在石油和天然气行业通常被分成三个主要操作部门：上游，中游和下游。涉及上游的勘探和生产石油和天然气. 中游通常指运输和存储阶段。下游包括参与提炼和销售石油的各种过程。
这个需求的增加因为石油和天然气使得新油田的发现成为这一领域公司的一个高度优先需求。这种操作通常被称为勘探和生产（E&P）或石油和天然气工业的上游水平。寻找方法使勘探与生产流程更加高效，并优化该领域的运营，是人工智能可能帮助石油和天然气公司的应用。
我们之前介绍了人工智能在油气领域的应用。在这份报告中，我们特别关注那些声称提供帮助的公司石油和天然气勘探开发专业人员在他们的角色方面分析钻井数据以识别新的地下油田。
我们研究了空间，以更好地了解AI发挥作用的油气上游水位梧桐试着回答以下问题：
- 什么类型的人工智能应用程序目前正在使用的上游水平石油和天然气梧桐试试吗?
- 人工智能在上游层面带来了多么明显的成果啊石油和天然气梧桐试试吗?
- 这些创新努力有什么共同的趋势吗?这些趋势将如何影响未来这个石油和天然气梧桐试试吗?
本报告涵盖提供软件的供应商以下应用:
- 石油腐蚀风险分析
- 数据分析
- 探索
石油腐蚀风险分析
在生产阶段，油气企业需要将原油和成品油储存在大型储罐中，并通过管道运输。原油腐蚀是油气工业设备故障的常见风险。油田原油通常化学成分不同，原油的腐蚀性也取决于储存环境。
传统上，在石油和天然气工业中，腐蚀工程师已经学会了如何根据原油和储存区的特性来设计防止腐蚀的解决方案。石油和天然气行业的商界领袖可能熟悉这次重大的人事变动，因为石油和天然气行业的劳动力年龄差距很大，大多数工程师和地球科学家都在55岁以上或35岁以下。
这意味着，在实际业务中，石油和天然气公司没有最好的流程，以可重复的方式从经验丰富的工程师那里获取和转移知识。通过人工智能，将这些知识数字化，并向新工程师提供维护建议，现在可能成为可能。
Maana
Maana是一个加州帕罗奥多的公司,超过100雇员。该公司提供了一个称为计算知识图软件，它声称可以帮助石油和天然气公司减少石油腐蚀计划外的维护使用预测分析。
根据Maana的说法，石油和天然气公司可以将他们的知识平台用于生产作业。该平台可用于收集来自维护数据的知识，如炼油厂事故报告和由维护工程师长期收集的关于不同类型原油物理特性的数据。
T型据报道，他的平台使用机器学习来分析数据，并确定因素导致腐蚀之前的情况。Maana声称那么他们的平台可以总结在一个门户网站的仪表板，使工程师能够搜索有关腐蚀风险所需要的信息，这种分析得到的见解如下图所示：
Maana声称帮助一家不知名的石油和天然气公司开发了一种分析解决方案来预测腐蚀风险。这家石油公司部署了知识平台，并创建了一个团队，其中包括来自客户的Maana AI工程师和腐蚀工程师。
该团队使用称为Crude Flex知识应用程序的历史维护数据构建了一个可搜索的数据库，该数据库捕获了经验丰富的专家的专业知识。根据Maana的说法，这家石油和天然气公司的腐蚀工程师现在可以使用它来识别他们正在处理的原油类型，并根据历史记录发现风险、经验教训和风险缓解策略。该项目最终降低了维护成本和意外停机时间，尽管我们找不到进一步的具体证据。
我们找不到任何关于企业级公司的信息Maana他们的网站和新闻稿都没有，但他们已经筹集到7120万美元在资金方面并得到埃森哲科技风险投资公司、中金公司、八大资本、中金集团的支持。
史蒂芬·古斯塔夫森是Maana的首席科学家。他在英国诺丁汉大学获得了计算机科学博士学位。在此之前，Gustafson博士领导了位于纽约Niskayuna的通用电气全球研究中心的知识发现实验室，从事大规模数据、语义、本体和文本挖掘，以及模式搜索和发现。
数据分析
大型石油和天然气公司在全球多个不同地点开展业务。快速访问他们的数据记录可能是他们业务流程的一个重要部分。在许多情况下，可能需要对这些数据记录进行数字化和评估，以识别诸如丢失或不完整的记录或未编入索引的记录等问题，然后才能适当地加以利用。
人工智能工具可以帮助石油和天然气公司将记录数字化，并自动分析地质数据和图表，这可能会导致识别问题，如管道腐蚀或设备使用量增加。
亚历杭德罗贝当古拥有博士学位的互动和认知环境从埃因霍温理工大学领导分析团队在哥伦比亚的石油和天然气公司石油似乎表明,石油和天然气行业的多年来收集的数据,可能是由人类专家策划和分析,使其在人工智能系统的成熟。
其中很大一部分数据包括勘探、生产和储层数据日志，如地震勘探、测井、常规和特殊岩心分析、流体分析、静态和流动压力测量、压力瞬变试验、周期性油井生产试验、每月生产的流体量（油、气和水）记录，以及EOR流体（水、气体、二氧化碳、蒸汽、化学品）每月注入量的记录。
油井运营商通常会产生在油田上的检查和维护操作每日报告。在大多数情况下，这些报告可能是在纸上或在PDF文件的形式非结构化或半结构化的文档。研究人员声称，石油和天然气公司可以使用人工智能技术，如计算机视觉和自然语言处理从这些文档中自动提取数据。
贝克休斯和英伟达
贝克休斯公司，通用电气油田服务公司（BHGE）和NVIDIA最近宣布了一项合伙使用基于人工智能的分析，帮助石油和天然气公司从他们的数据中获得洞察力。这包括地震数据、测井、机械传感器数据和供应链数据，这些数据可以输入人工智能软件，以获得旨在降低勘探、开采、处理和输送石油成本的见解。
根据贝克休斯的说法，石油和天然气公司收集大量超声数据、生产工艺数据、钻井作业数据、管线检测数据、地震数据每天从他们的植物中。石油和天然气公司可能需要一种方法来更好地利用这些数据并获得洞察力以提高运营效率。
贝克休斯声称已经开发出一种基于深度学习的分析软件，可以帮助石油和天然气公司的员工根据收集到的数据做出更好的商业决策。例如，该公司声称，油井操作员可以使用他们的解决方案来分析大量的生产数据和传感器数据，包括泵压力、流量和温度，从而预测他们的设备和部件可能出现的故障。
贝克休斯还声称可以帮助石油和天然气公司根据不同的环境条件优化运营。例如，地震数据图像可以转换成3D地图，以帮助人类分析人员更好地进行储层预测，从而提高钻井和生产作业的效率和安全性。然后系统提供仪表板中的输出表示从数据中获得的见解，如地震数据的3D可视化，或生产工厂中处于高度故障风险的设备和部件列表。
我们找不到贝克休斯或英伟达演示其产品工作原理的视频。我们也必须指出，Nvidia和贝克休斯之间的合作似乎是在起步阶段，我们无法找到该公司已经与石油和天然气公司合作AI项目的任何个案研究或证据。
什亚姆西瓦拉马基什南是贝克休斯分析倡导者的主管。他持有博士从明尼苏达双城大学机械工程。先前，西瓦拉玛克里希南担任技术项目经理在通用电气公司全球研究。
总油和谷歌云
道达尔石油公司最近宣布与谷歌云公司达成协议，共同开发一个人工智能系统进行分析地下数据旨在提高他们的E＆P过程。
道达尔的勘探和生产过程包括测绘和分析一个潜在油田的地震活动。传统上，该公司收集的大部分数据，比如地震记录，都是地质学家手动分析的图像文件。道达尔想要自动化分析的数字化，并为他们的员工创建一个可搜索的门户，在那里，这可以用来识别任何模式，表明新领域可能给公司带来的经济负担。
地震和地下数据图表是以图像文件的形式收集的，人工分析耗时太长。此外，这些数据图表存储在几个不同的位置，通常是油田的办公场所，或者以不同的格式存储在云端。下面是一个地震数据图表的例子分析杂志:
道达尔和谷歌正在合作开发人工智能系统，以帮助道达尔的地质学家更快地使用计算机视觉解释地震研究中的地下图像。该项目的目的是开发一个软件，可以分析图像文件，将结果与从技术文件中提取的信息关联起来，并将这些信息汇总到一个可查询的人工智能助手中，该助手可以用自然语言回答有关地下数据的问题。
根据新闻稿，一个多学科团队，包括来自特里和地质学家机器学习来自谷歌云的专家们在谷歌位于加州的高级解决方案实验室一起开发这个软件。
总声称已申请机器学习其他勘探和生产活动，包括预测性维修用于涡轮机、泵和压缩机的工业设施生产剖面预测；卫星图像的自动分析；岩石样本图像的分析。也就是说，我们找不到更多关于这些项目的信息。
总计只使用他们的AI系统内部，并因此构成了该软件没有可用的案例研究。此外，关于谁是负责该项目的人的信息似乎并不可用。
探索
埃克森美孚和麻省理工学院
埃克森美孚正与麻省理工学院的研究人员合作，通过联合开发深水勘探机器人，实现油气勘探过程的自动化。教授布莱恩·威廉姆斯来自麻省理工学院和他的团队在麻省理工学院计算机科学和人工智能实验室（CSAIL）此前曾在美国航空航天局的好奇心流动站和设计的人工智能软件，帮助流动站积极探索及其周边地区。
来自麻省理工学院的团队正与埃克森美孚的工程师合作，将类似的人工智能软件应用于水下探测机器人。这些机器人将被用来自动化自然渗漏的检测和表征过程。传统上，石油和天然气公司使用一支由潜水员和人类地质分析师组成的团队来研究水下异常现象。有了这个自主水下机器人，埃克森美孚公司也许能让他们的员工远离危险。
该机器人收集地震数据，并配备了学习如何使用机器学习更准确地执行。埃克森美孚公司称，这些机器人将缓慢地移动到离海底几英尺的地方，以探测和分析自然渗出的碳氢化合物。
人工智能的这种应用可能会帮助石油和天然气公司降低勘探成本和时间。然而，埃克森美孚与麻省理工学院合作的主要目标似乎是获取先进技术方面的经验。汉斯Thomann高级科学顾问在埃克森美孚公司和麻省理工学院访问学者说:
“我们与麻省理工学院在一系列项目上合作，故意打开镜头的光圈来观察我们通常不会看到的东西。我们专注于基础科学，与大学里不同领域的专家合作，以获得深层次的知识，并推动这些领域的发展。”
小贴士用于商业领袖石油和天然气
通过使用人工智能软件，石油和天然气公司有可能获得洞见，从而改善其上游流程的业务成果。这将涉及向软件提供经过整理的数据记录和来自数据源的信息，这些数据源可能包括结构化文档、pdf文件、手写笔记、音频或视频文件。
这些应用程序可以帮助石油和天然气公司在以下领域驱动业务价值:
- 生产优化-举例来说，计算机视觉分析地震和地下数据更快
- 最小化停机时间-例如，油气设备的预测性维护
- 油藏认识和建模-例如，预测石油腐蚀风险以降低维护成本
石油和天然气行业的商业领袖需要意识到，尽管人工智能在石油和天然气行业中似乎有大量的用途，但由于分析的技术复杂性和所需的计算资源，对许多公司来说，这是一个具有挑战性的领域。
根据我们研究的用例，人工智能似乎可以帮助石油和天然气企业更好地利用它们的历史数据。尽管如此，人工智能在石油和天然气领域的扩散仍可被称为萌芽卫生保健或金融。像总大型石油和天然气公司似乎都遵循与企业级AI公司合作的战略。像预测性维护应用程序有几个小AI供应商提供的产品和服务，但业界似乎有成熟的应用案例和成功的ROI报告短缺。
标题图片来源:Sputnick新闻
