8 工业智能人工智能引擎掀起油气勘探开发新革命钢铁行业设备智能运维探索与实践.docx
《8 工业智能人工智能引擎掀起油气勘探开发新革命钢铁行业设备智能运维探索与实践.docx》由会员分享，可在线阅读，更多相关《8 工业智能人工智能引擎掀起油气勘探开发新革命钢铁行业设备智能运维探索与实践.docx（13页珍藏版）》请在冰点文库上搜索。
8工业智能人工智能引擎掀起油气勘探开发新革命钢铁行业设备智能运维探索与实践
【工业智能】人工智能引擎掀起油气勘探开发新革命、钢铁行业设备智能运维探究与实践
微信号ai-cps
功能引见OT技术（工艺+精益+自动化+机器人）和IT技术（云计算+大数据+物联网+人工智能）深度融合，在场景中构建：
形态感知-实时分析-自主决策-精准执行-学习提升的机器智能认知系统，实现产业转型升级、DT驱动业务、价值创新制造的产业互联生态链。
2020-02-28原文
收录于话题
人工智能引擎掀起油气勘探开发新革命
华为企业业务中国
近年来，我国对油气的需求不断攀升。
统计数据显示，2018年我国石油净进口量为4.4亿吨，原油对外依存度达到70.9%。
为了加大油气供应，国内石油企业加大了石油勘探力度，提出了更高的要求，这对勘探开发领域带来了史无前例的压力。
一方面，勘探难度越来越大，我国已探明石油储量中低渗、超低渗储量占70%，已开发油田综合含水率达89.35%，原油储量和产量的提升面临巨大压力；另一方面，石油生产成本居高不下，企业效益难以把握。
此外，生态环境爱护和绿色进展对石油开发提出了新的挑战。
那么，如何衰退勘探痛点，将隐藏在地下的更多油气资源开采出来，以满足国家日益增长的能源需求？
国内外专家争辩认为，人工智能是处理石油勘探开发业务面临的一系列难题的最佳技术和途径。
人工智能技术正在给勘探开发领域带来颠覆性变革。
石油勘探领域的颠覆性变革
近几年来，国内外越来越多的石油企业选择拥抱人工智能，或自主研发，或与IT巨头联手，加大人工智能等新一代信息技术在勘探开发领域的使用，试图通过新技术的使用，促进企业数字化转型。
而在此过程中，不同石油公司的智能化水平差距正在不断拉大。
国内方面，中国石油将包括认知计算平台在内的华为云工业智能体新技术引入生产实践，用学问图谱、自然言语处理和机器学习等人工智能技术进行学问体系的构建、计算和使用，为油气勘探开发科研、生产管理供应智能化分析手段，支撑油气勘探开发增储上产和降本增效，挂念决策者从海量的数据中洞悉规律，来提升效率和管理水平。
2019年1月4日，中国海油旗下海油进展工程技术分公司成功开发了中国海油在勘探开发领域的首个人工智能使用。
该款具有自主学问产权的人工智能软件，可以基于储层、裂缝、流体、压裂改造等属性描述的大数据，建立全空间模型，自主向测试的产能数值进行深度学习，并猜测三维空间产能指数。
国际方面，2016年，埃克森美孚宣布与麻省理工学院合作设计用于海洋勘探的人工智能机器人。
该机器人具有自学力量，能够在艰苦条件下自主操作，并能按本身志愿转变任务参数，探测特别的情况。
2018年4月24日，法国油气巨头道达尔宣布同谷歌云签署协议，联合进展人工智能技术，为油气勘探开发供应全新智能处理方案。
依据道达尔，人工智能将领先使用于油气勘探开发地质数据的处理分析。
石油巨头壳牌已经逐渐结束了石油智能化的尝试期，转而迈进了推广期，将大规模普及石油人工智能。
2018年9月20日，石油巨头壳牌宣布将和微软公司扩大合作，在石油行业大规模推行人工智能的使用，AI掩盖领域包括油气钻井、油气生产、加油站零售、财务管理、员工管理等。
英国石油公司BP通过投资人工智能，加强其在上游业务中的人工智能化和数字化。
2019年1月，BP投资了总部位于休斯顿的技术初创公司BelmontTechnology，开发一个名为“Sandy”的人工智能助理。
Sandy可以自动将BP专家供应的地质学、地球物理学、油藏和历史项目信息结合在一起，创建出BP整个地下资产学问图，供BP的工程师查询数据、提问并快速得到答案。
意大利石油巨头埃尼于2019年5月公布了和IBM联合开展的AI争辩成果“认知发觉”，为埃尼在勘探阶段初期的决策供应支持，以削减勘探与地质简单性可能导致的潜在风险。
国内勘探开发新模式需要智能引擎
人工智能和各行业结合是一个长期的过程，缘由是存在一系列的门槛和限制，在人工智能技术和国内石油勘探领域结合过程中，面临五大门槛：
第一：
“限”数据不能出局，数据共享不便利；
其次：
“专”油气勘探开发领域是多学科，学问密集型行业，大量行业学问在老专家的脑中，行业和AI结合是人工智能在领域使用的关键；
第三：
“慢”，AI开发效率低，标注、训练、部署整个过程格外耗时；
第四：
“贵”，AI基础资源，尤其是算力稀缺且昂贵；
第五：
“缺”，AI人才的短缺，中国的AI人才缺口就超过500万人。
针对以上五大门槛，构建油气勘探领域人工智能专有平台是AI推广的一个必定选择。
这个平台该当具备以下特点：
1）自建人工平台供应算力和算法预装处理数据不出局的问题；
2）具备快速构建行业学问图谱的流水线打造专家助手，提升专家效率；
3）构建平民化的油气行业人工智能开发平台提升普及率，提升开发效率；
4）接受开放的硬件架构，接受AI公用训练芯片，处理传统AI训练GPU贵的问题。
5）具备行业油气人工智能算法模型的市场，构建行业生态，处理人才短缺问题。
以中国石油为例，中国石油正携手华为联合打造了勘探开发的认知计算平台，该平台是基于华为云AI技术的通用开放可扩展的人工智能计算平台，依据平台和场景两个关键要素进行设计，从数据处理、机器学习，到模型发布、推理使用，是可供应一站式AI开发环境和学问图谱流水线工具的平台。
据了解，人工智能计算平台是中国石油“共享中国石油”信息化战略进展规划的落地举措。
该平台的建成使用，为勘探开发业务的创新供应了智能化的驱动引擎和开发生态，实现了勘探开发学问的固化、传承和普惠。
中国石油勘探开发争辩院计算机使用技术争辩所所长龚仁彬在2019华为全联接大会（HUAWEICONNECT2019）上表示，认知计算平台已经在测井油气层识别和抽油机井工况诊断两个场景进行使用，实现了测井油气层智能识别和抽油机井工况自动诊断。
例如，在石油勘探的“测井”环节，有祖国东部“石油小摇篮”之称的中国石油大港油田，借助认知计算平台对900口油井进行机器学习，实现了油气水层位的智能识别，识别评价时间缩短了70%，识别的精确 率达到测井解释专家水平。
更重要的是，通过学问图谱的建设与使用，从业门槛明显降低，专家学问得到无效传承，一般专家可担当资深专家的职责，工作效率明显提高。
而在油气生产领域，中国石油借助人工智能计算平台，通过接受物联网技术和机器学习方法，实现了油井工况的定量诊断和近程实时在线管理，猜测特别工况的精确 率达到90%以上，油田管理实现了从事后诊断升级为事前预警，削减了作业维护费用20%。
中国石油青海油田８个采油厂通过生产现场的近程管理实现了无人值守，将管理重心从荒芜的油田现场后移至油田管理基地，一年之内搬迁现场管理人员700余人，一线员工转岗800余人，极大降低了油田的生产成本，无效提高了油田的管理水平。
龚仁彬表示，认知计算平台有助于中国石油与华为共同跨越油气行业AI商用裂谷。
借助认知计算平台，中国石油正在与华为共同建设一个掩盖勘探开发全专业的学问图谱。
“这是一个可不断完善并自动生长的工程，必将给石油勘探开发业务带来颠覆性的技术变革。
”
目前，中国石油已经完成了智能油田建设的规划设计，在勘探开发领域优选了22个场景开展人工智能探究，“智能使用的种子已经开头发芽，期盼中的参天大树指日可待。
”龚仁彬表示，中国石油将来将连续携手华为，不断完善认知计算平台的建设，进一步推动石油勘探开发业务的转型升级。
认知计算平台助力“幻想云”
放飞上游业务智能化幻想
对于中国石油来说，勘探开发认知计算平台还是——“勘探开发幻想云平台”（简称“幻想云”）的才智引擎。
2019年11月27日，中国石油勘探开发幻想云2.0发布，这是中国油气行业第一个智能云平台——中国石油勘探开发幻想云平台。
在各行各业“云技术”方兴未艾之时，被认为在人工智能数字化进程上慢半拍的油气行业，这次通过认知计算平台对幻想云的加持，跟上了节拍，进行了彻底的自我革新。
转变刚刚开头
打造行业人工智能平台赐予行业云平台智能化的力量，可处理石油勘探开发领域的六大痛点，将来必将广泛使用于石油勘探领域。
而从全球范围来看，石油行业广泛看好人工智能（AI）的前景，视AI为“推动石油行业走向新台阶的关键数字技术之一”、“油气勘探的下一场革命”。
随着全球石油行业进入新常态，人工智能在勘探领域的使用将更深更广。
下一个十年，AI将助推石油工业加快进入智能新时代，彻底颠覆石油工业的思维和运营模式，重塑整个行业。
对于我国石油企业来讲，AI是提高企业竞争力、打造国际一流综合性国际能源公司的必要手段；而对于IT/ICT企业来说，有责任通过AI从技术层面上促进石油勘探开发行业全体的转型升级，从而助力我国石油勘探开发实现从跟跑到并跑、最终领跑全球的转变。
延展阅读：
宝武配备王建宇：
钢铁行业设备智能运维探究与实践
郭仁贤 雷锋网
从传统运维到智能运维，其本质的变化是：
人为核心到数据为核心的转变。
文 |郭仁贤
据Gartner猜测，智能运维的全球部署将从2017年的10%添加到2020年的50%，其行业使用除了互联网之外，还包括了电信、金融、电力、航空等领域。
而在国内，智能运维从正式提出到实际落地，这个阶段也只要两三年的时间。
虽然如此，一些领先探究智能运维的企业，通过对该领域的深化争辩和实践已取得了肯定的成效。
近日，在雷锋网于深圳举办的AIoT年终盛会——2019全球AIoT产业·智能制造峰会上，来自宝武配备智能科技无限公司工业智能服务事业部总经理王建宇，以「智享生态云联将来——钢铁行业设备智能运维探究与实践」为主题进行了共享，为工业企业如何探究智能运维供应了思路，并与众多跨界的伙伴探讨了各种前沿技术的使用等。
宝武配备智能科技无限公司（简称“宝武配备”），是中国宝武集团下属一级子公司，是专业从事配备智能运维的科技公司，担当中国宝武多基地核心设备形态保障功能，现已成为行业领先的综合设备形态保障技术服务供应商。
雷锋网了解到，传统运维比如“点检定修制”，是通过人工“五感”方式了解和推断设备的形态并周期性的开展维护活动。
而智能运维强调是以数据为核心，是自动汇聚全部设备形态相关数据，基于形态变化趋势驱动决策并有针对性的开展设备运维。
王建宇表示，宝武配备早在2014年就启动了智能运维的相关探究，从今年上半年，依据中国宝武“四个一律”才智制造全体部署，即：
操作室一律集控、操作岗位一律机器人、运维一律近程以及服务一律在线，开头规模化推动。
以下为王建宇的现场演讲内容，雷锋网作了不转变原意的编辑与整理：
大家好！
格外快活有这样的一个机会，与这么多跨界的伙伴在一起进行沟通，我今日次要共享的是钢铁行业设备智能运维的探究与实践。
讲到AloT在工业领域的使用，其实它的场景是格外多的，比如质量检测、工艺优化、能效优化，以及产业链协同等，而我则是从智能运维的角度来跟大家共享。
我来自钢铁行业，正如我们所了解的，钢铁行业是一种典型的长流程工业，工厂里汇聚了大量的设备设备，并且对连续生产稳定性和牢靠性的要求格外高；宝武配备正是专注于大工业系统配备智能运维的公司，承载着整个中国宝武配备智能运维服务体系建设和运转的使命。
宝武配备面对中国宝武十大基地，最远的在新疆天山，最近的在上海，总体上看，目前集中在长江三角洲、珠江三角洲，以及西北角，呈现出“弯弓搭箭”的格局。
在十大基地，我们有几千亿的设备资产，数百万设备，数十万台套关键设备，这些都是我们所要服务的场景。
宝武配备源于原宝钢设备系统相关专业，从最早宝钢引入日本的“点检定修制”开头，一直专注于设备形态领域，长期服务于宝钢以及外部众多客户。
提到大数据，当前大数据使用一个很重要的前提是：
拥有足够已标注的无效样本数据，而宝武配备经过三十余年的进展已积累了数十万条设备形态相关无效数据，以及海量的设备点检、维护、检修有关的标准和数据，这些无效数据的积累和标注是我们开展智能运维这项工作一个很好的基础。
宝武配备不只是中国智能制造系统处理方案供应商，也是工信部制造业与互联网融合试点示范单位、上海市工业互联网平台和专业服务商推举单位。
“智能运维”这个概念是这两年衰亡的一个概念，以前更多的大工业是在讲点检定修、形态管理。
作为一个新兴的概念，大家对智能运维初期的理解可谓众说纷纭，但是当我们换一个角度，以逆向思维的方式，我们首先来看智能运维不是什么。
∙首先，智能运维≠平台。
或者说，不是简约地搭建了一个工业互联网平台就等同于实现了智能运维。
∙其次，智能运维≠机器人。
现在一提到才智制造，大家很简约和机器人联系起来，但是设备管理中即便使用了机器人并不代表已实现了智能运维，这只是处理了一个局部的问题。
∙第三，智能运维≠在线监测。
在线监测已有几十年的历史，它更多是从实时把握设备形态的角度去考虑，但智能运维实际上是对整个设备管理全流程进行重塑，去进行变革。
智能运维是基于对工业设备管理的深刻理解，以智能化手段赋能传统设备运维管理所构成的“设备形态智能管理系统处理方案”。
它的核心是基于设备形态变化趋势的智能决策，将这种决策映射到整个设备管理活动当中，基于对设备当前形态把握和将来形态预知的基础上，去推断设备该不该修，什么时候修，修什么，怎样来修，谁来修，也就是完整地体现数据驱动决策；在整个设备管理中，“从数据中来，到数据中去”。
钢铁工业为代表的大工业中，多是以“点检定修制”为主的设备管理模式，更多是以人为核心，靠现场人员“五感”的方式：
用眼睛去看，耳朵去听，鼻子去嗅，嘴巴去尝，以及手去触摸等感知设备变化。
通过这种方式推断设备的形态是不是正常，是不是需要保养、维护或者修理，设备有问题了就会人工地去支配一个维护检修的方案，开出一个单子给相应的维检单位，组织他们去维护和修理；修好之后，再由现场的设备工程师对现场的设备恢复情况进行验证，通过人最终构成一个闭环。
而将来的智能运维是以数据为核心，从智能的采集开头，不管是在线的、离线的，还是现有系统中包含的数据，我们都把他汇聚上来，基于这些数据进行综合的分析、推断。
假如设备有问题，由系统和平台自动地排定维护检修方案，自动地推送相应的处理方案。
在实施的过程中，假如遇到问题，可以随时随地呼叫全国各地甚至全球范围内的专家来进行近程的支持；当设备修好之后，恢复到原先的工作形态，可以通过在线的数据，来对它进行校验是不是真的修好了，通过数据最终构成闭环。
智能运维有三个“一”为核心：
一个平台，一个专家系统，以及一个标准化体系。
∙首先，一个平台。
该平台更多是为整个设备管理相关的人员，包括生态合作伙伴等，供应了一个共同的信息共享平台、沟通沟通平台、协同工作平台。
同时，基于这个平台，还能够对不同的基地，同类的产线或设备进行综合的比较、分析，去查找进一步改进优化的空间。
∙再者，一个专家系统。
专家系统是一个人机结合的系统，一方面人脑中的阅历、学问与才智转化为计算机可以自动识别推断的言语，另一方面，基于我们现有的认知，这个转化还会持续很长一段时间，所以也需要人去对一些疑问杂症进行处理。
∙最终是一个标准化体系。
工业是一个很严谨、很严苛的业态，工业的基础都是源于上千年以来人对构成产品价值制造这个过程的阅历学问的固化，全部的管理基础都是基于标准化，数字化、智能化更要基于标准化；通过标准化，不断地去固化我们行业的管理运转阅历，让企业运营不断地迭代和升级。
客观地说，在目前这个阶段，不少企业的标准化实际上还是停留在纸面化的阶段。
但是，不管是现在还是将来，工业互联网和大数据融合必需要完成向全面数字化的跨越，这必将是一个比较漫长的过程，由于学问的转化、数字化是需要大量的人力、物力、时间的投入。
在我们已经搭建的、面对全宝武的设备智能运维平台上，它的架构与我们讲的工业互联网、物联网没有本质性的差异，基本原理都是怎样去拿到数据，怎样去分析数据，怎样把这些数据的使用去和我们管理的需求、跟我们运营的需求结合起来，呈现出价值。
为什么我们要强调标准化体系？
以电机修理为例，同样的一台电机，不同基地、不同队伍干出来可能就是不一样。
这时候，假如能够把维护修理都标准化，一步一步规定清楚，每一步你做什么，需要用什么东西，要达到什么样的质量标准，这样就有可能：
十大基地不管是什么电机出问题，不管谁来修，最终的进度、投入和质量都是一样的。
这样做的目的是：
让服务能够摆脱地域、时间、阅历等要素的限制，本质上是为了能在整个广域范围内促进相关资源在同一标准下的高度协同。
另外说到新技术的使用，从感知的角度，这几年也用了很多的方法，比如各种有线和无线的传感器，NB-iot、5G，以及光纤感音、视觉识别技术，还有巡检机器人的使用等。
从认知的角度，我们全体是沿着模型和大数据两个维度，其中，对于大数据的探究还需要一个过程。
目前在工业场景里面，我们基于大数据的使用，实际上很难找到一种通用的方法、通用的框架，一劳永逸地处理我们所面对的全部问题，所以我们要针对每一个细分场景投入足够的资源，用相当长的时间才能去处理一个问题。
比如对于电机绝缘失效这样一个霎时突发毛病，我们花了一年多的时间去积累数据，然后去建立相应的模型并进行训练，目前为止只能算是小有成就，能够做到平均提前10分钟以上预警，最长的可以提前一个月。
可想而知，这样一个微小问题的使用，在工业领域里都需要投入足够的精力消耗大量的资源去处理。
我们更多地是以机理为主，以大数据的模型与它进行交叉验证，相互补充，逐渐提高模型的精确 性、无效性，这是我们目前所接受的一种方法。
面对移动端的使用，包括AR、VR我们也都有具体的探究和使用。
总体上，宝武配备从2014年开头智能运维的尝试，生疏也是在从监控、到检测诊断、再到今日的智能运维不断深化。
尤其是从今年上半年开头，整个中国宝武在全方位推动才智制造，智能运维的步伐也在加速。
现在，宝武沿着四条线推动才智制造：
∙操作室一律集控。
其最终目的是实现异地操控全国或者是全球的产线。
∙操作岗位一律机器人。
虽然钢铁工业已经是一个高度自动化的行业，但还是有20%左右操作还是靠人，我们通过机器人去替代，重点是高风险、高污染、高负荷的“三高”岗位。
∙运维一律近程。
也就是宝武配备所聚焦的智能运维。
∙服务一律在线。
围围着产业链上下游的协同等。
从我们智能运维的角度来说，还有很多的问题需要处理，期望跟现场的伙伴进行共享，比如5G技术、新型传感器、大数据、人工智能等。
5G如何将通信模组与相应的智能生态结合起来，尽快投入到工业实践中去；
无线MEMS传感器，不管是4G、5G，亦或其他通讯，怎样婚配你的数据采集传输策略和功耗之间的关系，让他用的更久一些；
大数据，视觉识别等，我们当然期望能够有一种相对通用的方法和框架，降低技术门槛，从某种程度上加速我们开展数据分析的过程，这也是一个关键。
最终，说一点本身的感受：
工业领域的智能化使用要想真正地落地生根，肯定是工业领域的企业、新的物联网企业，以及互联网企业一起协作起来，所以中国宝武要打造钢铁生态圈，宝武配备也要打造配套的智能运维子生态。
因此，从这个角度，我格外期望一些跨界的伙伴，尤其是有好的技术、好的产品的伴侣来跟我们做一个结合，加入我们的生态圈，让大家的技术与创意在工业领域发挥出更大的价值，制造出更大的贡献。
感激大家！
先进制造业+工业互联网
升级会员 