工程作業智能支持系統EISS 平臺技術架構優化實踐

錢浩東，王 鵬，張治發

（中國石油集團川慶鉆探工程有限公司鉆采工程技術研究院，四川 德陽 618300）

1 EISS 系統概述

工程作業智能支持系統（Engineering Opertion Intelligent Support System，EISS）是中石油集團油田技術服務有限公司以“川慶鉆探一體化平臺”為藍本，在優化鉆探企業各系統功能基礎上，經過多年技術攻關，研發出具有中油技服特色、自主知識產權的信息化平臺［1］。EISS 系統是信息技術與鉆井完井工程技術的最佳結合技術成果，涵蓋的專業從鉆井逐步拓展到錄井、井下作業和測井等專業，擴大了應用范圍和功能，功能項有66 項，功能點有936 個，核心功能實現了三維可視化［2］。截至目前，中油技服ZJ50 以上鉆機全面配套井場數據采集器，實現對鉆井完井作業現場數據的統一管控。同時，作業現場廣泛應用視頻監控和視頻會議，EISS 系統累計覆蓋中油技服18 349口井，3 517 個基層隊（鉆井8 249 口，部署940 個作業隊；錄井5 595 口，1 376 個作業隊；井下4 505 口井，1 201 個作業隊）。

EISS 系統始建于2013 年，使用C#語言和Oracle 數據庫和PI 實時數據庫開發了asp.net 架構程序，系統架構見圖1。該平臺在當年具有一定的先進性［3］，但經過多年的使用，特別是在2019 年中油技服大規模推廣使用后，平臺出現了以下問題。

圖1 現有EISS 系統架構

①C/S 版系統采集端，軟件部署煩瑣，升級麻煩，數據同步穩定性較差。②主平臺系統開發沒有進行前后端分離，代碼復用率較低，隨著后期更多應用開發部署，會給后端系統造成更大的負荷。③在多年的版本迭代過程中，只是對軟件功能進行新增和優化升級，并未對系統架構進行更新升級。④隨著實時數據劇增，系統開銷不夠導致整個系統開銷過大，實時數據服務的存儲與發布采取集中處理方式，隨著用戶、作業井增加，數據變得滯后，數據刷新不及時，服務壓力增加，嚴重影響生產監控，系統存在崩潰的風險。⑤現有數據管理的格式較少，非關系數據格式利用率低，系統對接數據庫的程序開發量大。⑥系統語言跨平臺兼容性差。隨著計算機編程技術和網絡技術飛速發展，為了跟上信息技術發展的步伐，對EISS系統從系統架構、數據管理模式和運行管理模式等方面進行轉變升級，實現云化部署，從而提升用戶體驗性能，并有效降低運維成本。

2 系統架構的優化方案

2.1 優選系統架構

當前，微軟最新一代架構.NET 5 統一了.NET Framework和.NET Core，可以進行跨平臺應用程序開發，同時新的互聯網技術（Internet Technology，IT）時代已經來臨，容器、Kubernetes、DevOps、微服務、云原生是技術發展的方向，其中容器技術是基石［4］。軟件系統采用.NET 5 架構開發和Docker 容器部署的模式具有體積更小、占用資源更少、啟動速度更快、容器感知低配運行等先進特性（見圖2）。為此，EISS系統架構升級選用微軟最新一代架構.NET 5，前端開發采用微服務、組件化和前后端分離的模式，在井場用Docker 容器進行部署，使系統升級部署和整個系統資源開銷更低；微服務可以實現復雜度可控、每一個模塊獨立部署、技術選型靈活、單個模塊發生錯誤不影響全局并滿足業務的橫向擴展；對一些公共模塊進行組件化開發，提高開發效率、復用效率和運行維護效率。例如，井結構圖繪制可做成一個“微服務”，在平臺的其他系統中要用到此服務時可以直接調用，而不用再重復寫代碼，這可以很大程度上降低系統各個功能的耦合性，使數據相互獨立，從而提高功能內部的聚合性。通過前后端分離開發可以優化團隊資源配置，少量后端工程師配合大量前端開發工程師就可以完成軟件系統的開發，前端開發可以不涉及油田相關專業知識，通過調用后端的Web API 接口進行頁面開發；后端專注于油田相關專業知識、相關專業算法，優化設計模式和程序架構，為前端提供高效的接口；后端采用.NET 5 跨平臺開發，最終實現系統全面云化及跨平臺部署［3］。

圖2 新一代EISS 系統架構

2.2 改變數據管理模式

目前，EISS 系統管理了大量多元化的專業數據信息，較多非結構化的數據雖然入了庫，但不能有效利用，造成鉆井、錄井、測井、井下作業以及設備信息等很多非結構化信息不能在管理平臺上得到深化應用。對此，可以建設集鉆井、錄井、測井、井下作業、設備信息和生產流程于一體的EISS 數據湖，以原始格式存儲結構化數據、非結構化數據和二進制數據，滿足數據接入、數據存儲、數據搜索、數據治理、數據質量和安全管控的核心需求。按照中石油勘探開發夢想云發布的技術標準，實現將EISS 數據湖中的數據快速推送到總部夢想云平臺［5］。

2.3 建立數據中臺，改變傳統的運行模式

可通過建立數據中臺，改變傳統的前后臺信息處理模式，進一步提高開發效率。前端應用通過井筒數據中臺獲取專業數據服務，數據中臺根據各專業的需求，對海量、多源的數據進行采集、計算、存儲、加工，建立統一標準和口徑，把數據統一之后，以標準形式存儲，形成大數據資產層。同時需要加強數據業務中臺的建設，可以將使用頻次較高的業務組件化，部署在中臺，前臺需求發出后，可以調用業務中臺各個公共的組件進行快速構建。例如，建立區域性井漏數據中臺，可以對已入庫的鉆井和地質信息進行抽取，并用人工智能（Artificial Intelligence，AI）技術找出井漏發生時的相關井筒數據的特征，建立區域井漏的標準和規范信息層，方便數據預警時及時調用；建立井漏業務分析中臺，前臺請求發出后不再經過后臺和前臺，在中臺就可完成相應的業務處理，這樣系統的響應速度將大幅提高。前臺應用系統只需要投入少量人力成本，就可以快速完成新系統的研發和上線。同時還可以探索建立技術中臺，以進一步提高平臺的管理效率；后期隨著系統工作平臺陸續上線，繼續構建技術中臺，進一步優化調配平臺上的資源。

3 應用效果

新一代的EISS 數據采集和工程作業智能支持系統使用.NET 5 架構，采取微服務、組件化和前后端分離的模式，用搭積木的方式開發系統、云化部署系統，通過數據中臺服務訪問數據湖，實現實時數據、手工數據和視頻數據的存儲。目前，新的系統測試平臺已建立，平臺響應速度大幅提高，系統響應速度提高了100%，系統崩盤的風險基本解除。將來新平臺完全上線后將助力實現遠程實時監測作業過程，及時發現工程異常的響應速度，通過專家會診優化技術方案，實現鉆完井作業前后方協同、安全管控、人員管控和輔助決策，提高生產組織和作業效率，為中油技服的數據化轉型、智能化發展奠定堅實的基礎。