現代的開放式架構設計正在釋放石油工業上游數據的價值，以提供更高效、更安全的工作流程，滿足提高投資回報率的目標。長期以來，油田服務公司在上游油氣行業的技術進步中發揮了關鍵性作用。作為設備和專業知識的一線提供者，從最大的國有石油公司到最小的獨立石油公司，都在依靠這些服務公司來推動技術創新，在一個廣泛的經濟條件下提高該領域的運營績效。

上游石油和天然氣行業看到的每一項技術創新，從越來越耐用的聚晶金剛石鉆頭到能夠承受20,000psi工作壓力的海底防噴器，都有一個共同的因緣，那就是提高投資回報的驅使力。產出價格的波動，加上降低資本支出的壓力，都是關鍵的驅動因素。該行業對其運營安全的深刻的文化承諾，也在技術創新和新工藝的開發中發揮了作用。

油氣行業的第四次工業革命

第四次工業革命的復興正值油田服務業的關鍵時刻。隨著鉆井技術的成熟和筒倉式的計算機化過程達到其極值，這種不斷發展的數字技術空間正在為生產、正常運行時間和效率創造一個新的視野，其中所運用的數據源于多數據源的有效整合。

一家領先的數據和分析公司GlobalData表示，上游石油天然氣行業正在為尋找新的儲量或油氣資源、新的開采技術以及自動化操作而大力投資。盡管在這一過程中涉及到一些風險，但精通技術的企業明白，今天的投資會在未來帶來巨大的回報。無論資產類型如何，當務之急是推廣新技術，意在優化油氣采收率，最大限度地提高產量。

GlobalData公司顛覆性技術分析師Abhishek Paul Choudhury表示：“石油和天然氣公司正越來越多地采用智能自動化以及其它的數字推動技術來整合海量數據，并從中獲得有用的見解，以簡化已定義的上游價值鏈中復雜的現場活動。物聯網技術與人工智能算法相結合，正在開展篩選和發現最佳油藏涵蓋面積選擇、改進地下油藏建模、提高鉆井績效的行動”。

數據民主化

就像任何以技術驅動的行業一樣，油田服務公司必須克服一些關鍵挑戰才能充分獲得可用的系統數據的價值。這就是有時被稱為“暗數據”的說法，也就是系統能生成比立刻適用的更多的信息。因此“暗數據”往往未被探索。其他的時候，系統是在一個真空環境中創建的，旨在以專有方式工作，很少考慮它們與其它地方開發的產品如何進行整合。

數據挑戰是以幾種不同的方式顯現出來的，高質量的數據不容易跨產品整合；孤立的產品意味著筒倉式數據（或“數據孤島”）非常深奧，但沒有廣度；這種廣度的缺失強化了一種“不是在這里發明的”思維傾向，導致公司與公司之間創新努力的重復。

第四次工業革命給油田服務公司帶來的是跨越這些數據孤島與工程學科之間整合數據的能力。現代的開放式架構設計正在釋放所生成的包括地震勘測、鉆井項目設計以及人工舉升效能所有這些上游數據的價值，目的是提供更高效、更安全、能滿足提高投資回報目標的工作流程。

開放式架構環境的自動化

油田服務公司正在開發自己的開放式架構環境，客戶的數字團隊可在整個數字化生命周期中概述他們自己的旅程。

哈里伯頓最近推出了他的DS365.ai（一種通過授權快速訓練預建模型，或在運營中創建和部署創新的機器學習解決方案，意在增強地下、鉆井和生產的工作流程，從而提高企業能力，擴大企業規模的服務）云服務，通過智能自動化加速數字化轉型。行業特定的人工智能和機器學習模型在該公司的OSDUTM數據平臺上運行，利用了iEnergy® 云的可擴展架構。數據工程師和數據科學家們能夠大規模地設計、開發和部署AI模型，或快速訓練機器學習模型。

在DS365.ai環境中，參與者可以訪問和修改開源數據模型，并在整個社區分享他們的工作，包括一個熟悉的五星級排名系統。模型可作為獨立服務予以提供，也可以集成到更廣泛的應用中，包括輔助巖性解釋、地震引擎和實時油井工程范疇。哈里伯頓的DS365.ai服務實現了快速的投資回報，大規模部署了70多個項目和60多個人工智能/機器學習模型。積極的財政成果包括一家國有石油公司預測的一次人工舉升故障，主動地為60口井節省了400萬美元的維修成本。在拉丁美洲，一家獨立的石油公司利用DS365.ai服務，運用一種機器學習地震轉換方法，減少了不確定性，從而將建模周期時間縮短了70%。

貝克休斯已使其JewelSuite 應用程序在微軟的Azure Marketplace平臺上運行，簡化了Azure云平臺上人工智能和機器學習應用程序的部署與管理。在線市場產品通過“免稅增值”模式提供對貝克休斯集成油田開發和油井施工應用程序的即時訪問，為更復雜的應用模塊提供分層服務計劃方案。Azure Marketplace 中的 JewelSuite作為客戶訂閱Azure服務的一部分，使用客戶自己的技術軟件基礎架構進行操作，將地下數據運用于JewelSuite應用程序中。這個訂閱模型使客戶能將軟件許可和支持成本降低高達30%。JewelSuite地下建模應用程序能夠快速創建精準的地質模型，隨時更新和修改新井信息，幫助實現最佳的油田開發和提高產量。殼牌是目前使用JewelSuite的30多家客戶公司其中之一。

斯倫貝謝正在與AVEVA（一家工業軟件領域的全球領導者）合作，在其DELFI™認知的勘探與開發環境中連接邊緣、人工智能和云數字系統，優化能源公司獲得、處理和應用現場數據的方式，提高井場作業效率，更好地管控設備運行，以及提高生產績效。通過這種合作，兩家公司的物聯網和云服務功能都交付給上游市場，包括AVEVA的Pi System數據管理平臺功能，以及斯倫貝謝的領域專業知識和分析功能，這些功能由Agora（一個領先的視頻、語音和實時交互式流媒體平臺）邊緣和DELFI環境下的物聯網解決方案提供。

斯倫貝謝數字與系統集成總裁Rajeev Sonthalia表示，“此次合作將我們的邊緣和云解決方案與AVEVA PI系統結合在一起，無縫地釋放了對數據的訪問，加速了洞察力和行動實施。通過與AVEVA在DELFI環境中整合我們的領域專業知識、安全邊緣技術和數字應用程序，我們將能幫助客戶提高效率，改變他們的生產運營”。

物聯網技術的快速發展

改善機器對機器的通信，從虛擬傳感器收集信息，獲得新的洞察，將使油田服務提供商能夠增加數據體量和種類，以推動決策過程，同時尋找提高運營效能的新方法。

威德福對其遠程操作、可視化、邊緣自動化以及與人工舉升作業相關的人工智能產品重新產生了興趣。這是因為測量壓力、溫度、振動和流量等額外傳感器或控制器的引入所引起的。然而，事實證明，預算的限制對完全整合這些新技術所需的大量資本投入帶來了挑戰。

雖然很大一部分采用人工舉升的油井已經擁有了傳感器和自動化設備，但其中的大部分都是在過時的技術基礎上建立的，這些技術只能用于在預設操作的設定值下執行基本的控制功能，這些設定值由井場的生產工程師通過SCADA軟件工具來設定。SCADA軟件通信的局限性意味著這些控制器通常是以過時的設定值在運行，經過優化在安全限值下運行，可應對儲層狀況的變化或其它物理特性的變化。

威德福正在將其ForeSite Edge智能設備運用于這些現有的裝置，最大限度地利用井場已有的數字設備，同時整合經過驗證的舉升優化和油井建模技術。無論是使用網站上已有的控制器來實施，還是作為獨立設備安裝來實施，該系統將現代的、經過驗證的控制模型、加上先進的人工智能功能，來提高油氣產量，降低作業成本。

國民油井Varco（NOV）正在解決在為加工技術引入數字產品時一個常見的問題，這就是整個設施中缺乏足夠的傳感器的問題。雖然先進的工藝流體的在線表征呈現出一個有價值的結果，但一個工藝系統中的許多儀器并未被充分用于工藝優化。

虛擬傳感器可以數字生成，用來測量物理傳感器無法使用或現有系統無法充分發揮其潛力的參數。例如，為了防止水合物積聚，用于出油管的單乙二醇積聚監測裝置能使石油公司降低系統堵塞以及與之相關的停工的風險。

國民油井Varco的MEG過程智能管理器可降低運營花銷，促進低人力作業。虛擬傳感器可預測取料機中關鍵離子的積累量和固體的沉淀量。模擬器與進料機上可用的二級傳感器數據相關聯，根據以離散間隔進行的實際流體測量結果進行校準。這樣就允許根據來自輔助傳感器的輸入數據，在流體樣本之間連續對模型進行更新。

在問題發生之前解決問題

通過數字化技術弄清楚作業中機械系統的運行狀態，可以減少甚至消除海上鉆井作業中計劃外的停工時間。貝克休斯正在努力整合海上鉆井作業人員、流程和技術，以找到一個可靠和確定性的基準，以最少的鉆機停工為作為首要目標。在現代深水鉆井項目中，由于計劃外的電力供給，數百萬美元的投入可能會遭遇損失。

貝克休斯的Sealytics（一種設計用于與第二代防噴器無縫匹配的控制系統）與海底鉆井控制系統集成于一體，能夠提供連接原始設備制造商規定的維護計劃、以及設備所有者執行所要求的保真度。其結果是一個可全面掌握系統的狀況，系統正在進行的操作，建立起一個護理、監管和控制的鏈條。

貝克休斯海上鉆井系統副總裁Chuck Chauviere說，“一旦你擁有了這方面的進展，你就可以開始應用簡單的東西，如周期計數。我們可以監測周期性事件，以及鉆井作業中周期事件發生的地點。然后，你可以開始將其與平均故障時間的工程學科相結合，開始改進設備的性能。在此之前，我們只是有了基于時間的處方”。

Sealytics提供了將運營結果中的維護要求整合到未來計劃內系統停機時間的可見性。這種數據驅動的知識能夠根據系統在現實世界條件下的使用方式，實現計劃內的事件維護，包括預防性任務。

邊緣設備連接到海底防噴器控制系統，可以訪問多個直接的傳感器，Sealytics還可以訪問一系列間接的傳感器，測量壓力、溫度和時間。基于這些數據，Sealytics算法能夠根據用戶輸入的數據對整個防噴器系統的物理狀態進行建模。

Chauviere說，“Sealytics使用這些數據表明，‘當你告訴系統做一件事時，就會發生另外一連串的事件’。正是這樣，我們才能利用我們的主題專家來理解系統正在創建的圖畫，一幅多彩的數據集畫卷。然后，可以將這些數據發送到陸上，放入一個更廣泛的數據湖中，這樣我們就可以獲得更豐富的數據體驗，然后對類似的設備群進行更廣泛的評估，這樣我們就可以開始開發一個更豐富的數據集。”