商品
店铺
近日，油服公司斯伦贝谢宣布与荷兰浮式生产储油卸油船（FPSO）运营商SBM Offshore、挪威人工智能（AI）软件公司Cognite合作，共同打造增强型AI，旨在提升FPSO的运营效率。事实上，国际三大油服公司，斯伦贝谢、贝克休斯与哈里伯顿，均已在公司业务中积极融入AI技术，开发自有AI系统，并驱动油服业务进行数智化转型。
斯伦贝谢：多个AI系统并行应用
为合理利用AI助力油服业务发展，斯伦贝谢开发了AI智能管理系统——Lumi数据工作空间、AI分析系统——Delfi ，并设立了AI创新中心。
Lumi数据工作空间可整合客户所有探测数据，通过AI对数据进行分类与管理，助力企业高效、安全且智能地利用数据，并为未来的创新奠定基础。同时，基于原始数据，AI与机器学习技术能给出高质量建议，充分发挥数据价值。Lumi数据工作空间还内置了自动化数据监控与汇报系统，可基于当前市场环境实时进行情景规划与战略分析。
Lumi数据工作空间安全性较高，具有强大的加密技术与严格的访问控制，能确保数据安全。随着数据量持续增长，油气企业亟须安全且大规模的数据处理方案。Lumi数据工作空间能与大部分油气企业的现有数字平台无缝集成，实现高效数据管理，提升决策水平。
基于Lumi数据工作空间，斯伦贝谢还进一步开发了数字生态系统AgoraTM Edge AI，可缩短问题识别时间，并针对问题生成处理决策，支持对油井等资产实施远程或自主操作，从而最大限度减少停机时间、降低成本。同时，该系统在Lumi数据工作空间强大兼容性的基础上拓展了开放性，能兼容现有数字化系统与仪器仪表等基础设施，可为用户提供额外兼容性支持与优化，保证在不同地区、不同类型的数字硬件上均能流畅运行。此外，该系统高度模块化并配备用户友好的软件开发工具包，可为用户开发和定制特定的应用程序，以满足特殊需求。
在AI创新中心，斯伦贝谢可为客户就上游可持续发展制定生成式AI解决方案。比如，通过AI与机器学习技术对井眼进行重建，最大程度减少重建过程中的不确定性，在提高效率的同时保障质量。据测算，重建速度比使用AI与机器学习技术前提高了5~10倍，相关数据的使用量提升至70%，效率提高了2~3倍。
Delfi能帮助地质学家和工程师轻松构建、管理和部署AI技术以应对日常工作。该系统可将收到的数据进行可视化处理，便于用户审阅、分析。同时，该系统可整合用户提供的残缺数据，并运用机器学习技术重建缺失部分，对原始数据进行直接分析。此外，该系统还整合了多款AI模型，用于模拟勘探过程、预测勘探风险、评估储量价值等，且均可做到一键触发。
贝克休斯：启用BHC3AI应用系统
BHC3是油服公司贝克休斯与AI公司C3合作创造，融合贝克休斯在能源技术领域专业知识的AI软件。以此为基础，贝克休斯还携手微软，推出了BHC3AI应用系统，经过优化可在微软Azure云平台上运行，从而实现企业级扩展。
BHC3AI应用系统可从海量数据集中发现规律，为油气运营提供预测性行动方案，并依托微软Azure云平台进行线上交付，从而最大限度降低项目实施风险、减少停机时间、优化生产流程，并提高产量。
BHC3AI应用系统还能为工程师和高管提供涵盖关键与非关键资产的全面监控，实现基于AI的主动预测性维护。该系统能识别跨系统及资产的异常行为，提供优先级警报，推荐规范化行动方案，并通过工作流集成实现协作。借助BHC3AI应用系统，企业可使设备运行时间最大化，降低维护成本，提升运营效率。同时，BHC3AI应用系统可基于运营数据分析技术，提供流程关键绩效指标，分析根本原因，并推荐优化措施。
贝克休斯表示，一家业务遍及40多个国家的石化制造商为旗下关键化工厂部署了BHC3AI应用系统，以避免计划外停机。潜在的系统停机和生产中断将直接威胁产品质量，该化工厂曾因这些问题每年产生逾1亿美元的维护成本与收入损失。BHC3AI应用系统用于识别全厂16个生产系统中的设备故障风险及工艺异常，能提前10~180天预警关键问题。
在可持续发展方面，BHC3AI应用系统可助力工厂降低能源成本、减少用水量，以及实现温室气体、废弃物的减排目标，对工业流程各层级的能效与排放进行建模，涵盖单台设备到整个工厂，并计算产品碳足迹。随后根据实际情况识别出可以节能的流程、优先排序减排策略、向操作员发出能效异常警报，以及验证可持续发展目标的完成进度。
在兼容性方面，BHC3AI应用系统采用独特的模型驱动架构，可以加速交付，并降低企业应用该程序的难度。开发人员可利用该架构采取简单便捷的方式为企业构建AI应用程序，而无须编写冗长的代码。
哈里伯顿：AI与自主钻井技术的整合
油服公司哈里伯顿将AI与自主钻井技术进行整合，革新了钻井作业模式，提升了作业效能。通过数字孪生技术与基于物理模型的井下钻具组合模型，对海量井下数据进行综合分析。整合后的自主钻井技术已在美国拉诺斯盆地的3口水平井应用，旨在减少深层水平井钻探难度增加、井况恶化及安全隐患等风险。
哈里伯顿还将整合后的自主钻井技术应用于哥伦比亚的沉积盆地，从依赖描述性分析模型的传统优化方法转向以AI机器学习算法为核心的预测性分析框架，将智能传感器集成至iCruise智能旋转导向系统与LOGIX钻井系统，实时获取数据、优化井眼轨迹，确保钻井难度可控。数据驱动的预测减少了不确定性，有助于钻井团队建立多种场景方案，实现最优目标。工程师与AI的有效协作极大提升了项目效率与准确性，相较于未采用人机协同方案的传统钻井方法速度提升了33%。
此外，哈里伯顿还利用AI技术优化数据，构建AI与机器学习模型，通过开源搜索引擎连接多个数据库，建立多数据库搜索系统，对海量数据进行快速全面的质量控制，确保数据完整、可信度高。哈里伯顿将这一系统应用于人才培训、机器学习等多个领域，加速决策制定与企业创新。该系统还将在未来的项目实施过程中自动、快速获取新数据，自动扩充数据库并整合至云端，便于后续数据的云迁移。
多数据库搜索系统还可利用优质数据识别最佳算法，优化勘探开发流程，如成本控制、供应链和员工管理等。用户可根据该系统搭建自己的模型，并进行针对性的训练与部署。缺乏相关技术能力的用户可直接在该系统中找到哈里伯顿提前准备好的几百种模型。这些模型已经由哈里伯顿工程师训练，覆盖钻井、生产、地下勘探等多领域的应用场景。