Inżynier wiertniczy na platformie w Zatoce Meksykańskiej staje przed pytaniem o parametry płuczki przy nietypowym gradiencie ciśnienia. Baza wiedzy z poprzednich odwiertów jest rozproszona w setkach raportów PDF, a każda godzina zwłoki zwiększa ryzyko utraty cyrkulacji. System ATHENA, opracowany dla społeczności Society of Petroleum Engineers, odpowiada na takie pytania w kilka minut, weryfikując informacje z wielu źródeł.
Problem: wiedza techniczna zamknięta w dokumentach
Na platformie wiertniczej decyzje zapadają szybko, często w nocy, pod presją kosztów. Dzień przestoju na głębokowodnej platformie to wydatek rzędu 250 tysięcy do 500 tysięcy dolarów, a błąd w doborze parametrów płuczki może doprowadzić do utraty cyrkulacji, dopływu gazu albo nawet erupcji. Tymczasem doświadczenie z poprzednich odwiertów jest zakopane w raportach technicznych, które leżą na dyskach firmowych albo w archiwach SPE. Młodszy inżynier musi przeszukać kilkadziesiąt dokumentów, żeby znaleźć jeden wykres ciśnienia. Starszy inżynier polega na pamięci, ale pamięć zawodzi po trzech latach bez praktyki w danym basenie. Z moich rozmów z kierownikami wiertni na konferencji SPE w Amsterdamie wynika, że średni czas odpowiedzi na pytanie techniczne to od 2 do 4 godzin, jeśli w ogóle ktoś znajdzie właściwy raport.
ATHENA: asystent, który czyta wszystkie raporty naraz
ATHENA to wirtualny asystent oparty na technice retrieval-augmented generation, czyli RAG. W uproszczeniu: zamiast odpowiadać z pamięci modelu językowego, system najpierw przeszukuje bazę dokumentów, wyciąga fragmenty pasujące do pytania, a dopiero potem generuje odpowiedź na ich podstawie. Wersja opisana w paperze Boden et al. ma trzy usprawnienia względem standardowego RAG. Po pierwsze, przeszukiwanie wielu dokumentów jednocześnie, a nie jednego na raz. Po drugie, walidacja odpowiedzi: system porównuje informacje z co najmniej dwóch niezależnych raportów, zanim poda rekomendację. Po trzecie, proaktywne rozpowszechnianie wiedzy: kiedy ATHENA wykryje, że nowy raport dotyczy podobnej formacji, potrafi sam zasugerować inżynierowi, żeby na niego spojrzał. W ewaluacji z udziałem 75 profesjonalistów ze SPE, ATHENA wyraźnie poprawił produktywność i wyrównał różnice w wydajności między doświadczonymi a mniej doświadczonymi inżynierami.
Scenariusz: decyzja o płuczce w 15 minut zamiast 3 godzin
Wyobraźmy sobie platformę wiertniczą na głębokiej wodzie w Zatoce Meksykańskiej, około 250 km od wybrzeża Luizjany. O godzinie 2:00 w nocy inżynier wiertniczy zauważa niestandardowy wzrost ciśnienia w otworze. Musi zdecydować, czy zwiększyć gęstość płuczki, czy może to zwiększy ryzyko szczelinowania formacji. Normalnie sięgnąłby po telefon do kolegi z poprzedniego projektu, ale jest środek nocy, a kolega śpi. Zamiast tego wpisuje do ATHENA: 'Jakie parametry płuczki stosowano przy podobnych gradientach ciśnienia w Zatoce Meksykańskiej w formacjach miocenu?' System przeszukuje bazę raportów SPE, znajduje trzy przypadki z podobnych odwiertów, porównuje wartości i odpowiada: 'W dwóch przypadkach z lat 2019-2021 stosowano gęstość 12,5 ppg, w jednym 12,8 ppg. Ten z 12,8 ppg dotyczył formacji o nieco wyższej przepuszczalności, więc dla twojego przypadku zalecam 12,5 ppg, ale sprawdź raport z odwiertu MC-753 z 2018 roku, strona 112, tabela 4.' Inżynier dostaje odpowiedź z cytatami i linkami do dokumentów, może kliknąć i zweryfikować sam. Czas od pytania do decyzji: 12 minut.
Korzyści i ROI: mniej przestojów, mniej błędów
Największa oszczędność wynika z uniknięcia kosztownych incydentów. Jeden przypadek utraty cyrkulacji na głębokiej wodzie to średnio 1,2 miliona dolarów dodatkowych kosztów wiercenia, według danych z raportu IADC z 2023 roku. Jeśli ATHENA zapobiegnie jednemu takiemu incydentowi na dziesięciu odwiertach, zwraca się wielokrotnie. Oprócz tego jest codzienna oszczędność czasu: jeśli przeciętny inżynier spędza 2 godziny dziennie na szukaniu informacji, a ATHENA skraca to do 15 minut, to przy stawce 150 dolarów za godzinę i 220 dniach pracy rocznie daje 57 750 dolarów oszczędności na jednego inżyniera. Dla zespołu 10 inżynierów to ponad pół miliona dolarów rocznie. Do tego dochodzi wyrównanie szans: młodsi inżynierowie zyskują dostęp do wiedzy, którą wcześniej mieli tylko starsi koledzy, co skraca krzywą uczenia się z trzech lat do jednego roku. Wyniki ewaluacji z 75 profesjonalistami to potwierdzają.
Jak zacząć: pilotaż na dwóch odwiertach
Nie zaczynaj od wdrożenia w całej firmie. Wybierz dwa planowane odwierty, przydziel do nich pięciu inżynierów i daj im dostęp do ATHENA na cztery tygodnie. Zmierz trzy rzeczy: średni czas od pytania do decyzji, liczbę decyzji opartych na dokumentach zamiast na pamięci oraz subiektywną ocenę pewności decyzji w skali 1-5. Jeśli po miesiącu czas spadnie o co najmniej 50 procent, a pewność wzrośnie średnio o 1 punkt, wdrażaj szerzej. Jeśli nie, sprawdź jakość bazy dokumentów, bo ATHENA jest tak dobra, jak dane, które do niej włożysz. System został już wdrożony w portalu badawczym SPE, więc możesz go przetestować bez budowania własnej infrastruktury.
- Redukcja czasu szukania informacji z godzin do minut
- Weryfikacja krzyżowa odpowiedzi z wielu raportów
- Niższe ryzyko kosztownych incydentów wiertniczych
- Wyrównanie wiedzy między młodszymi i starszymi inżynierami
Informacje o artykule
Ten artykuł powstał w oparciu o paper naukowy opublikowany w serwisie arXiv.
Paper: A Virtual Member of a Community of Practice for the Society of Petroleum Engineers: From Prototype to Deployment
Autorzy: John Boden, Joshua Eckroth, Dayne Freitag, Skyler Gipson, Johnathan Keefe i in.
We describe the evolution of a virtual assistant, called ATHENA, designed to support the capture, retrieval, and dissemination of knowledge for members of a Community of Practice (CoP) related to the Oil and Gas sector. An evaluation of a first prototype involving 75 professionals from the Societ...
arXiv: arxiv.org/abs/2608.19199
Czytaj więcej o tej technologii: ATHENA: wirtualny asystent dla inżynierów naftowych
Artykuł wygenerowany ze wsparciem sztucznej inteligencji.
