Молодая и амбициозная компания Nest Lab знает, как значительно увеличить объем суточной добычи нефти на старых месторождениях с помощью анализа Big Data и нейронных сетей. Повышение может достигать 70% от существующих показателей. Столь высокую эффективность обеспечивает программа-робот, которая учитывает особенности каждой скважины и самостоятельно вырабатывает предложения по улучшению системы разработки. О своем решение и команде Nest Lab рассказывают основатель компании Михаил Фокин и директор по маркетингу Тимур Имаев.
— Откуда появилась идея для вашего продукта?
Михаил: — Сейчас идеи роботизации, искусственного интеллекта и разных «умных» вещей слышатся буквально отовсюду. Мне эта область была интересна с самого детства, но особенно захватила в студенческие годы. По образованию и опыту работы я геолог, разработчик месторождений.
Тимур же в детстве перечитал все, что смог найти из научной фантастики. По образованию он физик, разработчик нефтяных месторождений, а по опыту работы – маркетолог. Причем к моменту нашего знакомства у него уже был опыт роботизации сложных процессов, а у меня — опыт успешного управления разработкой месторождений.
Два мечтателя со специфическим опытом плюс современные тренды – дальше химическая реакция была необратимой (улыбается — прим. ред.). Сперва мы автоматизировали выработку решений на скважинах, задачи «где и что предпринять» теперь стала решать программа-робот, а затем наложили на это нейронные сети, которые заметно углубили наше решение. Софт Nest Lab стал саморазвивающимся и адаптирующимся под особенности конкретных месторождений и скважин.
— За счет чего повышается эффективность добычи нефти?
Михаил: — Эффективность добычи повышается, в первую очередь, за счет подключения ранее неохваченных текущей системой разработки нефтяных зон, во вторую очередь, за счет более своевременного принятия решений. В-третьих, решения Nest (программный продукт Nest Lab) учитывают индивидуальные особенности скважин, что дает более точные решения по поддержанию базовой добычи нефти.
Сейчас все, кто занимается разработкой месторождений в мире, используют гидродинамические модели для оценки карт остаточных запасов нефти. Но модели зачастую некорректно отображают работу месторождений. Например, часто разработчики изменяют коллекторские свойства пластов и вручную задают значения скин-факторов на скважинах, что приводит к большим погрешностям. Тем не менее, ничего лучше для оценки бурения новых скважин пока не придумано.
Мы тоже используем в расчетах Nest гидродинамические модели, построенные на общепризнанных базовых принципах. Но в наши модели еще добавлены нейронные сети, как на стадии загрузки данных — происходит «очищение» исходных данных, так и в процессе расчетов. Проблема неточности моделей разрешилась. Мы ничего не «адаптируем» и не изменяем вручную, а наши модели очень хорошо описывают происходящие в производстве процессы.
Благодаря полной роботизации всего процесса анализа вплоть до предложения решений мы существенно повысили оперативность принимаемых решений. Часто в производстве может уже начаться какая-то проблема под землей, но о ней узнают лишь через несколько месяцев, когда сделают соответствующие перерасчеты или проблема станет очевидной. Больше всего примеров своевременных решений в управлении системой заводнения. Если вовремя не предотвратить начавшееся обводнение по пласту, то можно загубить участок. Индивидуальные алгоритмы для скважин – это нейронные сети, построенные от конечного результата, успешно или не успешно проведенных мероприятий на скважинах.
Реализовать решение подобное Nest не удавалось раньше по ряду причин. Во-первых, геолого-технические мероприятия на скважинах стали очень популярными только в нулевых с истощением ресурса традиционных месторождений. Отчасти потому, что до недавних пор «и так все было хорошо», до сих пор не создана четкая единая система подбора этих мероприятий. Во-вторых, такие явления как «нейронная сеть» и «роботизация» начали развиваться совсем недавно. Сегодня реализуется много подобных решений — системы распознавания лиц, беспилотные автомобили, сервисные роботы и т.д. Всего десять лет назад об этом только говорили, но готовых решений не было. В-третьих, чтобы создать подобное решение, необходимо объединить усилия геологов — разработчиков месторождений, программистов и маркетологов. Это специалисты из совершенно разных областей, их объединение – это редкое стечение обстоятельств.
— А чем ваш робот лучше людей-специалистов или других ИТ-решений?
Тимур: — Робот справляется с огромной работой точнее и быстрее людей. Например, стоит задача – определить причины потерь. Бывают случаи, когда суточные потери добычи на скважине могут происходить не по одной, а сразу по ряду причин. Здесь могут быть причины геологического характера, причины, связанные с системой поддержания пластового давления, и технологические причины. В таких сложных случаях определить все причины практически нереально, особенно если у вас много скважин и большое производство. Nest же способен определять причины потерь и в ежесуточном режиме точно оценивать их размер по каждой причине в отдельности.
Другой яркий пример задачи, которую успешно решает Nest – проверка и утверждение суточных данных. В существующей сейчас системе к концу каждого месяца накапливается ошибка от 15 до 25%. Речь идет о «парковом коэффициенте». Когда специалисты занимаются этой работой, то к концу месяца данные суточных замеров на 15-25% не бьются с фактическими данными. Это очень много. В результате те же специалисты вынуждены в конце месяца подгонять данные под факт. Ошибка в исходных замерах еще больше увеличивается. Потом по этим «подогнанным» данным строят модели и их тоже «адаптируют» под реальное месторождение, другими словами вновь вручную меняют исходные данные. Что в результате? Модель не отображает реальные процессы под землей. Nest сводит ошибку, накапливающуюся по итогам месяца, к 1% вместо 15-25%. Отсюда точные модели и более своевременные решения.
Сравнивать Nest с другими программными решениями почти не имеет смысла, т.к. другие продукты не охватывают всей системы разработки, а лишь ее отдельные части. Кроме того, они не направлены на выдачу готовых решений, такой софт не подстраивает свои алгоритмы индивидуально под каждую скважину, он не способен к самообучению.
— Тестировали ли вы свое решение на реальном месторождении?
Михаил: — Изначально мы создавали Nest на трех реальных месторождениях малой нефтяной компании. Все проблемы, которые решает наш софт, снимались прямо с производства. За четыре года испытания Nest и его алгоритмов мы получили рост суточной добычи в 70% на старых месторождениях в третьей стадии разработки с постоянно падающей добычей. Это феноменальный результат.
Сейчас полным ходом идет пилотирование Nest на малых и средних месторождениях Западной Сибири в двух больших компаниях. О результатах расскажем позже. Пока могу сказать, что мы сами узнали много нового и интересного о своем продукте благодаря этим испытаниям.
— Каким компаниям подойдет ваш робот?
Тимур: — Решение Nest Lab универсально и подойдет любым нефтяным компаниям. В особенности оно будет интересно тем, у кого велика доля старого фонда с падающей добычей. Если говорить о потенциальных клиентах Nest Lab, то скорее это компании, у которых больше 50 скважин. Тогда применение роботизации становится еще более ценным. Чем больше скважин, пластов, сложнее месторождение, тем лучше – можно найти больше возможностей для увеличения добычи.
Думаю, в ближайшие годы решение Nest Lab будет становиться все более востребованным. Это относительно простой и недорогой способ существенно нарастить добычу на традиционных месторождениях. Если сопоставить затраты на внедрение и начало работы с Nest с затратами на новые горизонтальные скважины с проведенными на них гидравлическими разрывами пласта, то получится любопытное соотношение. При схожем приросте суточной добычи стоимость роботизации от Nest Lab окажется примерно в 100 раз ниже.
— Как появилась компания Nest Lab? Вам удалось объединить геологов, программистов и маркетологов?
Михаил: — Когда мы с другом только решили открыть свое дело, то не представляли, чем конкретно будем заниматься. Мы думали над проектом, пробовали разные гипотезы, общались с коллегами. Затем я познакомился с Тимуром и сразу понял, что вместе мы сможем сделать что-то важное не только на федеральном, но и глобальном уровне.
Дальше все развивалось стремительно. Через полтора месяца совместной работы мы сформулировали нашу основную идею — абсолютно уникальную и проверенную опросами специалистов. Вдвоем нам удалось соединить компетенции сразу трёх областей: геологии — разработки месторождений, маркетинга и программирования. На стыке трёх этих дисциплин и родилась Nest Lab. За три года в работе над проектом в общей сложности участвовало около 30 специалистов, но основной костяк остается неизменным.
В 2016 году мы стали резидентами IT-кластера фонда «Сколково», а в октябре нам удалось победить в номинации B2B-Tech крупнейшего в Восточной Европе конкурса технологических компаний GoTech. Пожалуй, это была единственная ярко выраженная B2B-номинация и победа в ней для нас особенно ценна.
С самого начала с нами работают прекрасные люди и востребованные на рынке программисты, которых мы нашли через знакомых коллег в добывающих компаниях. Несмотря на свою молодость, ребята уже имеют приличный багаж опыта, работали над созданием сложных продуктов для «Сбербанка» и других крупных компаний. На днях одного из наших программистов пригласили работать в Стокгольм, готовы компенсировать ему переезд, жилье и платить в разы больше, чем в России. Надеемся, что он от нас не уедет (улыбается — прим. ред.), пока вроде бы не собирается.
Фотографии: www.shutterstock.com и предоставлены Nest Lab.