印度一家主要的石油及天然氣勘探和生產公司Cairn Oil & Gas的首席數字和信息官正在使用最先進的技術來克服面臨的挑戰并實現業務目標。該公司介紹稱，正在采用以價值為中心的方法來部署技術解決方案。同時，還與多家OEM和服務集成商合作，在整個價值鏈中部署高度可擴展的項目。

Cairn Oil & Gas是印度一家主要的石油及天然氣勘探和生產公司，目前占印度國內原油產量(約28.4 MMT)的25%。該公司計劃在未來三年內花費3160.9億盧比(316 億盧比)將產量提升至總產量的50%。

石油和天然氣行業目前正面臨三大挑戰：商品價格波動巨大、資本密集型流程和長交貨期以及管理產量下降。

Cairn Oil & Gas公司首席數字和信息官Sandeep Gupta正在使用最先進的技術來克服這些挑戰并實現業務目標。該公司介紹稱，“我們采用以價值為中心的方法來部署技術解決方案。同時，我們還與多家OEM和服務集成商合作，在整個價值鏈中部署高度可擴展的項目。”

通過無人機、人工智能和邊緣計算降低運營成本

由于商品價格和地緣政治環境動蕩，石油和天然氣行業面臨巨大的價格波動。在這種情況下，企業管理成本變得至關重要。

持續的石油生產依賴不間斷的電力供應。然而，管理輸電線路本來就是一項高成本、資源密集型的任務。對于Cairn來說，這意味著需要管理250公里、分布在3111平方公里的電力線。它們負責為該公司的Mangala、Bhagyam和Aishwarya油田及其在拉賈斯坦邦的Rageshwari氣田供電。

為了降低運營成本，該公司決定使用無人機。無人機拍攝的圖像通過人工智能圖像識別系統運行。該系統會分析電力線的潛在破損情況，預測可能的故障點，并提出預防措施，從而推動數據驅動的決策，而非基于操作員的主觀判斷。

Gupta表示，“卷積神經網絡(convolutional neural network)等算法對架空電力線在理想狀態下運行時捕獲的圖像進行了訓練。然后，當捕捉到任何異常時，該算法會比較每隔六個月拍攝的后續圖像。隨后將觀察結果放入門戶，以便維護團隊采取糾正和預防措施。”

Cairn公司與維護供應商簽訂了基于服務的合同，其中對220kV電力線每兩年進行一次監測，對500kV電力線每年進行一次監測。

Gupta介紹稱，“自實施基于無人機的檢查以來，平均故障間隔時間已從92天延長至182天。這已將石油損失減少到每年2277桶，從而節省了價值約1.2億盧比的成本。此外，鑒于它能夠使員工有效地進行維護活動，一個小團隊也可以更有效地工作，也就意味著所需的人力也減少了。”

運營地點偏遠，外加生成的海量數據(Cairn每天產生約300GB 數據)使得石油和天然氣行業非常適合使用基于邊緣的設備進行計算。借助智能邊緣設備，可以在遠程位置存儲和處理關鍵參數。這些設備安裝在通過MQTT協議發送數據的現場，其中蜂窩網絡連接可用。它們在Microsoft Azure云上存儲高達250GB的數據，使用機器學習算法執行分析，并提供智能警報。

如果沒有這些設備，生成的數據將被傳輸到遙遠的數據中心，從而阻塞網絡帶寬。Gupta解釋稱，“邊緣計算有助于降低我們的IT基礎設施成本，因為較低的帶寬足以處理大量數據。這些部署的設備正在跟蹤關鍵的操作參數，例如壓力、溫度、排放和流速。沒有邊緣計算的機會成本將導致更高的網絡帶寬需求，這將相當于當前網絡成本的2倍左右。”

通過云優先戰略縮短交貨時間

石油勘探過程的交付周期約為三到五年，需要巨額資金投入。在這三到五年中，石油技術專家(地質學家、地球物理學家、石油工程師和油藏工程師)花費了大量時間來模擬需要大量計算能力的模型。

石油技術工作流程需要評估地下儲層特征以確定鉆井位置。這些工作流程由石油技術專家通過多套軟件應用程序執行，這些應用程序可以幫助確定待鉆井的位置和軌跡。

Gupta表示，“由于交付時間長，未來勘探的資本分配和規劃風險更大。為了實現我們的目標，提高計算能力至關重要。為此，我們采用并執行了云優先戰略。目前，Cairn已將石油技術工作流的工作負載完全遷移到云端。這種遷移消除了本地計算能力的限制。結果，首次上油的時間減少了近30%。”

通過預測分析管理產量下降

Cairn公司擁有來自生產、勘探和管理的不同來源的大量多樣化數據。Gupta介紹稱，“使用這些數據，我們部署了多個大型項目，包括預測分析、模型預測控制(MPC)和油藏管理，這些項目已在多個站點進行擴展。”MPC是一種技術，負責監控設備的各種運行參數，然后在特定范圍內運行以獲得最大效率，同時保持系統中的約束。

其核心在于Disha——一項商業智能(BI)計劃，使用儀表板驅動關鍵的可操作見解。Gupta解釋稱，開發Disha的理念是在正確的時間向正確的人提供正確的數據。我們希望刪除基于文件的數據共享和報告，因為創建這些報告需要花費大量時間。我們將來自各種來源的數據(例如? HANA、Historian、Microsoft SharePoint、Petrel、LIMS和Microsoft Azure云)連接到單個Microsoft PowerBI生態系統，在該生態系統中可以創建自定義報告。

Disha是內部團隊和分析提供商花費3年時間以混合模式開發的。它提供了200多個定制儀表板，包括一個良好監控儀表板、一個生產優化儀表板、一個CEO和CCO儀表板以及一個鉆機調度儀表板。

Gupta補充道，我們可以利用Disha監控處理油和水的電子潛水泵的參數和輸出。它有助于我們跟蹤通過MPC實施所取得的成果。所有這些都有助于做出更好的決策，并實現以優化的方式分配資源，從而控制生產力的下降情況。

展望未來，Cairn公司計劃與幾家大型分析提供商合作，并根據業務需求構建一個單一平臺，以幫助對其數據進行情境化并部署微型解決方案。它將是一個低代碼平臺，使各個團隊能夠自行構建解決方案。其他一些舉措還包括人工舉升系統監測、油井監測和試井驗證等。所有這些舉措都旨在維持產量水平，同時減少首次出油的時間。