新时代的油气业务情报系统

数据分析的新化身

从来都不缺乏石油和天然气作业中的数据使用。甚至在数据科学变得很酷之前，就有大量的统计研究被用来理解地震和地质数据，并有效地管理油田作业。数据一直是油气行业决策的支柱。

随着数据技术的出现，可以处理扩展和机器学习，以帮助运营团队和科学家理解数据，新时代情报系统也开始成为一长串数字转型计划的首要任务。

提取未知的未知

目前已有许多预建模型用于确定油品质量和校准油井设备。通过将信息输入到这些模型中，现场工程师就可以很好地了解井的运行方式。

机器学习开始超越未知的未知。机器学习通过分析多变量模式和异常，使现有的设置更加复杂，这可能是由于过去的失败。此外，分析模式来自数年的数据，以减少任何固有的偏差。机器学习独自不能回答所有的分析问题。它是谜题的一部分，增强了经过多年研究获得的现有知识。

新时代情报系统的组成部分

组织接收数据和进行分析的速度是至关重要的。因此，一个复杂的决策系统需要快速并且非常准确地交付见解。油井的中断每天可能造成高达100万美元的收入损失。

一个真正的决策支持系统应该具备物联网基础设施、实时监控系统、监督学习模型以及无监督学习模型。物联网基础设施包括低功耗传感器、网关和通信设置，以确保油井作业的所有方面都连接在一起，并近乎实时地提供信息。实时监控系统允许对关键性能指标驱动的资产进行持续监控，并寻找任何可以通过肉眼捕捉到的问题或峰值。实时监测系统的典型情况包括现有的石油产量、油井泵的温度和压力以及井场周围的地震活动。

监督学习模型预测已知的模式和问题。这些都依赖于过去的失败信息和模型，这些都是在实验和生产设置中经过时间磨练的。组织可以使用模型来预测泵的维护和泵的优化，以提高生产率。无监督学习模型寻找异常和可能的退化迹象。他们利用复杂的多元模式数据来确定相关性和可能的偏离正常行为。无监督模型使用神经网络确定生产效率和操作参数之间的多元相关性，并使用时间序列分析和异常检测识别泵退化的早期迹象，以降低泵故障的概率。

一个情报系统的组成部分。来源:阿布经脉

很难依赖于一种类型的系统。不断的改进需要人类智能和机器智能的结合。由于可以有效运行油井的先验知识过多，机器学习而大数据技术为这些系统提供了合适的武器库，使其变得更加复杂。新时代的智能系统通过现有模型和机器学习衍生的未知模式成为已知知识的组合。

所有IoT Agenda网络贡献者都对其帖子的内容和准确性负责。意见是作者的，不一定传达物联网议程的想法。