这篇文章一直在赞助由铁山，并编写，编辑，并在与之对齐中发表Emerj的赞助内容指南。
当我们想到石油和天然气的人工智能，很容易考虑大型重型设备，钻机，车辆，但有很多方法可以从我们的设备中解锁石油和天然气数据，甚至是我们的后台运营。
在这一集中，我们探索了解锁石油和天然气数据中业务价值的少数用例。本周我们的客人是LorenaPelegregín。她是铁山洞察力产品的产品经理，专注于能源部门。她有能量的背景。铁山是一个40亿美元的多国内存储公司，现在正在努力在一些行业，石油和天然气，石油和天然气中致力于数字存储和OCR，是其中之一。
我们覆盖这30分钟的采访中三个不同的主题：
- 地下数据的用途
- ai进行资产检查，和
- AI和数字双胞胎的交叉点
请听下面的完整片段，浏览我们的采访要点和完整的文字记录:
客人：lorenapelegregín.，产品经理铁山关于能源和制造段的洞察解决方案
专业知识：抵押流程和自动化
简要认识：Before joining Iron Mountain’s InSight product group, Lorena help positions as Principal Consultant at Restrata, focusing on safety in oil and gas, and held the role of Global Manager, Technical Safety and Risk Management at ILF Consulting Engineers, an oil and gas consulting firm based in Munich.
重要见解
- 更好的数据意味着更好地关注生产力。并非所有的油井都具有相同的承诺，可以提供石油卷。无论是他们目前都在制作，还是他们仍在探索 - 有关不同井网站的更准确的数据允许公司将其资源集中在具有最高原产地的网站上。该数据还允许公司更准确地预测井和生产活动进入未来。
- 合规驱动器采用。监管活动改变企业的行为方式 - 和改变，他们采用的技术。作为libor.在银行业逐渐消失的是企业使用ai.获得法律文件的透明度，以保持合规，并确定可能引用LIBOR的承包商(现在需要修改)。由于监管要求对来自油气管道的数据进行更严格的监控，企业很可能再次将合规作为采取行动的推动因素——给予它们遵守监管并保持运营所需的透明度。
完整采访成绩单
丹尼尔Faggella:所以，洛雷娜，我希望能够潜入人工智能如何开始解开在石油和天然气的空间数据的价值，这些不同的使用情况，使这真的有形。我知道，我们想谈谈第一类约是真正围绕地下数据的价值，有中石油和油气领域是一个很大的地下数据的，很明显。你能走我们走过一点点，什么样的数据是和AI如何能够帮助我们获得的值一点点出来的吗？
lorenapelegregín：是的。所以当你几乎把它置于那里时，我们有很多不同类型的数据，多种文档类型，大量的非结构化数据有许多不同的格式。你有录音带，你有纸张，我们还有新的数字出生的数据，它也起到了一个角色。有多个存储库，因此您有不同的真相源，需要策划。
这转化为，几乎在所有地下数据评估中，我们在用例集群中的所有用例都看到了无法快速找到关键数据。人们把大部分时间花在搜索数据上。这是一个手动的、耗时的和资源密集型的工作流。所以这里所发生的是，决定，评估和决定，它们需要更长的时间。同时，团队正在进行的分析的覆盖范围也大大减少了。你覆盖了你所拥有的20%的数据。这也导致了精确度的降低。所以你可以看到，团队的决策具有高度的不确定性。
我们看到的是，如果团队能够访问数字版本，数字数据，以及与这些数据相关的元数据，那么处理时间就会大大缩短。可以缩短决策时间，对新地区钻井、收购、资产剥离等相关决策的信心也可以显著提高。
丹尼尔Faggella:是啊，让我们谈一点关于有些决定人们需要的。所以现在，让图片，我敢肯定，这是毫不奇怪的大多数在调整的乡亲，我们已经得到了一些数据非常平庸的来源。这是一个非常古老的行业，相对来说，我们已经有了一个非常杂牌，丑样的但是很大一部分，我们有束。这不是很好的协调。这不是很良好的组织。您能否谈谈一点点，当谈到具体而言，本次表层数据，什么样的数据，作为一个例子，我们在谈论，头号。和种类决定，我们用什么来有数据帮助通知二号？也许我们可以用这些作为一个例子，以帮助人们想像你在谈论这里。
lorenapelegregín：对。所以典型的数据类型是真正的地震数据，但也很好的日志。所以这是一个井的测量，也是它周围的所有报告。这种类型的数据，就像日志一样，是巨大的文件。所以是的，那些是论文。那些是不容易数字化的纸质文件。此外，所以它周围的决定，我们认为我们可以帮助钻探决策，以及在获取新资产甚至剥离资产周围的决定。那些是真正地质学家围绕这些类型的数据的主要决定。
丹尼尔Faggella:所以for a well, for example, might the information we’re looking at, the how much did this, how many, whatever we measure, barrels, how many barrels did this well produce under these circumstances with this kind of equipment, at what time, et cetera, et cetera, is kind of production-related, is it maybe safety-related, I imagine? It sounds like it’s a very long document, these well reports, and it sounds like it’s also coming through in paper. I would presume a lot of the value is in how much these things are producing, but maybe you could tell me if they’re used for other purposes, as well.
lorenapelegregín：是的，那么地质学家寻找什么是找到有什么类型的形成。因此，为井的钻井提供了围绕那里底层的性质的信息？并且存在不同类型的土壤，如砂岩或石灰石，这是那里存在碳氢化合物的指示。所以地质学家瞄准这些好井。因此，寻找并找到正确的土壤成分信息是很多的。
丹尼尔Faggella:当我听到好了，我觉得一个地方，我们泵黑金出来的。但你在谈论的是在地面上，我们可以泵黑金出一个洞。
lorenapelegregín：这是正确的。
丹尼尔·法盖拉:嗯，它就是一个该死的洞，可能有东西，也可能没有。但决策是，“我们还想继续钻探吗?”我们想把资源集中在这里吗?”也许就像你说的，如果我们能从这些不同的井中汲取数据，并能够可视化这些东西，至少能理解它，我们就会知道在哪里分配这些资源在哪里我们有更大的潜力。如果我没听错的话，这就是数字化和组织数据的价值之一。
lorenapelegregín：是的，绝对。绝对地。
丹尼尔Faggella:好的，太好了。大，冷却。
lorenapelegregín：这意味着团队花费了太多的时间去寻找正确的数据类型，是的。
丹尼尔Faggella:明白了。
lorenapelegregín：我们看到AI或我们的ML可以帮助这些团队找到数据并更快地处理数据。
丹尼尔Faggella:凉，好的。Yeah, and I imagine a good deal of this has to do with, tell me if I’m wrong here, Lorena, but having an understanding of your company from working with you guys for a little while, I would imagine that the digitization of these myriad, somewhat chunky paper forms is one part of the process here, using some kind of optical character recognition stuff and working with historical records and maybe congealing and digitizing that.
lorenapelegregín：是的。
丹尼尔Faggella:然后也许它的另一部分是连接点并识别事物。所以在这个大丑陋的借助钻井报告中，在哪里告诉我这种土壤的内容？因为这是一个如此大，习俗，疯狂的长报告，我们如何放大它实际上很重要的部分？我会发现有数字化，然后就像搜索和蒸馏那些对我们来说重要的。它是AI能够层的值吗？
lorenapelegregín：是的，一点没错。所以我们看到的价值有。当然，与AI的自然语言处理部分。
丹尼尔Faggella:是啊是啊。
lorenapelegregín：因此，OCR，光学字符识别，然后允许团队真正执行的弹性搜索和查找特性。当我提的是，你有兴趣，非常迅速地找到它，砂岩或石灰石或任何其它特性。Computer Vision is also helping, so we’re able to find the targets so that the right type of soil where we want to further continue working, we’re able to find it not only by the text, but also by how those photographs and how those documents look. That is also what Computer Vision, in terms of image, similarity, for example, is allowing teams. Yes.
丹尼尔Faggella:明白了。而就，你提到的兼并和收购，地下数据的一个非常重要的组成部分。Again, as an outsider, I think about, okay, if I’m Shell Gas and I want to do business with the other players, it would be very helpful for me to instantaneously say, “Okay, let me search through all of their limestone wells and search for these kinds of criteria.” Or, “Let me search through all of these other kinds of wells based on these geo regions and search for these kinds of criteria and be able to really assess what do these people own? What am I interested in? How much promise do I think there are in these wells that somebody else owns?” That’s where my head goes when it comes to mergers and acquisitions value for AI here.
lorenapelegregín：是的。
丹尼尔Faggella:但你要告诉我，罗瑞娜，从潜在并购的真正价值来看，这些数据从何而来?
lorenapelegregín：是的。所以if, for example, right now with the economic downturn with COVID, so if you have a… If you’re a company that wants to acquire, is considering acquiring a smaller operator, a smaller upstream operator who are likely to be suffering right now, if you’re looking at potentially acquiring those assets, you want to go through, let’s say a collection of the assets as fast as possible. And you want to be very focused on your search. So if you have the right data, as I was mentioning before, because you have access to text processing through OCR, if you had the metadata associated with the information of those assets, you can prioritize your search. Because at the end of the day, it’s, okay, I’m searching for which operator or which company it would be better for me to acquire. So I want to make sure that their assets are in the best shape possible, and the potential behind those assets is the best.
lorenapelegregín：通过这种积极的搜索，基于元数据和视觉图像相似性，你要做的是，从一个资产跳到另一个资产，有点像按照正确的顺序。所以你要集中你的资源，这样你才能在最短的时间内做出最好的决定。这就是并购团队可以从中受益的方式。
丹尼尔Faggella:明白了。好的,很酷。这是一个有用的背景。我想，对一些听众来说，能源行业的并购过程有些新鲜。希望这些信息对你们有所帮助。
丹尼尔Faggella:我知道酸液检测是另一个重要环节。说实话，Lorena，当我想到资产检查和石油和天然气时，我想到，我们在计算机视觉方面进行了很多很棒的采访。
lorenapelegregín：是的。
丹尼尔Faggella:所以无人机部署例如，正在讨论他们在能量空间中的所作所为，以查看和检查资产。AT＆T与世界上一些艰难的基础设施相似，他们在那里他们需要定期检查。但是，在NLP和搜索和发现空间中，人们显然更多。AI在哪里填补该差距进行资产检查？
lorenapelegregín：是啊，所以在这里我看到了，让我们来说说基于文档的AI最自然的地方是真正为棕资产，那里有大量的非结构化内容已经可用。真的，什么都可以做的是什么，你刚刚提的合并。所以if there’s new sources of data from remote inspections through drone footage, or even satellite image, what can be done is to consolidate those new sources of information with the digital data out of the legacy data, or pen and paper data from those existing assets, from those brownfield developments, and really have a more complete picture, in order to prioritize your maintenance tasks.
丹尼尔Faggella:明白了。好的。是否有任何特定的例子，您喜欢通过携带人，假设让这种视觉中的人们介绍？因为我看到你在哪里，但我很乐意在这个资产检查方面结晶一点点。而且，对不起，如果你不介意的话，棕色菲尔德这个词，也可能是新的一些人调整的人。如果您可以调整我们的意思是什么，那就是有帮助的。
lorenapelegregín：对，所以布朗菲尔德与格林菲尔德相反。布朗菲尔德是指现有的安装或现有设施，而Greenfield是一个新的设施。所以这将是一个新的资产或新的发展。
丹尼尔Faggella:知道了谢谢。
lorenapelegregín：是的，这就是为什么我们认为任何与现有资产相关的AI，文件AI都是非常有益的。它不仅仅是我们捕获的新数据，还要围绕以前被其他人捕获的资产周围的所有上下文，通常以报告和工作表和其他人的形式以非结构化方式捕获。或者，如果有的话，也许是维护报告，也许是事故报告。每个资产也有一种有自己的个性。那里有很多信息，我认为这是一个真正的元数据。因此，镜头或图像，甚至是云点扫描，它不能为您提供所有元数据。它无法为您提供该资产周围的所有上下文。
丹尼尔Faggella:是的。
lorenapelegregín：好吧?所以我看到了这个值。你特别提到了一些例子，对吧?对于石油和天然气，偏远的资产，管道路线的检查和监视，这就是一个例子。这也与天然气公用事业有关。外面有很多资产。他们衰老。他们老化的资产。所以有很多现成的信息。
我们也看到是MAOP再次确认输气管道新的气体巨型规则。这是在运行到20世纪70年代就输气管道的最大允许工作压力。因此，所有这些资产将有大量的旧数据，很多报告。并从巨型规则的需求，运营商将不得不证明他们的管道，他们的系统，是最大允许工作压力下进行操作。他们甚至有所谓的可追踪，可核查和完整记录的要求。
所以我们看到这也是一个用例，即ai将使工作更容易让人们真正返回这些记录，看看它们并在不同的记录中表明，如材料测试报告，对齐纸张, steel drawings, that you see the same pressure, let’s say, in those documents. So we’re seeing, we think there’s a lot of potential document AI for existing assets there.
另外，我们看到在可再生能源。在可再生能源，我们看到不同的多个案例也为风电场远程检查。所以，我们也就是在那里无人机的镜头被用来识别潜在的，也优先级的维护任务那里。所以我们会看到一个平行存在，很多东西是在石油和天然气，甚至天然气公司和电力公司的资产年长做，也可以转移到可再生能源资产。是的。
丹尼尔Faggella:明白了,好的。是的，我看到了你在这里写的东西，基本上，如果我们看一下计算机视觉数据，我们会有一种感觉，好吧，设备看起来怎么样?我们看到锈迹了吗?我们是否看到了一些不正常的部分，或者其他的，这是一部分。但是还有压力和所有的数据流从东西本身，这不是可视化的，但与仪表和其他信息收集的方式有关。显然，这也是检查的一个重要部分。
丹尼尔Faggella:这听起来像是这里的一个因素是，周围有一些新的监管，以及如何对这些旧管道的一些记录有多紧张。他们将不得不具备真正的记录，因为也许有一些环境风险或其他东西，所以政府会彻底打击它们。听起来能够与所有这些数据都具有透明，这些数据将可能比过去甚至可能更高。
lorenapelegregín：绝对地。绝对地。
丹尼尔Faggella:明白了。
lorenapelegregín：而这将有很大的帮助也是合规小组。
丹尼尔Faggella:是的。
lorenapelegregín：是的，这将让他们的生活变得更加容易。而我们也看到的是，作为石油和天然气公司是真正转变，或开始过渡到可再生能源和能源效率，他们会也开始受到的是，以加强监管。而且我们看到，那将是真正的帮助，对他们来说，是的。
丹尼尔Faggella:明白了。看看符合性考虑因素对人工智能的兴趣进行频繁，真的很有趣。因为让人们改变显然非常非常艰难。但是，如果监管拍摄是后果，技术可以给你一个合理的能力，以便过分调节扣，通常会有......避免痛苦与新东西的追求往往会成为动作针。看看是否在油和天然气中，它真的很有趣，这是完全相同的情况。
lorenapelegregín：这是一个非常好的观点。
丹尼尔Faggella:There’s a lot of things happening in finance where, all of a sudden, we need more transparency on this kind of information for this California consumer law or for this GDPR or for this other banking interest rate, London change of some kind, where now a lot of our legal docs might need to be compliant in this new way. Well, if we can have a system that can find all of those, so we’re slightly less likely to get slapped and have some exception where we get punished for it, all of a sudden now we’ve got some budget to adopt tech. And maybe in oil and gas, it’ll be the same.
说到一些事情的地方，我知道你想触摸数字双胞胎的主题，因为我们的第三和最终主题是人工智能在能源空间中的价值。谈论那些为什么这些是有价值的，为什么他们现在被算在石油和天然气里，以及AI可以找到它的契合。
lorenapelegregín：对。数字双胞胎是您的数字模型，不仅是您的资产，还是您的运营。所以你在那里看到，我们将看到这些能源资产的运作越来越辅助数字版本或这些操作的模拟。与此同时，我们将看到与资产运营相关的所有后台工作。当然，我们看到了，他们更具数字化。这真的是数字双胞胎的。所以我们再次看到，文件ai会有所帮助。它将启用数字双胞胎或数字化的运营，两种生产，我将从能量的角度来看生产，也将从能量的角度来说，也是商业运营。
lorenapelegregín：业务运营的两个元素都将从流程中的数字孪生视图中高度受益。为此，我们认为需要文档AI。再次强调，这将是关于创建你的工厂的数字版本。
因此，您可能会有很多关于它的非结构化文件信息。设置数字双胞胎的一种方法是通过扫描，甚至扫描它在纸上，还可以从您的数字来源中摄取信息，说，“好的，这是我所有的设备，这是我的所有管道。”并使其在数字模型中可用，因此它不仅是数字格式，而且它是一种数字模型，对您的操作进行模拟。我们只是认为这将是帮助，建立那些数字，真正的数字流程为能源公司。
丹尼尔Faggella:是的。我能想出一百个理由。我们和很多人谈过，我们在切线数字孪生领域，重工业制造等领域进行了很多很棒的采访。
My tertiary understanding here is that, if we can relatively accurately model the interactions of these systems under different conditions, then what we’re we’re hypothetically able to do is ask ourselves, “Well, what would change in the supply chain if we were able to improve production by 4% over the next six months from these sites?” Or, “What kind of new demands would be placed over here, if these two wells shut down and we started drilling up in this area,” or something like that. And we’d be able to hypothetically see, what does this do to our numbers? What does this do to our other systems?
丹尼尔Faggella:有时，这可以是价值的一部分，有点询问潜在的期货，并询问潜在的影响和跨越效应或我们将在业务中做的不同事物。
lorenapelegregín：对。
丹尼尔Faggella:我在这里说出一种抽象水平，Lorena。所以也许你可以让它更有形。但这是我的理解。您在哪里真正看到数字双胞胎驱动价值，就真正需要转向公司的高管的日常决策？
lorenapelegregín：是的。它的生产优化，为你指点。所以数字双胞胎是不是真的......我的意思是，这是新的，但模拟一直在那里，因为我不知道，因为30，40年。因此，这是，这是一个办法看到，如果像你提什么。
丹尼尔Faggella:是的。
lorenapelegregín：并能够通过最新数据，最新的数据，基本上进行。所以要做模拟，它是如何工作的，特别是与设计，你做的是，你得到的数据，你把它给你的模拟团队，经过一两个星期，他们来了解具体场景。这是一种以更快的方式优化您的操作的方法。所以这是一个用例或一个福利。但另一个好处，真的是关于自动化你的运营，以便您的后台操作可以更加自动化。
丹尼尔Faggella:明白了。是的。所以你的意思是模拟不能仅仅用于生产。
lorenapelegregín：对。
丹尼尔Faggella:但是，如果您可以确定不同文书工作的工作流程，也可以是您在后台的核心操作。
lorenapelegregín：确切地。
丹尼尔Faggella:无论是人力资源还是什么的，如果我们可以将数字双，使用正确的数据流的生态系统，那么我们也可以了解我们的能力，并要求这些IF-THEN的问题。
lorenapelegregín：绝对地。
丹尼尔Faggella:好的。
lorenapelegregín：是的，这也是机器人过程自动化所做的。能够启动自动化的过程，让我们说。我认为一个愿景是让后台办公室的过程能够启动，让我们说，采购所需的部件，因为一个特定的泵，它开始退化，或者我们有来自数字双胞胎模型和预测维护模型的信号，它们告诉我们，“嘿，这很快就要被取代了。”所以，启动这些采购流程，甚至竖起旗帜，告诉工人这是现在需要做的事情。我认为它将围绕着自动化那些后台工作流程。
丹尼尔Faggella:明白了。好的,很酷。我想当很多人听到数字双胞胎时，他们推测我们要么或更少地谈论硬资产，模拟这些硬资资产发生的事情，这款制造设备，这些卡车，这些井。
lorenapelegregín：对。
丹尼尔Faggella:但是你说的是，如果我们能有正确的数据流从我们的内部流程中出来，并且RPA可能会帮助引导这一点，我们可能会在那里做同样的工作。
lorenapelegregín：是的。是的，是的。
丹尼尔Faggella:凉爽的。好的，迷人。好吧，洛伦，男人，我们肯定会试着打包很多东西。我提前了解，我在谈论我们必须多快。但我们只是在大约半个小时，我们实际上是为了它。这是三个伟大的主题。你迅速移动了我们，给了我们一些很好的例子，我当然很欣赏。
lorenapelegregín：好,谢谢你。
