(495) 925-0049, ITShop интернет-магазин 229-0436, Учебный Центр 925-0049
  Главная страница Карта сайта Контакты
Поиск
Вход
Регистрация
Рассылки сайта
 
 
 
 
 

Эффективность использования Big Data в жизненном цикле управления геологоразведочной деятельностью нефтегазовых компаний

 

МИРОНОВ, директор департамента по работе с компаниями ТЭК, RedSys
 

Технология "Большие данные" многими в добывающей промышленности воспринимается как нечто экзотическое и не имеющее отношения к производству.

В данной статье показаны возможности использования современных средств работы с большими объемами данных с широким разнообразием их структур применительно к задачам геологоразведочной деятельности добывающих компаний. С учетом современных вызовов в России даны примеры подобных программных средств с открытым кодом. Применение средств Big Data открывает более широкие перспективы для геологоразведочной деятельности.

Одна из важнейших бизнес-задач нефтегазовой или горнодобывающей компании - восполнение минерально-сырьевой базы (МСБ) [1]. Проще говоря, обеспечение наличия запасов, достаточных для поддержания установленного компанией уровня добычи. Для восполнения МСБ проводят геологоразведочные работы.

Важнейшие бизнес-процессы в нефтегазовой компании по геологоразведочным работам (ГГР) [2], составляющие жизненный цикл ГРР (рис.1.), это:

• оценка перспективных территорий;
• формирование программы ГРР;
• управление ГРР;
• анализ результатов ГРР.


ris1-2.jpg


Выявление перспективных территорий

Задача выявления перспективных территорий и зон интересов компании тесно связана с обработкой огромных массивов разнородных данных. Специалисты компании должны исследовать весь огромный массив информации, часто противоречивой и неполной, и определиться - стоит ли вкладывать средства компании в изучение определенной территории, стоит ли покупать тот или иной лицензионный участок.

Для оценки всего массива данных должно быть сформировано хранилище данных. В предыдущие годы это решалось созданием хранилища в реляционной СУБД для цифровых структурированных данных, неструктурированные данные размещались в файловых директориях. РСУБД присущ один крупный недостаток - жесткая привязанность структуры хранения к структуре исходных данных. Ввиду высокой неопределенности поиска данных использование запросов SQL к жестко структурированной БД малоэффективно.

Этого недостатка лишены хранилища на основе решения NoSQL в сочетании с системой поиска. Применение баз данных "key-value" (ключ-значение) обеспечивает единое индексирование всего массива данных независимо от их структуры. Использование поискового ядра, например Apache Lucene (http://lucene.apache.org / ), в качестве связующего элемента между интересующим объектом и массивом информации предоставляет широкие возможности нахождения нужной информации в условиях большой неопределенности.

В задаче выявления перспективных территорий технология Text Mining предоставляет возможность поиска литературных источников по заданной территории и заданной тематике, поиск схожих проектов и геологических результатов, схожих идей по проведению геологоразведочных работ и т. д. Пример такого инструментария - RapidMiner (http://rapidminer.com / ) или HP IDOL. Благодаря этой технологии становятся доступными для анализа значительно большие объемы источников данных, увеличивается глубина проработки литературы, отчетности и документации за меньшее время.

На этапе формирования программы ГРР важный элемент - оптимизация этой программы по различным критериям с учетом:

• стратегических планов компании;
• имеющихся производственных ресурсов компании;
• имеющихся на рынке сервисных компаний, свободных ресурсов компаний;
• сезонных и климатических особенностей исследуемых регионов;
• финансово-экономических условий в компании;
• конъюнктуры рынка;
• геологических условий исследуемых регионов, запасов;
• ограничительные условия лицензионных соглашений и т. д.

При наличии таких разнообразных критериев наилучшим образом подходят методы эволюционных вычислений [4,5], особенно генетические алгоритмы. Многокритериальная оптимизация с применением эволюционных методов (генетических алгоритмов) хорошо решается с применением одной из технологий Big Data - средств Data Mining.

Отдельная задача - оценка рисков проектов, входящих в программу ГРР [6]. И в этой задаче технологии "Больших данных" могут оказать существенную помощь. Ведь за счет значительно более быстрой обработки, за то же время средства работы со скоринговыми (рисковыми) [7] и прогнозными моделями [8] могут просчитать значительно большее число вариантов. Такие системы как RapidMiner или Pentaho Business Analytics (http://www.pentaho.com), в сочетании с Apache Hadoop могут значительно сократить время на оценку рисков и помочь точнее сформировать программу ГРР.

На этапе управления ГРР требуется обеспечение своевременного поступления данных, контроль работ в режиме реального времени, оперативный контроль операций во время бурения. С обеспечением своевременного поступления данных отлично справляется NoSQL база данных [9] в сочетании с поисковой машиной. Через систему краулеров ("паучков") обеспечивается постоянный опрос источников данных: датчиков и АСУ ТП, баз данных, консолей операторов, потовых серверов. Данные поступают в хранилище, индексируются, классифицируются и сразу доступны для анализа, что дает существенные преимущества по сравнению с традиционными системами хранения на базе РСУБД, для которых требуется целая система загрузки данных.

Благодаря использованию Hadoop возможно обеспечение функционирования постоянно действующих моделей на производстве, а именно:

• постоянно действующих скоринговых и прогнозных моделей для управления процессами бурения, морских исследований и других рисковых операций;
• постоянно действующих прокси-моделей геологической среды.

В задачах оценки качества и полноты полученных результатов большое значение имеет глубина оценки данных, которая тесно связана с сопоставлением данных между собой. Благодаря высокой скорости поисковых запросов, можно проводить более сложные сопоставления массивов данных за меньшее время.

Активно развивается технология обработки сейсмических данных с применением Hadoop. Такие компании, как Chevron, Shell, Yandex Terra, US Seismic, успешно применяют систему распределенных вычислений на базе MapReduce и средства ее программирования Hadoop для обработки полевых сейсмических данных.

В исследовании по прогнозам нефтегазоносности и схожих задачах возможно применение средств Text Mining и Data Mining, позволяющих находить аналогии по заданным шаблонам. Другими словами, возможен поиск аналогичных геологических структур методом аналогий.

Заключение

Внедрение технологий Big Data в задачах геологоразведочной деятельности компании - процесс не одновременный. Для успешного внедрения необходима последовательность, где каждый последующий шаг опирается на результат предыдущего. На рис. 3 показан пример последовательного внедрения. Первый шаг внедрения - создание хранилища данных, где важно обеспечить интеграцию данных из существующих систем, наладить постоянное пополнение данными и обеспечение контроля качества. Второй шаг - создание системы распределенных вычислений и хранения. Третий шаг - формирование аналитической части системы.

ris3.jpg

  
Технологии "Больших данных", безусловно, не способны заменить существующие традиционные системы обработки, анализа и моделирования. На рис. 4 показана схема взаимодействия с существующим ИТ-ландшафтом. В то же время использование этих технологий совместно с традиционными технологиями позволяет более эффективно работать с получаемыми данными, экономить время и средства компании.

ris4.jpg

Примеры применения технологий Big Data в нефтегазовых компаниях

• Chevron использует Hadoop (IBM BigInsights) для обработки сейсмических данных

• Shell использует Hadoop в виртуальном облаке Amazon (Amazon VPC) для обработки полевой сейсмики
• Компания PointCross  использует Hadoop и NoSQL

• Университет Ставангера использует Hadoop для обработки полевых геологоразведочных данных 

• Компании Total , Statoil, Лукойл Оверсиз, Норвежский директорат используют ApacheHBase  и Apache Lucene для обеспечения хранения данных, доступа к ним и обеспечения задач моделирования

• Halliburton Landmark использует Pentaho в качестве аналитической системы, получив премию как лучший пользователь за 2014 год (2014 Pentaho Excellence Award Winner) и как часть решения в ПО DecisionSpace.

• US Seismic использует Hadoop для глубокой обработки данных 3D-микросейсмики в стволе скважины (Microseismic Imaging) для увеличения эффективности и качества бурения.



 Распечатать »
 Правила публикации »
  Обсудить материал в конференции Дискуссии и обсуждения общего плана »
Написать редактору 
 Рекомендовать » Дата публикации: 09.01.2018 
 

Магазин программного обеспечения   WWW.ITSHOP.RU
Kerio Connect - Server (incl 5 users, 1 yr SWM)
SmartBear TestComplete Platform - Node-Locked License - (Includes 1 year Maintenance)
TeeChart for .NET with source code single license
Creative Cloud Multiple Platforms Multi European Languages Only Renewal Licensing Subscription 12 months L1 (1-9)
ESET NOD32 Антивирус - продление лицензии на 1 год на 3ПК
 
Другие предложения...
 
Курсы обучения   WWW.ITSHOP.RU
 
Другие предложения...
 
Магазин сертификационных экзаменов   WWW.ITSHOP.RU
 
Другие предложения...
 
3D Принтеры | 3D Печать   WWW.ITSHOP.RU
 
Другие предложения...
 
Новости по теме
 
Рассылки Subscribe.ru
Информационные технологии: CASE, RAD, ERP, OLAP
Новые материалы
Программирование на Microsoft Access
Краткие описания программ и ссылки на них
Delphi - проблемы и решения
Программирование в AutoCAD
Мир OLAP и Business Intelligence: новости, статьи, обзоры
 
Статьи по теме
 
Новинки каталога Download
 
Исходники
 
Документация
 
Обсуждения в форумах
Пишу программы на заказ профессионально (1994)
Пишу программы на заказ на языках Pascal (численные методы, списки, деревья, прерывания) под...
 
Пишу программы на заказ для студентов (102)
Пишу для студентов на с, с++, паскаль в средах ms visual studio, qt, builder, borland c, delphi....
 
Интересует продвижение сайта http://24tv.by (1)
Интересует продвижение сайта http://24tv.by/ по Минску и всей Беларуси. Сайт молодой, только что...
 
Как определить ОС из PL\SQL? (6)
Подскажите, есть ли в PL\SQL команда, определяющая операционную систему?
 
Удалённая работа программистом ASP.NET(C#) (89)
Знанию asp.net(C#) . Знаком с паттернами проектирования по книги M.Файлера.Знание HTML,...
 
 
 



    
rambler's top100 Rambler's Top100