Применение ИИ в обеспечении безопасности объектов нефтегазовой отрасли

ООО "Газпромнефть-Хантос" активно внедряет инновационные технологии, включая искусственный интеллект, для повышения уровня промышленной безопасности. ИИ становится не просто инструментом для оптимизации производственных процессов, но и средством защиты жизни и здоровья сотрудников, а также окружающей среды. 

За последние несколько лет мы базово оцифровали все свои основные процессы, от поиска запасов нефти и газа до эксплуатации месторождений. Цифровые двойники уже доказали значимость в производственном процессе, и на сегодняшний день искусственный интеллект развивается быстрыми темпами, предоставляя всё бо’льшие возможности для совершенствования и развития производств и промышленной безопасности.

Показатели по отрасли в мире (рис. 1) указывают, что новейшие технологии уже принесли результаты, выраженные в снижении аварийности, числа происшествий, экологических инцидентов, сокращениях затрат. Это не просто цифры. Это жизнь людей, сохраненная природа, экономия бюджета и повышение надежности всей системы.

Рис. 1. Роль ИИ в цифровой трансформации нефтегазовой отрасли

Рассмотрим подробнее внедрение искусственного интеллекта в области промышленной безопасности, где уже доказан его уровень эффективности.

Видеоаналитика, или Цифровое зрение

Прежде чем приступить к разработке данной системы, нами был сформирован ряд задач, определены функции, которые она должна выполнять: 

• обнаружение событий, потенциально ведущих к развитию аварийных ситуаций, на ранней стадии, в момент их появления;
• централизованный онлайн-мониторинг, фиксация отклонений от штатного режима эксплуатации;
• представление информации об оперативной обстановке в области промышленной безопасности, о результатах аналитической обработки, оценка рисков возникновения аварий и инцидентов;
• автоматизированное формирование отчетов по уровню безопасности.

Стратегическая цель, как всегда, – ноль (отсутствие вреда людям, окружающей среде, имуществу при выполнении работ).

Охват деятельности

Были выбраны следующие направления применения видеоаналитики:

1. Спецтехника (более 2,5 тыс. автомобилей) оборудована внутрикабинными камерами, которые реагируют на засыпание водителя за рулем, непристегнутый ремень безопасности, разговор по телефону, отвлечение внимание и прочие потенциально опасные моменты.
2. Текущий и капитальный ремонт – установлены видеокамеры, реагирующие на 17 детекций: признаки газонефтеводопроявления (непредвиденный выброс смеси газа, нефти и воды на поверхность, внутрь скважины или в заколонное пространство в результате бурения или эксплуатации скважины), контроль работ на высоте, наличие средств индивидуальной защиты (СИЗ) и пр.
3. Эксплуатационное бурение – видеокамеры, реагирующие на 17 детекций на кустовых площадках и опорных базах, объектах подготовки: наличие СИЗ (каска, перчатки, очки респиратор), превышение максимальных скоростей спуска и подъема компоновки низа бурильной колонны и т.д.
4. Объекты подготовки нефти. Детектируются нахождение в опасной зоне, горизонтальное положение, использование мобильного телефона, огонь или задымление, отсутствие СИЗ.
   
5. Кустовые площадки и опорные базы. Здесь фиксируется появление людей, наличие и цвет СИЗ, определяется зона проведения работ, ведется контроль порывов и возгораний.

Функционал системы

Система видеоаналитики обладает следующим функционалом:

• выявление нарушений – мониторинг и верификация детекций и сигналов от системы;
• реагирование на события – оперативное оповещение подразделений согласно разработанной схеме;
• аналитика – анализ нарушений и происшествий, определение причин и предпосылок к ним;
• подготовка и контроль проведения корректирующих мероприятий;
• усовершенствование системы – повышение качества ее работы, снижение числа ложных сигналов.

Результаты внедрения видеоаналитики на объекте подготовки

Расскажем подробнее о результатах внедрения системы видеоаналитики на объекте подготовки – это сооружение, которое обеспечивает подготовку продукции скважин (нефти, попутного нефтяного газа, пластовой воды) к дальнейшему транспортированию внешним потребителям.

На рис. 2 изображена типовая схема расстановки видеокамер на объекте в местах, где расположено оборудование, и внутри блочных помещений, набор потенциальных рисков, которые были выявлены в процессе анализа, а также внедренные маркеры. Представленная на рисунке диаграмма показывает, что после внедрения систем видеоаналитики в течение полугода риски были сведены к минимуму.

Рис. 2. Результат внедрения системы видеоаналитики на объекте подготовки

ИИ-анализ видеоматериалов работ повышенной опасности

Предпосылками данного направления работы стали следующие моменты:

1. Ограниченная оперативность и точность анализа при ручной обработке видеозаписей.
2. Рост объемов видеопотока.
3. Необходимость стандартизации и формализации процесса анализа.
4. Сложность анализа сложных и повторяющихся паттернов.
5. Потребность в интеграции с другими системами управления.
6. Усиление требований к документальной базе и аудиту.

На сегодняшний день все работы повышенной опасности, которые выполняются на месторождении, записываются на видео, чтобы осуществлять видеоконтроль и совершенствовать промышленную безопасность (ПБ). Ранее сотрудники осуществляли контроль ПБ вручную, не хватало инструмента для автоматического анализа, точность анализа при ручной обработке данных была не самой высокой. Поэтому мы приняли решение о разработке инструмента на базе ИИ-модели, позволяющего проводить анализ и предоставлять отчет о нарушениях, – см. рис. 3.

Рис. 3. Инструмент на базе ИИ-модели для проведения анализа и формирования отчетов о нарушениях

Описание решения

1. Получение видеофайлов. Сотрудники службы видеоаналитики загружают записи с производственных объектов (например, с камер наблюдения или носимых видеорегистраторов).

2. Анализ видео:

2.1. Распознавание объектов и действий (обнаруживает людей, оборудование, защитные средства и их использование).

2.2. Оценка соответствия нормам. Сравнивает действия и состояние объектов с установленными стандартами безопасности:

• ношение касок, жилетов и защитной экипировки;
• правильное использование оборудования;
• отсутствие посторонних лиц в опасных зонах.

2.3. Выявление потенциальных угроз. Определяет опасные ситуации, такие как работа без страховки на высоте или нахождение вблизи движущихся механизмов.

3. Формирование отчета. После анализа модель формирует:

• список выявленных нарушений с временными метками;
• рекомендации по устранению нарушений.

Предиктивная аналитика состояния трубопроводов

Один из самых амбициозных проектов нашей компании – это переход от планово-предупредительного обслуживания к предиктивному.

На сегодняшний день все нефтегазовые компании, которые эксплуатируют трубопроводы, сталкиваются с рисками возникновения коррозий и дефектов, при этом текущие методы диагностики охватывают не всю сеть трубопроводов ввиду значительных финансовых затрат, а существующие методы прогнозирования состояния трубопроводов ограничены из-за учета малого количества факторов риска.

По этим причинам перед нами была поставлена задача разработать инструмент мониторинга и прогнозирования состояния трубопроводов на основе машинного обучения и анализа ретроспективных данных, который позволит:

• своевременно выявлять потенциальные риски и прогнозировать остаточный ресурс трубопроводов;
• снизить аварийность и повысить надежность оборудования;
• оптимизировать процесс диагностирования, минимизируя затраты на инструментальные обследования;
• планировать программу надежности трубопроводов в краткосрочном и долгосрочном горизонтах.

Преимуществом такого подхода является использование большого количества факторов, которые не учитываются традиционными математическими методами расчетов.

Наши специалисты разработали инструмент, позволяющий осуществить переход от планово-предупредительного к предиктивному обслуживанию, дающий возможность снизить риск отказов, потерь как временных, так и денежных.

Было изучено более 20 моделей машинного обучения, проведено 32 эксперимента, выбрано 8 оптимальных моделей.

Это импортонезависимое решение, не имеющее аналогов в мире, с высокой степенью коммерциализации. Уже сейчас мы можем прогнозировать, когда и где возникнет очаг коррозии, способный привести к утечке, оперативно отреагировать и, таким образом, купировать риск возникновения инцидента. Потенциал перехода на предиктивное обслуживание показан на рис. 4.

Рис. 4. Потенциал перехода на предиктивное обслуживание

В планах – репликация данного функционала на водоводы и газопроводы, разработка модуля эффективности применения химических реагентов и модуля расчета экономики эксплуатации и ремонтов трубопроводов.

ИИ-анализ снимков, полученных с использованием БПЛА

Беспилотные летательные аппараты (БПЛА) применяются в нашей компании для аэрофотосъемки – мониторинга удаленных, труднодоступных, заболоченных участков, минимизации простоев и предотвращения крупных аварий.

Цели мониторинга с помощью БПЛА:

1. Обеспечение безопасности – исключение рисков инцидентов и других чрезвычайных ситуаций, снижение потенциальных рисков для персонала и населения.
2. Экологическая защита – предотвращение загрязнения почвы, воды и атмосферы нефтепродуктами; соблюдение соответствия экологическим нормам и стандартам.
3. Снижение потерь – минимизация потерь нефти из-за потенциальных утечек, оптимизация затрат на ремонт и обслуживание за счет раннего выявления проблем.

Применяемые технологии:

1. Системы обнаружения утечек:

• массо- и объемный баланс;
• анализ давления и расхода;
• распределенные датчики температуры и давления.

2. Внутритрубная диагностика:

• магнитный контроль (MFL), ультразвук, визуальный осмотр;
• обнаружение коррозии, трещин, износа стенок трубы.

3. Акустическая эмиссия:

• датчики фиксируют звуковые сигналы при образовании утечки;
• раннее обнаружение микропротечек.

Заключение

Применение искусственного интеллекта в промышленной безопасности – это не будущее. Это настоящее. Это технологии, которые не только делают производство эффективнее, но и спасают жизни, защищают природу, экономят миллионы рублей и повышают надежность всей системы.

Впереди нас ждут новые вызовы: масштабирование решений, интеграция ИИ с IoT, развитие платформенной архитектуры, автоматизация еще большего числа процессов. Но сегодня мы можем сказать одно: технологии уже здесь и они работают на благо человека и природы.

Иллюстрации предоставлены автором.