Machine Learning y sus próximos aportes a la producción de hidrocarburos en Noruega

Un nuevo informe de DNV GL, encargado por OG21, demuestra cómo se debe desarrollar, adoptar y escalar el aprendizaje automático con mayor rapidez en la plataforma continental noruega.

El aprendizaje automático o Machine learning tiene el potencial de reducir significativamente el tiempo de entrega de los pozos de petróleo y gas, reducir el gasto operativo y acelerar la producción si se implementa a escala en la plataforma continental noruega, revela una nueva investigación publicada hoy por OG21 y DNV GL.

También se espera que las reducciones en los gases de efecto invernadero sean un resultado positivo significativo de la implementación a escala de la tecnología digital, según OG21.

El informe de DNV GL, que se ha publicado tras un programa de investigación de seis meses de duración encargado por OG21, insta a la industria noruega del petróleo y el gas a que haga una inversión significativa para aprovechar el valor de la enorme cantidad de datos disponibles, de los cuales sólo una fracción se utiliza actualmente en el aprendizaje automático.

El informe también incluye recomendaciones para el sector del petróleo y el gas en sentido ascendente, y demuestra cómo el aprendizaje automático debería desarrollarse, adoptarse y ampliarse más rápidamente.

Esto puede lograrse mediante iniciativas y la colaboración conjunta de la industria en esferas como la mejora de los conocimientos básicos sobre aprendizaje automático, el intercambio de instrumentos y datos y la garantía de mecanismos para la validación fiable de las soluciones de aprendizaje automático.

En su investigación, DNV GL evaluó el potencial del aprendizaje automático para abordar los desafíos e identificar las oportunidades en cuatro "grupos de áreas tecnológicas clave": eficiencia energética y medio ambiente; exploración y aumento de la recuperación; perforación, terminación e intervención; producción, procesamiento y transporte.

El aprendizaje automático, como rama de la inteligencia artificial, combina la informática, las matemáticas y las estadísticas orientadas al cálculo. Mediante el uso de diseños y algoritmos, las computadoras llegan a ser capaces de aprender de los datos empíricos y desarrollar un comportamiento basado en ellos.

Liv Hovem, Director General de DNV GL - Petróleo y Gas, y Christina Johansen, Vicepresidenta de la Junta del OG21, debatirán los principales resultados de la investigación y la importancia del aprendizaje automático para la futura capacidad de recuperación y competitividad del sector petrolero -y su potencial en la industria energética mundial- en el Foro del OG21.

En el informe se describen los obstáculos más importantes para la aplicación satisfactoria del aprendizaje automático, desde su inicio hasta su amplia adopción. La falta de conocimientos y competencias en materia de aprendizaje automático es un ejemplo de un obstáculo para su adopción, según la investigación. Los dirigentes que carecen de conocimientos y experiencia en materia de aprendizaje automático tendrán que convencerse primero de los convincentes argumentos comerciales en favor de su adopción, antes de comprometerse a realizar las inversiones necesarias para hacer avanzar y ampliar la tecnología.

La información que sirvió de base al estudio se reunió por medio de los grupos de trabajo de OG21, entrevistas con operadores, el mundo académico y la literatura. AGR, la consultoría de pozos y yacimientos, aportó conocimientos especializados sobre la exploración y la mejora de la recuperación.

"El Machine Learning está en su infancia en la Plataforma Continental Noruega con sólo unos pocos estudios piloto que avanzan hacia su uso activo - necesitamos un cambio de paso para lograr el escalamiento que hará realidad el potencial de la tecnología aquí, y en la industria energética mundial", dijo Liv A. Hovem, CEO, DNV GL - Petróleo y Gas.

"La colaboración entre todas las partes interesadas, combinando el aprendizaje de la máquina con otros elementos de la digitalización, junto con el análisis y las buenas prácticas de la industria será necesaria para realizar su potencial".

Fuente: World Energy Trade

Etiquetas