Цифровые двойники, big data и аналитика: как облако ускоряет разведку нефти

Потребность в масштабируемых вычислениях в нефтегазе постоянно растет, констатируют эксперты

В нефтегазовой и производственной отраслях цифровизация происходит медленно — не из-за нехватки технологий, а из-за высоких рисков в случае возникновения простоев. Любая техническая ошибка может остановить производственный цикл, что приведет к серьезным финансовым потерям. Поэтому промышленность традиционно закрыта для внедрения IT-решений, особенно облачных, отмечает менеджер по развитию бизнеса VK Cloud в Казахстане Жанибек Шутбаев. А между тем облако может сэкономить добывающим компаниями деньги и время на исследования, разработку месторождений, сбыт нефти.

В отличие от других секторов экономики, промышленность до сих пор активно использует устаревшее оборудование, например, конвейерные ленты, и специализированные программно-аппаратные комплексы, в которые облаку очень сложно прийти, констатирует Жанибек Шутбаев.

«Если завод остановится из-за какой-то IT-новинки, то будут большие потери. Остановка невозможна в принципе, потому что запуск доменной печи или насоса в добыче нефтяной компании чреваты тяжелыми последствиями», — пояснил он.

С другой стороны, потребность в масштабируемых вычислениях в нефтегазе постоянно растет — компании все больше ориентируются на аналитические системы, модели прогнозирования и высокопроизводительные вычисления, которые локальная инфраструктура уже не в состоянии обеспечивать.

«В этом контексте облачные технологии позволяют решать целый ряд задач, с которыми сложно справиться на собственных мощностях. Речь идет, например, об ускорении геологических и гидродинамических расчетов. Определение, есть ли нефть на определенном участке, традиционно занимало 2–3 месяца, а с помощью облачных платформ эти расчеты можно совершить за неделю», — говорит Жанибек Шутбаев.

Он также упомянул обработку сейсмических данных. В классическом подходе данные объемом в десятки терабайт обрабатываются годами. Облачные ресурсы позволяют сократить сроки до 1–2 недель, причем без перераспределения нагрузки на сотрудников и их оборудование.

Облачные ИТ-решения так же эффективны, когда речь идет о создании цифровых двойников в нефтегазе.

«Скважины, узлы переработки и логистики моделируются в цифровой среде. Для этого требуются тысячи ядер и сотни гигабайт оперативной памяти, которые доступны на облачных платформах», — сказал спикер.

Однако есть примеры существенного сокращения времени на расчеты в рамках цифрового моделирования, например, обработка сейсмических данных ускоряется с 288 до 159 часов, бассейновое моделирование — с 55 до 3 часов, симуляция 24 модели различных сценариев освоения десятиствольной скважины – с 2160 до 120 часов.

«Все это возможно благодаря частному облаку с готовой IT-инфраструктурой и прикладным маркетплейсом, в который входят решения для геологии, геомеханики, бурения, гидродинамики, контроля за разработкой месторождений. Все это доступно в частном облаке, и сотрудники всех структур, например, «КазМунайГаза» могут быстро получать доступ к этим приложениям, оперативно их настраивать, масштабировать и использовать их столько, насколько нужно: 3 часа, 5 часов, 24 часа и т.д.», — добавил Жанибек Шутбаев.

Он заверяет: переход на облачную архитектуру дает производственным компаниям не только технологические преимущества, но и прямую экономическую выгоду. Среди ключевых бенефитов от использования облачных технологий:

— повышение окупаемости вложений в IT за счет сокращения time-to-market;

— существенное снижение затрат на поддержание тысяч рабочих мест и desktop-приложений;

— экономия на лицензиях прикладного ПО — оплата происходит по модели pay-as-you-go, только за реально использованное время;

— кратное ускорение расчетов моделей месторождений и полевых данных (в том числе сейсмика, гидродинамика, цифровой анализ Керна);

— минимизация затрат и времени на развертывание IТ-решений — от недель до минут.

«Если подсчитать расходы компании на инфраструктуру, обновление инфраструктуры, программное обеспечение, количество людей, которые это все обслуживают, и сравнить это с затратами на переход в облако, то экономия может составлять от 20%», — сказал Жанибек Шутбаев.

Также сокращается time-to-market. Запуск новой IТ-платформы в облаке возможен за 5 минут, тогда как на физическую поставку и установку серверов может уйти от недели до месяца.

«Современное облако — это не просто аренда серверов, а готовая платформа с предустановленными базами данных, операционными системами и аналитическими модулями. Один специалист может одновременно управлять десятками процессов, что также снижает издержки. Дополнительное преимущество — прозрачность бизнес-процессов: облачные решения фиксируют, кто, когда и с какими данными работал, сколько времени заняла обработка, каковы результаты. Это критично для управляемости и контроля над ресурсами в таких масштабных структурах, как нефтегазовые холдинги», — заключил Жанибек Шутбаев.

Да и в целом, в производстве технологии на базе искусственного интеллекта набирают обороты. По итогам 2024 года затраты на глобальном рынке промышленного программного обеспечения на основе ИИ достигли 6,79 млрд долларов, свидетельствуют данные из обзора Market Research Future, опубликованного в конце февраля 2025 года. В 2023 году этот показатель составлял 5,95 млрд долларов. Таким образом, рост оказался на уровне 14%. А по прогнозу экспертов Всемирного экономического форума, к 2028 году показатель вырастет до 20 млрд долларов.

В целом в работе с ИИ, как и с облаком в частности, очень важно правильно использовать данные. Эксперты Gartner выделяют 4 основных принципа подготовки данных для ИИ:

1. Исследовательский анализ. Он включает в себя разведывательный анализ (EDA), очистку и преобразование массивов сведений для создания высококачественных наборов данных с последующим извлечением необходимых признаков.

2. Маркировка и аннотация данных. Этот процесс подразумевает добавление метаданных к неструктурированным массивам информации, что необходимо для обеспечения смысла и контекста при разработке ИИ.

3. Инжиниринг. Процесс включает несколько этапов, таких как извлечение признаков данных, их отбор, преобразование. Процедура необходима для повышения эффективности ИИ-систем.

4. Увеличение объема данных. Это необходимо для конкретизации данных, которые не имеют нужных атрибутов или недоступны из-за конфиденциальности.

Стоит отметить, что темпы внедрения облачных технологий и ИИ в целом в разных отраслях промышленности отличаются. Однако то, что для всех компаний это неизбежная реальность — не вызывает сомнений.

добыча нефтиИИBig Dataоблачные технологиицифровые двойникиИИ в промышленности