Parler au sol

Le Contexte Commercial : Unifier le Sous-sol et la Surface

Les opérations de forage sont complexes et impliquent la géologie, la mécanique et la performance commerciale. La plupart des organisations améliorent ces domaines indépendamment (par exemple, OSDU pour le sous-sol, l'IoT des plateformes, les systèmes ERP modernes) mais manquent d'une plateforme de données unifiée pour l'analyse combinée, la sécurité et les métriques. Cela fait de l'analyse inter-domaines une série de projets personnalisés et uniques.

L'excellence opérationnelle exige désormais de corréler ces ensembles de données distincts ; savoir pourquoi les conditions du sous-sol ont causé une défaillance de l'équipement, pas seulement qu'elle a échoué. Historiquement, cela était difficile, nécessitant un codage et un temps considérables.

La plateforme Databricks Data Intelligence Platform et l'analyse en langage naturel changent cela en unifiant les données et en démocratisant l'accès à des informations complexes. Les utilisateurs peuvent désormais poser des questions simples, comme identifier que la formation Travis Peak cause 50 % des défaillances de pompe, abaissant ainsi la barrière à l'entrée. Cela transforme les données d'un enregistrement rétrospectif en un partenaire opérationnel en temps réel fournissant des pistes d'audit et des recommandations exploitables rapidement.

Alors que les marges se resserrent, la capacité en temps réel de corréler les conditions du sous-sol, la performance de l'équipement et les résultats opérationnels est essentielle. La réduction systématique du NPT, la récupération de la capacité de la flotte et l'évitement de millions de coûts font de l'analyse opportune un moteur clé de l'EBITDA, de l'efficacité du capital et de l'utilisation des actifs, transformant les données en un actif opérationnel pour des décisions plus intelligentes et plus rapides.

En termes simples, la compétence analytique est le profit.

Le Défi : Des Questions sans Réponse Coûtent des Millions

Chaque responsable des opérations de forage est confronté à la même frustration quotidienne : des informations critiques enfouies dans des systèmes cloisonnés, des défaillances d'équipement qui ne sont pas diagnostiquées pendant des jours, et des analyses de causes profondes qui prennent des semaines au lieu de minutes.

Le coût opérationnel est important :

Le résultat ? Les défaillances d'équipement et les défis liés à la formation entraînent des temps d'arrêt imprévus, coûtant aux opérateurs de forage des millions en NPT chaque année. Ce chiffre ne tient même pas compte des dépenses supplémentaires engagées en raison de la production différée, des coûts de réparation et des perturbations de la chaîne d'approvisionnement.

La Solution : Analyse Conversationnelle sur des Données Unifiées

Les responsables des opérations posent des questions à l'Agent de Recherche Databricks Genie et obtiennent une analyse en plusieurs étapes reliant les données de capteurs IoT, les logs de puits OSDU et les systèmes ERP.

L'Agent de Recherche étend les capacités de Genie pour vous aider à découvrir des informations plus approfondies et à répondre à des questions commerciales complexes en utilisant un raisonnement en plusieurs étapes et des tests d'hypothèses.

Ce que Genie offre

Introduction à l'Intelligence Opérationnelle Basée sur l'IA pour les Opérations de Forage

Construite sur la Databricks Data Intelligence Platform, cette solution transforme les données opérationnelles brutes provenant de plusieurs sources en informations exploitables grâce à des conversations en langage naturel. La solution rassemble les logs de puits OSDU, les flux IoT des plateformes et les enregistrements de maintenance/financiers ERP dans un lac de données unique et gouverné, afin que chaque équipe, du forage au sous-sol en passant par la finance, travaille à partir de la même source de vérité.

Le Scénario de Démonstration : Une Journée dans la Vie d'un Responsable des Opérations Augmenté par l'IA

Un responsable des opérations de forage chez DeepCore Energy commence sa journée en ouvrant Databricks et en posant une question simple à l'Agent de Recherche Genie. Contrairement aux tableaux de bord traditionnels qui ne montrent que des vues préconfigurées, Genie crée un plan de recherche, exécute plusieurs requêtes SQL sur le lac de données unifié et fournit une image opérationnelle complète.

Aperçu des Résultats

• Visibilité du NPT au niveau de la flotte sur 118 puits et plusieurs formations via une seule requête en langage naturel.
• Analyse rapide des causes profondes corrélant les défaillances de pompe avec les formations et les densités de boue, économisant des semaines de travail manuel.
• Un plan d'action quantifié récupérant 64 à 91 jours de capacité de flotte et évitant 1,6 à 2,7 millions de dollars de coûts grâce à une maintenance tenant compte des formations.

Question 1 : « Quel est notre NPT moyen actuel et pourquoi ? »

Ce que Genie fait en coulisses :

Genie n'exécute pas une seule requête. Au lieu de cela, il génère des hypothèses, effectue plusieurs analyses (voir Fig. 1 dans la barre latérale droite) et synthétise les résultats :

• Performance de la flotte sur les 118 puits actifs
• Répartition du NPT par comté (Loving, Midland, Ector, Ward, Reeves)
• Évaluation par formation (Bone Spring, Spraberry, Delaware, Wolfcamp, Avalon)
• Catégorisation des causes profondes : équipement, géologie, procédure

C'est là que l'architecture devient vraiment transformatrice. Les questions du responsable des opérations ne renvoient pas de simples résultats de requête, elles déclenchent une analyse complète en plusieurs étapes qui corrèle les données sur l'ensemble de la plateforme unifiée.

La Réponse :

La flotte texane de 118 puits de DeepCore Energy fonctionne avec une performance de base stable (6,88 % de NPT moyen). La performance est remarquablement uniforme, le NPT par comté varie de 6,33 % à 7,21 %, soit moins d'un point de pourcentage de variation.

La répartition des causes profondes du NPT révèle que les problèmes d'équipement, en particulier ceux liés aux pompes à boue, sont la principale contrainte de l'efficacité de la flotte, représentant près de la moitié (47,52 %) de toutes les minutes de NPT.

Question 2 : « Pourquoi mes pompes à boue tombent-elles si souvent en panne ? »

Traditionnellement, les ingénieurs de fiabilité et les équipes du sous-sol effectuaient des analyses séparées, puis essayaient de réconcilier manuellement les résultats. Avec toutes les données unifiées sur Databricks et exposées via Genie, le système corrèle les modes de défaillance, le MTBF, l'exposition aux formations, les propriétés de la boue et l'historique de maintenance dans une seule analyse multi-étapes.

Ce que Genie analyse :

• Distributions des modes de défaillance par unité de pompe et type de composant
• Tendances du temps moyen entre pannes (MTBF)
• Corrélation avec les paramètres opérationnels (profondeur, densité de boue, débit)
• Alarmes d'équipement et leur relation avec les formations géologiques
• Tendances des ordres de travail et durabilité de la maintenance

La Réponse :

L'analyse révèle une crise de fiabilité systémique : les pompes à boue tombent en panne à raison de 8,5 ordres de travail par jour (765 au total en 90 jours), affectant les 118 puits. Genie liste trois principaux modes de défaillance : Usure de la chemise, Fuites de joints et Défaillances de roulements, indiquant une dégradation simultanée de plusieurs composants, et non des défaillances de pièces isolées.

Une analyse corrélant les défaillances de pompe avec les données géologiques OSDU a révélé que la formation Travis Peak, qui nécessite une boue 6 % plus lourde, représente 50 % des événements d'alarme de pompe en raison de l'augmentation de la pression hydraulique et des forces abrasives qui accélèrent l'usure mécanique.

Question 3: "Parlez-moi de la formation à l'origine de ces problèmes"

La Réponse :

Travis Peak est un réservoir carbonaté fracturé et vuggy s'étendant sur 9 600 à 10 049 pieds TVD, avec des caractéristiques géologiques qui créent les conditions propices aux défaillances des pompes de boue. Il présente des défis de forage importants en raison de pressions de pore moyennes très élevées (jusqu'à 10,62 PPG) et d'un risque élevé de perte de fluide, indiqué par un indice de risque de perte de 0,70 et affectant 84 % des puits.

Question 4 : "Que puis-je faire pour réduire le NPT ?"

La Réponse :

L'agent de recherche Genie propose une double approche pour l'optimisation des puits. Des actions immédiates (1-2 semaines), telles que la maintenance spécifique des pompes de boue comme les intervalles de remplacement des chemises, sont fournies aux côtés d'un ensemble de stratégies à long terme (horizon de 6 mois). Ces initiatives à long terme comprennent la limitation automatisée du couple, l'optimisation du poids de la boue et d'autres actions connexes.

Étant donné que le plan d'action est piloté par le même ensemble de données et la même modélisation unifiés, les responsables des opérations peuvent voir non seulement quoi faire, mais aussi combien de NPT et de coûts chaque intervention est susceptible de récupérer, ce qui permet de prioriser le travail sur les appareils de forage et les partenaires.

Architecture de référence de la trajectoire de puits sur Databricks

Architecture : Comment ça marche

Le Lakehouse Databricks, structuré selon une architecture Medallion, est idéal pour l'analyse, organisant les données sur trois couches. La couche Bronze contient les données brutes telles que les logs de puits OSDU, les flux IoT et les enregistrements ERP. Ces données sont nettoyées et enrichies dans la couche Silver avec la standardisation, les métadonnées de formation et le mappage des identifiants d'équipement. L'architecture Medallion remplace les intégrations dispersées par une base unifiée. Au lieu que chaque équipe crée sa propre logique NPT ou MTBF, la couche Gold standardise ces métriques et les rend accessibles à Genie, aux outils de BI et aux modèles prédictifs.

Sources de données et intégration

La nouvelle solution peut considérablement augmenter la valeur commerciale en fournissant des informations plus rapides en quelques minutes au lieu de semaines d'analyse manuelle, en corrélant les causes profondes à travers des données auparavant isolées (opérations, équipement et géologie), en permettant des actions proactives et prédictives, et en démocratisant l'accès aux données pour toutes les parties prenantes grâce à des requêtes simples, éliminant ainsi le besoin de SQL spécialisé.

Résultats commerciaux quantifiables

Les plateformes de données unifiées avec des analyses alimentées par l'IA apportent des améliorations significatives aux organisations, notamment :

• Réduction du NPT : En abordant de manière proactive les obstacles spécifiques à la formation, les organisations minimisent le NPT avant que les problèmes ne s'aggravent.
• Minimisation des temps d'arrêt des équipements : La maintenance prédictive, qui corrèle les défaillances potentielles aux conditions géologiques, entraîne une réduction des temps d'arrêt des équipements.
• Accélération de la prise de décision : Les informations critiques sont fournies en quelques minutes au lieu de semaines, permettant des décisions plus rapides.
• Optimisation de l'allocation du capital : La priorisation basée sur les données, basée sur un retour sur investissement (ROI) quantifié, garantit une allocation plus efficace du capital.

Pour une démo personnalisée et une discussion sur la transformation de vos opérations de forage avec des analyses en langage naturel alimentées par l'IA, contactez votre représentant Databricks.

(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original