к системной цифровой трансформации, но до полной «цифровой зрелости» производственного цикла еще далеко.
«Нефтегазовый сектор демонстрирует устойчивую динамику цифровой трансформации: инвестиции растут, эффекты измеряемы, а искусственный интеллект становится главным драйвером следующего этапа. Ключевыми условиями реализации потенциала являются качество данных, преодоление кадрового дефицита и способность компаний масштабировать успешные пилоты в промышленную эксплуатацию. При выполнении этих условий отдача от вложений в цифровые технологии может составить триллионы рублей совокупного эффекта к 2040 году», — заключает Надежда Сурова.