面向石油和天然气的计算机视觉和深度学习1

尽管可再生能源（renewable energy）广泛普及，但石油和天然气是能源部门价值较高的商品之一。然而，商品周期、资本规划挑战和不断增加的运营风险促使石油和天然气行业做出更明智、更高效的决策。

在2018年安永会计师事务所（EY）的一项调查中，人工智能（Artificial Intelligence AI）/机器学习（Machine Learing ML） 甚至没有进入全球七大石油和天然气巨头使用的前五大技术。此外，他们认为在未来几年，机器人过程自动化（Robot Process Automation RPA）（25%）和高级分析（25%）等技术，而不是AI/ML，将对他们的业务产生最显著和积极的影响。

AI/ML在石油和天然气行业具有巨大的潜力，它可以帮助降低成本，增加容量和能力，加快决策速度，并在管理风险的同时提高质量。这将使机器和人类能够以集体智能的方式合作，推动该行业进入数字时代。

本系列是关于工业和大企业应用程序的CV和DL。这篇博客将介绍在石油和天然气领域使用深度学习的好处、应用、挑战和权衡。

1. 石油和天然气的计算机视觉和深度学习（本教程）
2. 交通运输的计算机视觉与深度学习
3. 计算机视觉与物流的深度学习
4. 医疗保健的计算机视觉和深度学习
5. 计算机视觉与教育的深度学习

1. 好处

1.1 安全

石油和天然气厂的工作环境对员工来说是有毒和危险的。暴露在不同的温度和烟雾（fumes）中可能会危及员工的生命。此外任何不遵守安全标准的行为都可能导致人员受伤和重罚。经过训练的算法可以在出现任何偏差（deviation）时分析并发送警报，并帮助员工和工厂保持积极主动（stay proactive）的安全保障。

1.2 生产优化与估算（Production Optimization and Estimation）

由于油价各不相同，该行业需要在每一步都优化生产。流速、压力（flow rates、prossure）等因素会影响石油和天然气产量。有了传感器数据，AI算法可以生成实时更新，这有助于保持有利的操作设置。

1.3 降低生产和维护成本（Reduce Production and Maintenance Costs）

不同的温度和天气条件会导致石油和天然气在管道中扩散时发生腐蚀和降解（corrosion and degradation）。与物联网（Internet of Things IoT）相结合，人工智能可以使用知识图和预测智能来检测损坏和腐蚀的早期迹象。公司还可以计划维护活动，避免因设备故障而停机。 此外，采用和集成人工智能驱动的缺陷检测解决方案是经济的，与现有流程相比是值得的。
图2中显示了更多的好处。

2. 应用

2.1 维护

2.1.1 预测维护（Predictive Maintainence）

一家离岸公司平均一年要经历大约27天的计划外停机时间，损失高达3800万美元。因此，基于人工智能的预测性维护解决方案预计将大幅增长。人工智能模型可以预测设备故障，降低代价高昂的事故风险，减少停机时间，并提高对安全标准的遵守程度。

物联网传感器可以生成数兆字节（terabytes）的数据，记录压力、流量、土壤运动和腐蚀情况，这些数据可以通过人工智能进行分析，以创建设备健康的实时更新。例如雪佛龙公司已转向物联网开发，推出了一种预测性维护解决方案，有助于识别腐蚀和管道损坏。他们使用安装在管道上的传感器来测量pH、气态和水性CO2/H2S含量以及管道内径和厚度等变量。

AI还能够预测和预防气穴现象（cavitation phenomena），气穴现象是离心泵（centrifugal pumps）中发生的一种现象，当流体压力突然降低导致气泡产生，随后可能坍塌并引起危险的冲击波。此外，配备AI的系统可以自动将流体流转移到另一个泵，并防止破裂的气泡损坏管道。

2.1.2 使用数字双绞线进行维护（Maintenance Using Digital Twins）

许多海上结构物已超过其设计寿命。退役可能会导致其生产的石油和天然气损失，升级需要巨额投资。多年来，该行业一直依赖被称为数字双胞胎的结构的数字副本，这些结构可以监测其实物资产（如管道、钻机、阀门等）的健康状况。

使用光探测和测距（Light Detection and Ranging LiDAR）生成3D点云并对工厂建设进行分析，专家可以预测结构的行为并评估其维护需求，从而大大延长其使用寿命。

然而，这些模型没有考虑资产实际物理条件的变化，这可能会影响其性能。为了遏制这一限制，Ramboll正在开发数据挖掘和模式识别算法（data mining and pattern recognition algorithms），通过结构监测来识别实际需求，并相应地更新数字孪生。这确保了结构的测试、评估和优化，从而降低了在实际操作条件下进行现场全面测试的成本。

2.1.3 维护防喷器（Maintaining Blowout Preventers）

防喷器（BOP）对于在最具挑战性的压力条件下保持密封或防止钻井过程中可能发生的不受控制的流动/地层井涌至关重要。然而，由于其位置偏远，监测有限，故障排除困难（ remote locations, limited monitoring, and hard troubleshooting），防喷器的故障可能是灾难性的（catastrophic）。

Deepwater Subsea等数字公司现在正在利用人工智能和ML实时了解BOP的健康状况，并减少钻井平台的非生产时间（non-productive time NPT）。模式识别算法（Pattern recognition algorithms）可以利用来自故障、警报和海底控制系统的钻机数据。

2.2 优化

2.2.1 优化油藏管理（Optimized Reservoir Management）

石油和天然气行业必须积极寻找新的油井，单次钻井的成本可能高达1.5亿美元。地表深处地质结构和流体动力学的近乎完美的特征对于有效的油田开发是必要的。 然而，几十年来收集的数据往往是肮脏的、非结构化的和高度无序的，使成功率低于20%。

Lucidworks等公司正在部署基于人工智能的解决方案，以准确、快速地发现水量和天然气减少的更好的油井。ML可以应用于钻井，从地层渗透率、热梯度、压差、地震振动等方面获得见解。这有助于地球科学家做出明智的决定，发现新的能源，并减少新井对环境的影响。

2.2.2 优化采购（Optimized Procurement）

基于人工智能的采购解决方案可以生成互联的数字供应网络（Interconnected digital supply networks (DSNs) ），在石油和天然气行业的规划和执行中实现活力、灵活性和效率。此外，它可以帮助公司实现从采购到付款的自动化，识别关键和非关键的供应链瓶颈，并通过供应商、材料、地理位置等了解计划和实际数据。

此外，人工智能可以通过对高度复杂和大型数据集的数据处理和分析来增强采购专家的决策能力，以解决传统问题。

2.2.3 优化财务规划（Optimized Financial Planning）

更好地预测需求、销售和财务状况可以帮助公司规划生产和分销供应。例如人工智能算法可以很容易地预测对特定产品的需求，帮助公司确保它们在正确的时间、正确的地点发挥作用，按时为客户订单提供服务，并知道应该关注的地区。此外，经营加油站的公司还可以从预测消费品需求中受益，以减少库存资本。

石油和天然气行业有一个复杂的供应链，涉及原油采购、采购价格、炼油厂运输、炼油作业、龙门架作业和最终产品零售等决策。因此，人工智能可以帮助协调运营团队与仓库，并确保关键零件的可用性。此外它还可以支持适当的规划和执行，优化路线选择等。

简言之，人工智能可以帮助预测原油和成品的市场价格，进行适当的规划和调度，优化自然篮子，创建智能仓库，维护库存，处理运输操作，风险对冲，缩短交货时间，降低整体成本。

2.3 安全和安保（safety and security）

2.3.1 工作场所安全（workplace safety）

石油和天然气行业很容易在无人值守的场地上发生贵重设备被盗、故意破坏和蓄意破坏，从而导致泄漏和损坏。泄漏造成的地下水污染是一个严重且代价高昂的问题，会导致罚款、刑事指控和对声誉的严重影响。此外，由于其经济意义，石油和天然气行业也可能成为恐怖袭击和破坏行为的潜在目标。

AI可以全天候监控无人值守的操作场所，以防出现入侵等安全问题，并在出现安全问题或未经授权的人进入时立即向相关当局发送即时警报（例如Chooch AI）。此外，自动化和有效的误报过滤技术减少了同时观看多个屏幕的需要，使安全官员能够专注于真实的威胁。

此外，由于恶劣的天气条件、极端的操作条件和危险的工艺，石油和天然气行业面临着持续的火灾、爆炸和泄漏风险，工人面临生命危险。其中一起事件发生在加利福尼亚州的Tesoro Martinez炼油厂，硫酸泄漏导致两名员工烧伤。因此，他们必须遵守广泛的法规，以确保工作场所的安全。计算机视觉算法可以帮助现场检查和实时监控。此外，来自摄像头的视频分析可以验证工人是否遵守安全程序，如穿戴防护设备和防止因路面打滑而发生滑倒事故。

2.3.2 缺陷检测和资产保护（Defect Detection and Asset Protection）

材料退化和腐蚀会导致严重的事故和损坏。Popoola等人（2013）指出，“石油和天然气生产行业每年的腐蚀成本估计为13.72亿美元。”为了解决这个问题，基于人工智能的工具被用来监测和检查设备的健康状况，并在出现任何缺陷时触发警报。这种系统还可以监测泄漏、毒性水平和系统故障。

2.3.3 人工智能主导的网络安全（AI_Led Cybersecurity）

在Ponemon研究所的一项调查中，西门子报告称，70%的石油和天然气组织遇到了安全隐患。例如，考虑一名网络攻击者，他阻碍了视频流，使他能够监控海上钻井作业或延迟井流信息。这些信息对于防喷器阻止可能产生毁灭性影响的流体喷发是必要的。此外，黑客还可以改变有杆泵的电机速度和热容量，从而减慢甚至停止钻井过程。

西门子和SparkCognition最近通过DeepArmor Industrial彻底改变了网络安全，该公司利用人工智能（AI）监测和检测网络攻击，以保护石油和天然气行业的端点操作技术。

2.4 帮助

石油和天然气行业在很大程度上依赖于少数大师级专家的专业知识。不幸的是，当这些人退休时，他们的知识就丢失了，新员工必须查看埋在数千页文档下的程序信息。考虑到这一点，IBM使用其Watson AI技术创建了一个数字助理，以帮助经验不足的员工进行日常工作和故障排除。

人工智能从60万页的文件和报告中学习，为常见问题提供专家级答案。在虚拟助理的帮助下，工程师们现在研究解决方案的时间减少了75%，所有这些都是免提语音命令。此外辅助中使用的AI算法还可以在新员工获得经验时从他们那里学习新信息。

2.5 勘探

海底的裂缝和缝隙（Cracks and fractures）被称为“渗漏”，是原油和天然气的潜在来源。碳氢化合物像淡水泉一样到达地表，形成漏油。 在北美地区，天然石油渗漏至少占地表下石油的60%。水下渗出的石油会向大气中释放甲烷和其他轻质碳氢化合物，从而破坏环境。勘探和开采这些渗漏可以保护环境，并为石油和天然气运营商提供有利可图的能源。

埃克森美孚公司与麻省理工学院的工程师开发了一种基于人工智能的软件，美国国家航空航天局的火星好奇号火星车使用该软件设计适合海洋探索的人工智能水下机器人。这些人工智能机器可以监测海洋的深度，绘制地图，并检测自然渗漏。

3. 挑战

根据安永对超级巨头的调查，50%的主要石油和天然气公司面临的主要挑战是管理内部开发、服务提供商和收购之间的平衡。 因此，必须了解人工智能的更广泛挑战，而不仅仅是商业影响。人工智能对石油和天然气公司的其他挑战包括：

• 采用（Adoptation）
  采用AI/ML需要从根本上改变工作和决策的方式。他们还需要大量的努力和投资来教育现有员工使用这些服务。此外必须聘请数据和人工智能专家来支持人工智能基础设施（算法和数据集）和定制工具的开发。因此，需要最高管理层的支持来获得赞助，确保适当的投资，并推动转型。

• 数据（Dataset）
  人工智能算法需要大量高质量的数据才能正确工作。油气田可以生成大量的原始数据。然而数据的质量和准确性往往较低，这使得人工智能算法的训练变得困难。公司需要重新设计和调整其组织结构和流程，以获得高质量的数据。此外，数据存储需要集中化，以允许不同仓库中的人员访问软件。
  另一个关键方向是采用智能算法，如小数据学习，旨在通过少量例子训练人工智能算法。同样，对预先训练的模型进行有效调整可以提高人工智能辅助工具的适用性。

• 开放式协作（Open Collaboration）
  虽然开放合作正在成为科技和人工智能领域的新标准，但石油和天然气公司并不以合作而闻名，尤其是在竞争对手之间和人工智能等领域。尽管公司宣布开放数据源代码，并声称有必要跨公司和跨境数据共享，但现实相当悲观。因此，石油和天然气公司需要重新思考与大学合作和互动的战略，以提供良好的人工智能人才来源。

4. 总结

由于商品周期、资本规划挑战和运营风险的增加，石油和天然气行业已经开始使用人工智能进行更智能、更高效的决策。人工智能可以通过以下方式帮助降低成本、增加容量和能力、加快决策（reduce costs, add capacity and capability, speed decision-making）并提高质量。

• 维护（Maintainence）：人工智能可以根据物联网传感器生成的数据（压力、流量、土壤运动和腐蚀（pressure, flow, soil movement, and corrosion））来创建设备健康的实时更新。

• 优化（Optimization）：人工智能可以帮助预测原油（crude oil）和成品（finished products）的市场价格，进行适当的规划和调度（proper planning and scheduling），优化自然篮子（enabling optimization of the natural basket），创建智能仓库（warehouse），维护库存（inventory），处理运输操作，风险对冲（risk hedging），缩短交货时间（imporoved delivery times），降低整体成本。

• 安全（Security）：AI可以全天候监控无人值守的操作场所，以防出现入侵等安全问题，并在出现任何安全问题或未经授权的人进入时立即向相关当局发送即时警报。

• 协助（Assitance）：在基于人工智能的虚拟助理的帮助下，工程师们现在花在研究解决方案上的时间减少了，所有这些都是免提语音命令。

• 探索（Exploration）：适用于海洋探索的人工智能水下机器人可以监测海洋深度，绘制地图，并检测自然渗漏（detect natural seeps）。

然而，人工智能在石油和天然气行业也面临着挑战。

• 采用（Adoptation）：转向人工智能模式需要在教育现有员工使用这些服务方面付出大量努力和投资。此外，必须聘请数据和人工智能专家来支持人工智能基础设施（算法和数据集）和定制工具的开发。

• 数据（Dataset）：油气田可以生成大量的原始数据。然而数据的质量和准确性往往很低，这使得训练人工智能算法变得困难。

• 合作（Collaboration）：石油和天然气公司并不以合作而闻名，尤其是在竞争对手之间以及人工智能等领域。

参考

• https://pyimagesearch.com/2022/09/19/computer-vision-and-deep-learning-for-oil-and-gas/