Цифровые двойники нефтегазового месторождения и актива: что они могут дать отрасли и что нужно, чтобы их создать

Эксперты «Цифры» рассказали, что такое цифровые двойники месторождения и актива, чем они отличаются от интегрированной модели, почему нефтегазовые компании заинтересованы в реализации этой технологии и что им сейчас мешает это сделать.

В 2021 году Accenture поместила цифровых двойников в топ-5 стратегических технологических трендов. Технологии, прародителями которой считаются симуляторы NASA со времен программы Apollo, сегодня прогнозируется небывалое развитие: 65% опрошенных Accenture руководителей ведущих мировых бизнесов ожидают значительного роста инвестиций в создание цифровых двойников в ближайшие два-три года. Уже в прошлом году 18% организаций заявили, что используют ЦД в своих процессах, еще 24% — тестируют технологию.

Впоследствии цифровые двойники оборудования, изделий и процессов могут соединяться вместе и формировать живые цифровые модели целых фабрик, цепочек поставок, портов и городов, открывая новые перспективы развития бизнеса и создавая так называемые зеркальные миры или метавселенные. Но разговор о метавселенных больше подходит для раскрученных технологических конференций. Наша же задача — решать более приземленные задачи промышленности, в частности, нефтегазовой. И здесь мы расскажем, о том, какие выгоды сулят цифровые двойники месторождения и актива для добычи нефти и газа, что мешает их реализовать сейчас и что нужно сделать, чтобы воплотить их в жизнь.

В самом общем виде цифровой двойник — это цифровая симуляция реального объекта, существующего и изменяющегося в реальном времени. Но тут не все так просто. Существует больше одного типа цифровых двойников. Даже если отстраниться от деления по горизонтам управления (какие-то создаются для отражения объекта в реальном времени, а какие-то — чтобы спрогнозировать его развитие с горизонтом лет в 70), ЦД различаются по покрытию: ЦД отдельного оборудования, целой буровой установки, конкретного процесса или всего месторождения.

Здесь мы будем говорить о ЦД месторождения и актива (это не одно и то же).

Цифровой двойник месторождения — это эволюция такого весьма известного понятия в среде нефтедобытчиков, как интегрированная модель. Интегрированная модель отражает движение флюидов (нефти, например) из пласта (через скважину, сеть сбора и объекты подготовки) в пункт сдачи либо, если компания полного цикла, на перерабатывающие заводы, где они превращаются в продукт: пластмассы, бензин, мазут, гудрон, керосин и т. д.

Достаточно часто цифрового двойника месторождения и интегрированную модель отождествляют, считая, что ЦД — это просто новое слово для старого понятия. «Однако есть принципиальное отличие — интегрированная модель не обновляется в реальном времени: у нее после построения есть этапы актуализации и адаптации, — объясняет директор по цифровой трансформации в нефтедобыче ГК «Цифра» Дмитрий Масленников. — То есть, после того, как модель построена, она не отражает изменения на объекте и в какой-то момент устаревает. На ее актуализацию требуется несколько месяцев и целый институт инженеров. Цифровой двойник же должен почти моментально отражать все, что происходит на месторождении, в идеале без участия человека: видеть, что появилась новая скважина, подтягивать данные о ней и связать ее со всей системой, и только в исключительных случаях звать инженера, когда выявляются нестыковки в данных. Например, новую скважину ввели, а суммарный дебит нефти снизился».

Цифровой двойник актива можно считать эволюцией двойника месторождения. Если в ЦД месторождения отражается система «пласт, скважина, сеть сбора», то в ЦД актива добавляется энергетика, кадровый состав и экономика. ЦД месторождения позволяет нам ответить на такие вопросы, как «Что будет с дебитом, если мы изменим какой-то технологический параметр?». ЦД актива перечень вопросов расширяет — можно узнать, например, что будет с выручкой, если мы уволим Ивана Ивановича. То есть, в первом случае мы оперируем технологическими показателями (дебит нефти, количество скважин, объем промывочного раствора), во втором — экономическими: денежные потоки, NPV (чистая приведенная стоимость), PI (индекс доходности) и так далее.

Во многих статьях о цифровых двойниках говорится, что они улучшают операционную эффективность, снижают затраты на поддержку, повышают безопасность, сокращают риски остановки производства и многое другое. Но здесь есть небольшая неточность. Дело в том, что сами цифровые двойники — это такие большие и сложные калькуляторы, их задача — посчитать, что будет, если изменить какой-то параметр. Для достижения вышеперечисленных эффектов нужно, чтобы они работали в связке с рядом прикладных интеллектуальных программных продуктов, для составления расписания, например. Собственно говоря, создание и внедрение таких продуктов и является следующим шагом развития ЦД.

Как это работает на примере составления расписания:

- Вы задаете системе задачу — составить производственное расписание так, чтобы получить максимальную прибыль за следующий месяц.

- Программа должна проанализировать все возможные варианты, что можно сделать на месторождении: сколько нужно пробурить скважин и сколько можно, в каком режиме их эксплуатировать, какие мероприятия провести, на каком горизонте, в какой зоне сделать промывку, где сделать гидравлический разрыв пласта и водоизоляционные работы.

- Далее просчитать их стоимость и окупаемость, спрогнозировать экономический эффект, в каком порядке они могут быть проведены и как друг на друга повлияют.

- Результатом должен стать конкретный план/расписание — кто, что и в каком порядке должен делать.

Цифровой двойник здесь выступает в качестве ответчика на вопросы «Что будет, если». А оптимизационные модели уже просчитывают на основе этих ответов, что надо сделать и в каком порядке, чтобы поставленной цели достичь, не нарушив при этом законы физики, технику безопасности, требования регуляторов и экологические нормы.

Без цифрового двойника, опираясь только на интегрированную модель, быстро построить такое расписание на точных и актуальных данных было бы невозможно. Добавим к этому то, что это расписание нужно еще после его составления оперативно подстраивать под текущие условия, потому что всегда что-то может пойти не так: бригада задержалась на два дня, погода плохая, нужной задвижки на складе не оказалось, курс доллара изменился, возникли сложности в цепочке поставок и так далее. Закон Мерфи никто не отменял. ЦД позволяет очень быстро просчитывать влияние этих изменений на всю добычу и корректировать план уже на основе новых вводных.

Понятно, что такой инструмент, который позволяет посмотреть, что будет, если ты пробуришь скважину на два месяца позже или что будет, если ты уволишь Ивана Ивановича, — очень востребован, особенно если он дальше научится подсказывать, что делать, чтобы достичь конкретных экономических целей. Однако такая концепция цифрового двойника месторождения и актива, пока только разрабатывается в России. Хотя, и в мире такие проекты только в стадии создания. Есть случаи, когда интегрированную модель просто называют цифровым двойником, но это мы уже обсудили выше.

В большинстве же своем нефте- и газодобытчики пока стоят на берегу. Причина в том, что когда была сделана первая попытка подойти к снаряду, быстро выяснилось, что для цифровых двойников нужны данные, причем достоверные и хорошо структурированные, увязанные между собой и непротиворечивые. Классический иллюстрационный пример: скважина №17С должна быть во всех системах скважиной именно с таким номером и литерой либо на кириллице, либо на латинице, а не в одном месте на кириллице, а в другом на латинице. В противном случае компьютер будет считать это как две разные скважины. А есть еще сложные примеры, где нужно отслеживать зависимость одних данных от других: если мы меняем диаметр штуцера, должен измениться дебит, и это должно быть отражено.

Если продолжать аллегорию с берегом, то сейчас на этом самом берегу предприятия заняты тем, что строят лодку — создают инфраструктуру для грамотной централизованной работы с промышленными данными. Два главных компонента этой инфраструктуры — сенсоры, датчики и прочие IoT-устройства для сбора данных и программные решения для подготовки и анализа огромных объемов собранной информации.

Очевидно, что для цифрового двойника месторождения и актива с последующим его использованием по сценарию, описанному в главе выше, необходимо объединять данные со всех источников, чтобы видеть всю картину производства целиком. То есть недостаточно просто извлекать информацию по отдельным производственным процессам и анализировать ее изолированно в рамках отдельных программных продуктов.

«Решить задачу изолированности данных призваны цифровые аналитические платформы. Они позволяют собирать данные с различных источников, структурировать их, строить объектные модели, выстраивать слои данных и, самое главное, обеспечивать их доступность для различных платформенных прикладных решений», — поясняет технический директор «Цифры» Юрий Крылов.

По мнению целого ряда авторитетных консалтинговых компаний, таких как Deloitte и Accenture, именно через платформы лежит путь промышленности в светлое цифровое будущее.

«Промышленные аналитические IoT-платформы сегодня предлагают как ведущие зарубежные вендоры, так и российские, включая «Цифру». Наша платформа ZIIoT уже внедрена и используется в целом ряде отраслей промышленности. В частности, цифровой двойник на ее основе реализован для «Объединенной двигателестроительной корпорации». Он позволяет моделировать испытания двигателей в виртуальной среде, а это значит, что реальных испытаний требуется намного меньше. А отдельная наша компания «Цифровая индустриальная платформа», организованная совместно с ПАО «Газпром нефть» разрабатывает платформу для нефтегазовой промышленности и нефтепереработки — ZIIoT Oil&Gas. Она изначально создается с учетом отраслевых особенностей и на ее основе возможна реализация как цифровых двойников, так и целого комплекса прикладных решений для управления производством в нефтегазовой отрасли», — рассказывает Юрий Крылов.

Однако внедрение платформы — это хоть и самый важный этап, но лишь полпути к двойникам месторождения и актива.

Цифровой двойник — это не то решение, которое можно взять из коробки или адаптировать из другой отрасли. ЦД специфичны для каждой индустрии и даже для каждого предприятия. То есть, цифровой двойник конкретного месторождения будет отличаться от цифрового двойника любого другого месторождения, даже если там применяется один и тот же способ добычи или оно расположено в соседнем регионе: есть различные виды скважин, разный дебит, качество нефти, разные характеристики пласта и так далее. Тиражировать технологию можно на весьма абстрактном уровне, отсюда дешевым решением цифрового двойника не назовешь. Однако, если судить по другим отраслям, где ЦД сложных объектов уже внедряются, экономические выгоды могут быть колоссальными и с лихвой окупить инвестиции. Иллюстрацией может служить известный кейс Unilever, которая в партнерстве с Microsoft разрабатывает серию двойников своих заводов: только пилотный двойник на заводе в Бразилии помог сэкономить миллионы долларов за счет сокращения энергопотребления и повышения производительности.

Всемирный экономический форум еще в 2016 году предсказывал экономический эффект от цифровизации в нефтегазе для самой отрасли и ее основных стейкхолдеров в 1,6 триллиона долларов к 2025 году, в том числе 750 млрд — за счет цифровых технологий для управления активами. Цифровые двойники месторождения и актива могут сыграть значительную роль для достижения таких показателей.