7751

استفاده از روش هاي داده محور و هوش مصنوعي به منظور بهبود فرآيند حفاري در صنعت نفت

1399

دكتر حميدرضا جهانگيري

كاهش قيمت نفت و ساير كاالها طي دو سال گذشته شركتهاي نفتي را با چالش جدي مواجه كرده است. قيمت هاي پايين ، آنها را ترغيب مي كند تا به عنوان فعاليت هاي عملياتي فعلي و برنامه ريزي استراتژيك ، به دنبال راه حل هاي جديد ابتكاري - راه هايي براي بهبود كارايي باشننند حال در اين متن برآنيم بررسنني هايي جهت كاربرد هوش مصنوعي در بهبود صنعت نفت انجام دهيم . اين بررسي در مورد مزايا ، كمبودهاي شيوه هاي فعلي ، چالش ها و برنامه هاي جديد تحت توسعه براي غلبه بر كمبودهاي صنعت مي باشد. مشننكات حفاري در هر عمقي رخ مي دهد. چندين متغير وابسننته در حال انجام هسننتند كه مي توانند تنث ير نامطلوبي بر عمليات حفاري داشنننته باشنننند. بر ي از اين پارامترها از اين پارامتر ها در اين پروژه به ا تصنار بيان شند. اگرچه صنعت حفاري از قبل به دليل كمبود روش هاي پيش بيني و عدم تشخيص موارد نامطلوب قبل از وقوع نگران كننده بوده. در مقاالت منتشنر شده ، مطالعات كمي براي ارائه روش مفيد براي پيش بيني مشنكات حفاري قبل از حفاري يك سازند اص انجام شده است. امروزه ، پيشرفت قابل توجهي در محاسنبات و فناوري داشنته اسنت.راه حل هاي جديدي مانند شبكه هاي عصبي مصنوعي ، سيستم هاي اسنتنتاف فازي ، محاسنبات تكاملي و غيره و تركيبات بين آنها را ارائه داده اسنت كه منجر به چنين عملكرد قوي در پيش بيني پارامترهاي مورد نظر شنده است.اين روش به دليل دسترسي به دامنه وسيعي از مدلهاي پياده سنازي شده قبلي بهره مي برد و قابل اطمينان ترين روش را در پيش بيني عمليات حفاري معرفي مي كنيد. روش هاي سنتي تجزيه و تحليل داده ها به اندازه كافي توانايي استخراف سريع اطاعات و تجسم واضح مجموعه داده هاي پيچيده بزرگ را ندارند. با توجه به تقاضناي برآورده نشنده، صنعت نفت به سرا يادگيري ماشين )ML )در زمينه هاي بهينه سازي حفاري و تجزيه و تحليل پارامترهاي واقعي و كاهش آنها رفته است

10/14/2020 12:00:00 AM

69073

1399/08/20

Drilling Efficiency Improvement and Rate of Penetration Optimization by Machine Learning and Data Analytics