孟軍曉 周世鑫 吳斌 林超
中海石油(中國)有限公司天津分公司 天津 300450
目前我國人工智能技術的主要代表是模糊邏輯(FUZZYLOGIC)、專家系統(ES)、人工神經網絡(ANNS)技術,它們在石油勘探領域中得到了廣泛的運用,逐漸融入到了石油勘探工程的每一個步驟。人工智能技術能夠在多方面為操作人員提供更加準確與高效的服務,比如它能準確地預測出石油的開采量、對石油層進行對比與分析、NMR的實時測井數據的反演、對剩余油的分布狀況進行精準的預測。
人工智能的發展將會帶動整個石油勘探領域的發展,而在實際的勘探作業中充分融入人工智能是必然的。企業想要最大程度地發掘人工智能在石油勘探領域中的潛能,必定需要通過多種實踐進行成果的累積與分析。通過將模糊邏輯與神經網絡之間的相互結合,裂隙性油藏的分析得到廣泛的關注。在將神經網絡與模糊邏輯相結合的情況下,還能對測井數據進行篩選,從而展開對油藏特性的深入研究,建立起實踐的分析模型與體系,并將該方法運用在實際的石油勘探中,進而得到了更加準確的結果。
通過數據標準化,提高數據集成效力,信息化建設雖然積累了大量數據,但受多種因素影響,數據標準化程度并不理想。即使通過ERP系統,實現了經營管理數據的標準化,但生產領域數據相對忽視,致使企業數據質量、整合利用成效不理想,對此數據標準化尤為關鍵。
數據技術在石油行業設備中的應用微乎其微,雖然生產數據的傳感器配置齊全,但用于決策的數據少之又少。人工數據輸入在數據質量、監督與審核方面并不理想,對此需配置大量的智能終端,不斷提升工作人員的工作效率[1]。
數據整合水平的提升,對數據綜合利用能力的提升有現實意義。石油企業方面,已經確保了信息化全覆蓋,但數據散落在各系統、各部門,受數據管理理念落后等因素影響,考慮到信息安全問題,難以實現信息共享,致使數據整合成效難以提升。
傳統企業數據管理方式,是業務部門擁有而IT部門管理數據模式,致使業務部門不會靈活運用數據,而IT部門不會管理數據的現象出現。在人工智能時代,數據作為核心資產應當實現戰略運營,而不是將數據作為信息系統產物常規化管理。
人工智能應用應采取近期發展戰略和遠期發展戰略相結合、點和面相結合的原則,在頂層設計、數據管理、研發布局、人才培養、價值提升等方面統籌考慮,實現創新協同發展。近期發展戰略是強化認識,跟跑學習,特別是要提升各級管理層的認識與知識水平。以業務應用為主、跟進基礎研究,以點帶面,逐步推廣,配套制度建設,構建科學完善的人工智能應用體系。
具體包括以下幾個方面:①強化頂層設計。一是行業層面,院士、管理者、資深專家可聯合倡議,使各大油企能夠統一認識,有效協同,充分發揮社會主義市場經濟條件下的新型舉國體制優勢;二是在企業層面,應堅持業務導向、問題導向、目標導向,一體化設計、一體化組織、一體化推進,打通數據流,重構業務流,實現企業管理模式的創新、變革、轉型;三是在專業層面,應“軟”、“硬”兼施,以建推用、以用促建,以用為先,迭代推進[2]。②加強數據治理。“數據大”不等于“大數據”,標準規范的數據和訓練樣本庫是人工智能應用的基礎,人工智能應用應當將數據治理放到首位,統一數據標注、推進數據互通,加強數據治理,進一步建立數據信任機制和管理模式,提升數據共享的規范性與合規性。③重視人才培養。人工智能算法工程師與油田工程師之間往往存在“聽不懂、說不清、合不來”現象,在數字化向智能化轉化的進程中,導致不同程度存在“建得多、用得少”的問題。同時,由于石油勘探開發和人工智能這兩個領域所涵蓋的學科太廣,復合型人才培養難度大、周期長。因此,應當加強校企合作、石油企業與IT企業的深度合作來培養復合型人才。④推進合作共享。應探索建立“跨行業、跨企業、跨專業”的創新聯合體,推進油企與IT企業之間、傳統油企之間、不同專業之間的跨界融合,實現邊界突破,構筑完善的石油工業智能技術研發體系。⑤實現算法自主。經過了信息化建設階段,油氣行業已經形成且每時每刻還在形成的海量數據已經基本可控,網絡和節點支撐了一定的算力,應加強對核心算法的研究攻關,形成具有自主知識產權的算法體系,為石油工業智能化發展提供基礎支撐[3]。
綜上所述,隨著我國經濟和科學技術的快速發展,石油工程領域在應用人工智能技術時,石油企業并不是打破當前石油工程生產運營模式以及生產思維,而是需要管理人員及時轉變思維模式,更好地適應時代科學技術發展趨勢,不斷創新石油工程生產和管理模式。石油企業在發展過程中,為了提升自身品牌形象逐漸提高在行業中的核心競爭力,需要管理人員合理融合創造力以及創新思維戰略。通過對人工智能技術進行科學應用,可以確保石油企業更好地適應社會的發展,并給企業創造更多利益。