• 加入我们
  • 人才理念
  • 招聘岗位
  • 联系我们
  • 行业资讯

    从大数据变革窥见未来

    发布时间:2017-08-08 | 点击量:

     

    在过去的几年内,几乎每一个行业都选择了以数据为导向的技术战略来解决各自所面临的挑战。从亚马孙、Netflix到美国运通以及大量的领头企业,大数据都被用于了企业的决策中,提高业务的成功率和收益。 对于油气行业而言,大数据并不是算一个新鲜事。如今的井场上,地面设备实时监控着成千上万的感应器,收集着越来越庞大的数据。也因此,人们对有效利用大量数据的能力的重视,提高到了一个新的高度。

    症结所在

    其实,大数据面临的主要难题并不是说数据量有多庞大,而是数据的类型太多。 如今,油气行业在大数据面前胃口非常好,但是并不总是能消化良好。只有当公司能从大数据中提取出有用信息和认识时,大数据才有用,否则它就只会让公司肚子疼。多端实时输入让对各式各类数据的收集、解释和利用变得困难。P公司在与北美一家用户合作时发现,他所面临的最大挑战是地面传感器和服务供应商提供的数据之间存在差异,导致他们的工程系统不能有效管理。

     正确的时间,正确的人员

    大数据技术整合了常见的数据集,以及各种不同的数据集,能够在适当的时间将正确的信息提供给正确的决策者。新的大数据基础设备与以前相比变得更快、更稳健并且24小时不间断工作。这些设备能够进行分布式处理,这其中的数据来源于人,而不是人追从数据。但现实往往仍然不够理想。

    大数据的五个大V级改进

    大数据具有以下五个关键特点: 1.数据量-Volume:数据量; 2.真实性-Veracity::确保数据准确; 3.速度-Velocity::数据可访问的速度; 4.多样性-Variety:数据类型多样; 5.易变性-Variability:数据的一致性。 上面的V字仇杀队总是会在应用中造成各种问题。但也同样是这五点,在每个领域其实也都已经取得了新的、有价值的进展。其中一个进展就是P公司的异常管理(MBE)流程。这种万博手机登录首次实现了数据的分析访问,因此工程师或专家可通过自定义算法来增加实时数据,来解决大数据面临的问题。在设计算法时可以针对一个或多个问题,这样系统就能够帮助用户去了解当前的现状。此外,这些分析万博手机登录也是一种先进的报警系统,能够对多种数据流(包括上述提到的衍生数据体)进行灵活地监控和评估。 一家美国的超大型公司表示,异常管理(MBE)是降低钻井风险和提高效率的关键点。通过使用这种由大数据和条件驱动的智能报警系统,公司预计可以将非生产时间(NPT)降低几个百分点;而通过帮助工程团队意识到关键问题,它同时也可以降低风险。一旦数据到达聚合点,MBE就会对钻机作业和钻柱传感器数据进行状态监控。无论公司或服务团队在哪里,MBE系统都能够即刻向钻机平台、实时操作中心和后台发送关键任务的报警信息。而实现这些所需要的,就只是一台能够联网的计算机和系统访问权限。 任一用户都可以创建一个警报条件,并与团队里的其他人分享。用户可以指定监测哪些井,并获悉相应警报是否已传递给了MBE系统中的所有人。该系统在设计时,能够允许用户选择属于其工作职责部分的警报进行接收和确认,从而减少警报超载。如果一个警报在一段特定的时间内未被确认,MBE系统则可能会自动将该警报升级到指定的用户组。

    wz-1.jpg

     MBE系统监控时间,并只针对用户定义的状况推送警报,从而减少警报过载

    大数据为何如此重要?

    在程序中所用的分析算法是非常复杂,并且数据量庞大。另外还有一个并发症,即数据的不可预测性。因为这些数据是基于地质的,并且是在几千英尺外进行监控的。因此人们有时不得不等待数据的接收,从而导致计算速度放慢,阻碍了实时进程。大数据的基础设备都具有高速的处理速度,目的就是为了解决这个问题。 用户在访问系统时,要求系统在进行实时模型和模拟运算时具有灵活性,能够找到计算数据与实际数据之间的相似点。通过这些模拟计算结果,钻井团队能够对所认识的地下地质情况和机械钻井之间的联系更加有信心。 为了满足这两种不同的需求(易变性和灵活性),大数据的基础设备必须对数据进行标准化处理,同时采用并行处理应对多个场景和用户,并利用分布式运算实现数据聚集点处的分析运算。 这类分析的一个例子便是非生产时间的不间断识别流程,通过平衡作业效率和钻井安全达到减少非生产时间的目的。这就需要能够对意外事件进行预测和预防,要能预测当前钻头位置前方的情况,并对下几英尺或几小时内的事件进行预测。 有了这些技术,钻井人员现在可以进行真正的实时决策,而不是以前的近实时决策。传统系统的问题在于钻井人员是利用历史数据进行后期分析,然后再对下一井段进行规划。而利用大数据系统则能够建立不断更新的模型。钻井人员能够进行实时决策,并将其积极地反馈到目前正在钻进的井段上去。

    一步步解开未知的面纱

    如果能够很好地认识一些常见的问题,如卡钻或井漏等,则能够帮助油气公司避免大量不必要的开支。据研究估计,全球油气行业每年在卡钻和井漏上损失的钱大约有20亿美元成本几乎是开始买钻杆时的两倍,而消耗的时间却占了钻井过程中所记录到的非生产停工时间的近20%。 “数据的标准化是迈向大数据分析和流程自动化的先决条件,”E公司的董事长兼CEO表示:“E公司设立的数据标准是与油气行业合力开发完成的,能够提高决策者对决策的信心水平,为油气行业创造可量化开支节省。” 为了将预测分析和预警能力提高到新的水平,P公司的大数据系统采用了之前所提及的MBE程序。在公司所采用的大数据解决方案中,融入了实时数据及标准。当发现实时状况与模型出现偏差时,则能够实现动态预警。 油气行业正在经历一场变革,在这场变革中,实时数据会渗入到决策制定流程中的方方面面。为了达到这一全新的技术阶段,油气行业需要对数据搜集、数据标准化、传输和收集费用以及信息的方便访问进行重新的思考。能够在任何决策中高速实现这些功能,是未来大数据预测平台的基石所在。
     

    转自石油圈(www.oilsns.com)原创编译

    下一篇:返回列表