AI-løsningsvurdering for risici ved brøndnedlukning og omkostningsestimering

Projektomfang

I tæt samarbejde med brancheeksperter opdagede vi en mulighed og udarbejdede iterativt projektets tekniske mål. Det tekniske team designede og implementerede en AI/ML-drevet tilgang til at estimere risikofaktorer og omkostninger ved brøndnedlukning. Dette hjælper brøndoperatører med at planlægge budgetter og allokere ressourcer inden for brøndnedlukningsprocessen med større præcision.

Global strukturering, rensning og analyse af brønddata

Data er fundamentet for ethvert AI/ML-drevet projekt. Derfor arbejdede vores team som den første opgave på dataforbedring og -rensning for at sikre deres konsistens og nøjagtighed. Vi integrerede forskellige datakilder for at skabe et samlet datasæt til yderligere dybdegående analyse.

EDA og Feature Engineering

Udarbejdede en omfattende og detaljeret rapport om tilgængelige data, mulige indsigter i korrelation/kausalitet, datakvalitet og fordelinger inden for tilpropning og nedlukning af brønde. Ved at kombinere dyb domæneforståelse og et avanceret værktøjssæt til dataanalyse og feature engineering blev der skabt et fladt struktureret datasæt, der er egnet til videre AI/ML-arbejde.

Valg og træning af AI/ML-model

Designede og udviklede opsætning til iterative AI/ML- og feature engineering-eksperimenter. Traf en velovervejet beslutning om forbehandlingstrin, sæt af features og modeldesign.

Brøndstatusforudsigelser og datavisualisering

Den udviklede tilgang blev med succes anvendt til at estimere risikofaktorer og omkostninger ved tilpropning og nedlukning af oliebrønde. Den valgte tilgang gjorde det muligt for os at opnå både meget pålidelige resultater og en forklaring af dem, hvilket blev værdsat og modtaget positivt af domæneeksperterne.

Resultater og præstationer

Vores team gennemførte med succes PoC-fasen sammen med kunden. Det viste stærk forudsigelsesevne med konsistente resultater på tværs af forskellige brøndtyper i en specifik region. AI-løsningen til brøndnedlukning er allerede skalerbar, og dens API-baserede implementering understøtter effektiv integration i operationelle arbejdsgange.

AI PoC klar til lancering

Stemmer fra dem, der bygger sammen med os

Ved brug af 100.000 færdiggjorte P&A-brønde til at bygge og træne modellen og 50.000 færdiggjorte P&A-brønde til at forudsige og kontrollere modellens nøjagtighed. Jeg vil gerne takke teamet hos Crunch-IS for deres hårde arbejde i løbet af de seneste måneder.

DWA Consultants

Vurdering af AI-løsning til risici ved brøndnedlukning og omkostningsestimering [Olie & Gas]

Om kunden