油氣行業數字化轉型時機成熟

□ 梁 慧

在油價相對較低的時代，數字化技術在油氣行業降低成本和提高運營效率方面的作用將更加突出。

數字化利用了一整套新技術徹底改變商業模式。預計在油氣行業每年可節省約10%的運營成本，同時可以有效減少安全事故，提高作業效率甚至實現勘探突破。雖然目前油氣行業的數字化進程已有進展，但相對其他行業仍然緩慢，面臨數據治理和管理的瓶頸，行業觀念、企業制度和文化的轉變，以及網絡安全的挑戰。石油公司應積極應對行業新趨勢，在數字技術的突破對市場價格造成影響之前，加快公司數字化進程，搶占未來先機。

數字化為油氣行業帶來的優勢

數字化是利用數字技術和集成數據流的商業模式和活動的戰略轉型，會帶來更高的商業回報和新的商業機會。數字化為油氣行業帶來的優勢是顯而易見的，可以歸納為以下幾方面。

江蘇油田采油二廠自動化監控投入使用后，原本186口油水井需要50人錄取井口數據巡井，現在只需要8人就可以完成日常巡查。陳冬 攝

1.提高健康、安全及環境安全。行業經驗表明，在當前高度監管的環境下，安全及環境事件不僅會威脅到盈利能力，還會威脅到參與者的生存。為此，在地理分散的數據化遠程操作中，最基本技術要求有自動化的生產控制、監測設備狀況和預見性系統關閉等。數字化在油氣行業中對健康、安全及環境的提高較為明顯。因為無人駕駛汽車可使工人脫離作業現場，進入辦公室操作。在野外現場作業采用傳感器和警報器，以及虛擬現實和增強虛擬現實(VR和AR)等連接在一起的設備，不僅可以防止嚴重的健康、安全及環境事故，還可同時提供更多實時數據來提高運營效率。

2.改進資本配置結構。促進企業改進資本配置結構，應對隨機變動的市場環境，在當前應進一步專注價值創造、利潤率、生產力和資產利用率的環境下，將短期投資的重要性置于超長期投資之上。

3.提高運營和生產效率。隨著物聯網、機器學習和云計算等軟件工具的逐步開發和完善，以前很多復雜的業務變得簡單易操作，不可能的事情變成可能，有利提高企業運營和生產效率。如戴文公司的全美頁巖區塊剩余油氣可視化交互式地圖，計算一遍當前所剩余油氣量并以交互式地圖的方式呈現出來，只需短短10分鐘。可以進行油田的區塊分析，壓裂的效果、裂縫產生的長度和深度及流體流動的效果分析。使用無人機進行管道檢查，利用大數據記錄從周邊農作物的生長情況來判斷有無管道龜裂等情況，實現開發生產現場狀況錄像監控等。

4.合理安排設備的維護周期，提高可靠性。可以利用數字化的應用程序監視設備的狀況，通過數據分析來最小化災難性故障和過程中斷的風險，同時最大化設備的可靠性和生產效率。目前已開發的這類程序有GE公司的資產性能管理(APM)程序、Lloyd's Register的實時維護優化程序等。

5.增加資源。增加資源也就是發現新資源量或提高采收率。用計算機化技術可以在地球表面以下數千米處尋找新儲量的作業。像殼牌的Geo Signs軟件套件和廣角方位(WAZ)工具包等專有技術，可以將地震數據轉換成詳細的地圖。這項技術可以比以往更快、更有效地幫助地質學家找到油氣資源。如在位于復雜的地下鹽結構之下的美國墨西哥灣Deimos油田獲超過1.5億桶的石油發現。

6.節約成本，提高收益。在油價相對較低的時代，數字技術為油氣行業可能帶來的巨大成本和運營效率也變得更加突出。隨著全球大宗商品價格的回升，現在成本削減面臨壓力，數字技術的采用有望為此帶來破解之法。國際能源機構在其2017年關于數字化和能源的報告中估測，數字技術可能將油氣生產成本削減20%。保守估計，到2025年，油氣上游活動中的數字技術可能會導致累積資本和運營節省1000億美元。據伍德麥肯茲的統計，美國本土48個州的勘探開發公司通過采用優勢分析和物聯網數據技術，在鉆井和完井作業中已節省了近10%的費用。在油氣下游領域，機器學習等數字技術可以完善設備的預測維護和自動化優化控制。例如一般煉油儲運意外損耗約為100萬桶/日，但隨著煉油廠越來越多地設置傳感器，可獲得更多的數據進行管理，使實際損耗減少50%。

數字化技術帶來的收益是遞增的。創新過程一般都經歷初始規模較小，再突破，然后被廣泛采用階段。油氣行業新技術的應用也要經歷該過程。目前仍處于采用數字化技術的初始小規模階段，收益雖低但在遞增。下一步這些行業的不同領域的不同部分將在不同的時間到達收益大幅增加的突破拐點，最后是數字技術在行業內各個公司都有應用，收益的增加與成本投入同速發展直至減緩。

油氣上游業務在2014年油價崩盤后，利潤受到極大的擠壓。美國本土勘探開發公司率先采用了數字技術，降低成本，提高決策效率，以求提高收益。據伍德麥肯茲用大數據對美國本土勘探開發公司的經營影響分析表明，僅技術優勢(數字和操作)就使二疊紀盆地的產量增加了10%。

油氣行業數字化進程面臨挑戰

油氣行業都處于數字化過程之中，但與其他行業相比落后好幾年。這種滯后是一把雙刃劍，例如需要的技術既可以直接從其他行業獲得的經驗中迅速獲益，還可以向大型IT公司尋求幫助和支援，獲得更安全、更精簡和更高效生產的數字化路線。

行業觀念的轉變將是實現持久效益的關鍵。油氣行業的觀念雖然較為保守，厭惡風險，但也在進行著數字化轉型。因此，隨著企業經營方式的變化，員工總數可能會更少。簡單的和手工操作的業務將被自動化，員工將有更多的時間集中在更安全和高價值的工作上，從而需要具有相應的新技能。員工會對這些新變化抵制，對新程序和做事方式產生不信任。雇主必須在疏導員工的擔憂的同時，對企業環境要求和股東期望的數字技術進行實施和擴展，這一轉變將是實現持久效益的關鍵。

數據管理是一個巨大的挑戰。數字是未來，企業數字管理將成為日常經營手段之一。要真正把數據變成資產并從中獲益，需要進行企業數據管理。數據遍布企業的整個價值鏈，企業間可以分享，以獲得最大的回報。技術類公司因為擁有大量的數據和智能的雇員，使他們能夠迅速地擴大規模，獲得豐厚利潤。油氣行業實際上也擁有數量巨大的數據，但沒有統一的數據標準，數據來源和類型復雜多樣，就連公司內部一般都會有大量重疊的數據集和孤島數據，結構化數據僅占全體數據的20%。這使得跨團隊和公司共享數據變得困難。首要的任務是數據治理和管理，把體量巨大、高速增長、種類繁多的數據組織在一起，并發現它們的新價值。公司需要花費大量的時間和經費統一數字格式，將油氣行業傳統的技術與新“數據科學”結合是一個重要的、花費時間的難題。

克服企業制度化和企業文化限制。小型公司比大公司更易、更快地獲得更多的收益。油氣行業的小型公司容易實現并規模化使用數字化技術。小型公司的投資組合規模、業務量、雇員都相對較少，公司營運產生的數據也較少，現有的遺留系統更少，從而組織數據會容易；而且他們習慣于借助和利用外部技術援助，因此更容易克服文化障礙。AkerBP公司就是一個很好的例子，它已經建立了一個企業數據管理系統，并且已經在其運營中成功部署數字技術。大型公司必須向小型公司學習，克服企業制度化和企業文化限制，挑選最佳的和最相關的應用技術，并結合自己的實際情況，獲得巨大的利益，鞏固市場的主要參與者的地位。如挪威國家石油公司已經鎖定削減30%的資本支出和50%成本的目標，如果實現這一目標，這將是一個革命性的節省。

網絡安全。隨著資產越來越多地與網絡相連，公司運營受到網絡攻擊的風險大大增加。企業將需要通過監控威脅、識別漏洞、建立健全的控制及促進安全意識文化，來保護關鍵的數字基礎設施免受網絡攻擊。

數字業務模型的五個指導原則

考慮到數字化為油氣行業帶來的優勢和挑戰，油氣公司在設計數字業務模型時，需要遵循五個指導原則。

數字技術是企業轉型的幫手，是解決公司最大業務問題的手段，不是目的。企業運營應該以商業為導向，而不是以技術為中心，找出最大的商業挑戰，并評估數字技術怎樣起作用。

數字化影響企業的整體運營模式，包括企業愿景、戰略、工作流程、文化和員工行為。一些油氣公司將數字技術視為核心業務的細枝末節。基于這種理念的數字化的結果是孤立的，不能提供企業驅動效率和價值所必需的全面的策略。公司需要在價值鏈的所有關鍵元素上建立新的數字能力和技術手段。

數字技術應該超越公司界限，包括整個行業系統，如供應商和外部合作伙伴。例如，包括業務所在國政府和石油服務提供者和承包商在內的新油田開發的所有利益方，都應采用數字技術。

每個公司都需要創建自己的數字轉換模型。沒有可遵循的單一的、模型的數字模板。盡管可以效仿領先企業的最佳實踐案例，但應該識別正確的案例，為滿足特定業務需求和挑戰量身定制數字解決方案。

構建多學科團隊。公司需要工程師和數據科學技術人員的正確能力的組合。隨著對數據分析的關注越來越多，公司將需要更多精通數字技術的工程師。在技術和技術能力之間找到這種平衡，可能是首席戰略官和首席信息官面臨的最棘手的挑戰。

油氣行業數字化發展趨勢

西北油田采用無人機巡檢輸油管線。李曉東 供圖

油氣領域數字化轉換時機已成熟，操作有危險的和成本高昂的業務將廣泛實施數字自動化。所有的新開發油氣項目都將部署這樣的操作：數字油田、數字精煉廠、數字采礦廠和數字發電廠。無人操作的FPSOs也將會出現。基于數據的決策將成為規范，比基于物理學或工程學的決策更重要。

數字化的終極階段將是智能化，也就是企業全面擁抱人工智能（AI），變成人機一體世界。人和機器的關系：信息足夠完備、語義智能在人和機器之間自由交互。為此，油氣公司的經營需要為以下趨勢做好準備。

1.AI驅動的商業運作模式的重塑。多數企業AI應用都是為了通過增加正常運行時間、提高單井產量，降低健康、安全及環境安全風險等提高作業效率，降低成本。這種創新的商業模式將改變鉆井服務商、設備制造商和油氣公司的市場格局，只有將AI深度嵌入其核心設備和流程中的傳統工業部門才能在變革浪潮中脫穎而出，這就意味著油氣公司的商業運作模式需要重塑。

2.AI更多應用到上游領域。AI平臺已經在2017年實現了在油氣行業內的通用性，未來將在油氣上游領域發揮重要作用。如Flutura公司的Cerebra工業AI應用中心針對深水資產的診斷、水力壓裂、LNG等多種上游問題都預設了解決方案。預計有更多的人工智能程序使用高度專業化的算法，從而大幅提升上游特定和復雜問題的解決能力。

3.消除工業傳感器信號的盲點。AI技術在實際應用中面臨的最大挑戰是信號盲點問題。油氣行業傳感器領域需針對這一問題進行攻關，包括利用基于微分干涉的光學測量檢測油氣質量、油罐油量異常等。

4.邊緣智能成為核心。邊緣智能是讓系統中的每個設備端都具備數據采集、分析計算、通信和智能功能，數據的安全性得到極大提高。此外，還節省了數據傳輸的時間，現場的問題能夠得到及時響應。即使當資產或流程的某個環節出現故障時，邊緣智能也依然可以保證其核心操作的完整性。在油氣、礦業等生產制造行業，企業可以通過邊緣智能對生產設備進行實時監控和分析，進而提供實時操作指導，對失效設備組件進行及時修復和更換，消除隱患，實現資產維護的智能化。

5.傳感器數據高速公路。當前的數據網絡已經不能滿足數據傳輸的高速率，需要在油氣上游流程和資產上增加傳感器的密度，提升傳輸頻率。目前已經有Sigfox和Ingenu等公司開始構建新一代傳感器數據傳輸基礎設施。這種設施類似于高速路上的專用道，可實現油氣生產數據的快速、高效傳輸。

數字化技術的突破將會降低油氣行業整體的成本曲線。從一個公司的角度來看，在數字化技術的突破影響市場價格之前，最佳選擇是獲取利潤。那些快速、大規模地采取數字化技術的公司將是受益最大的。