Machine learning para acelerar la producción de petróleo y gas de Noruega - World Energy Trade

Machine learning para acelerar la producción de petróleo y gas de Noruega

El aprendizaje automático tiene el potencial de reducir significativamente el gasto operativo

El aprendizaje automático tiene el potencial de reducir significativamente el gasto operativo

Investigación, Desarrollo e Innovación
Typography
  • Smaller Small Medium Big Bigger
  • Default Helvetica Segoe Georgia Times
Inicio desactivadoInicio desactivadoInicio desactivadoInicio desactivadoInicio desactivado
 

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.

OIL & GAS
ADNOC aprovecha las tecnologías avanzadas para mejorar la eficiencia de la perforación

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".

 

 

No pierdas la oportunidad de leer este reportaje: 

Vehiculos Electrico Hidrogeno Foto Ref

 

Te puede interesar: