Search academic texts

Registration Number

0825U000878, PhD dissertation

Status

Доктор філософії, 151, Автоматизація та комп’ютерно-інтегровані технології

Date

14-04-2025

popup.evolution

o

Title

Smart models for drilling performance optimization based on parameterized case databases

Author

Liudmyla Poteriailo,

popup.head Sheketa Vasyl I.
popup.opponent Mykhaylo Aleksyeyev
popup.opponent Ihor V. Konovalenko
popup.review Mykhailo V. Shavranskij
popup.review Vitaliia Kropyvnytska

Description

Сучасні технології дозволяють вимірювати, збирати та зберігати все більші обсяги даних. Компанії виявляють, що складність та обсяг даних зробили завдання обробки великих даних як трудомістким, так і витратним. Проблема підвищення ефективності керування процесом буріння в аспекті інтерпретації даних з метою підтримки прийняття рішень на їх основі є актуальна для даної галузі і потребує побудови інтелектуальних моделей. Інтелектуальне управління бурінням передбачає обробку поточних значень режимних параметрів і властивостей ґрунту з отриманням значень оптимальних режимних параметрів і мінімальної собівартості буріння. В результаті проведеного дослідження удосконалено визначення багатофакторних взаємозалежності режимних параметрів, що використовуються при прийнятті рішень технологічного процесу буріння нафтових і газових свердловин; вперше: - запропоновано розширення прецедентного методу знаходження рішення засобами міркувань на основі моделей, що містить інформацію про залежності між предметними сутностями, процесами, явищами та підсилені змодельованими випадками; - розроблено модель, що враховує в явному вигляді параметри процесу буріння, що забезпечує визначення оптимального режиму; отримали подальший розвиток методи розв’язання багатокритеріальних і багатоцільових задач за рахунок використання методу аналізу співвідношень, який забезпечує визначення важливості цілей і підвищує ефективність прийняття рішень. Описана схема організації інформаційних потоків при проектуванні та впровадженні інтелектуальної системи прийняття рішень, де штучний інтелект розглянуто як засіб, що дозволяє уникнути відволікання на непотрібні дані, створення покращеної видимості процесу, а відповідно покращення безпеки та підвищення ефективності процесу прийняття рішень. Визначено можливість застосування методів машинного навчання до завдань аналізу даних, пов’язаних із процесом буріння. Запропоновано використання комбінованого підходу для адаптації даних використовуваних для прийняття рішень на основі знань. Виявлено, що критичним питанням в процесі навчання інтелектуальної системи, що імітує процес буріння є визначення закономірностей технологічного процесу, складність полягає в обмеженій кількості прецедентів, що пропонується системі з реально діючих нафтогазових об’єктів. Доведено можливість використання систем «Бурові тренажери» для забезпечення необхідного обсягу адекватних наближених до реальних даних про нештатні ситуації технологічного процесу буріння, що характеризується високим ризиком, для здійснення моделювання оптимізації характеристик буріння на основі баз параметризованих кейсів. Проаналізовано ефективність ідентифікації випадків через взаємозв’язок з першопричинами виникнення ускладнення процесу буріння. Доведено доцільність використання міркувань на основі прецедентів при побудові цифрового нафтового родовища і зв’язаних виробничих середовищ та виявлено вплив такого підходу на підвищення надійності активів та уникнення простоїв. Представлено архітектуру автоматизації технологічного процесу буріння з посиланням на піраміду комп’ютерно-інтегрованого виробництва. З метою пошуку та виявлення прецедентів в історичних даних при побудові інтелектуальних моделей використано методи класифікації, зокрема кластерний аналіз - процес сегментації вихідного набору даних на набори (кластери або групи) однорідних записів, які утворюють прецеденти. Для кластерного аналізу здійснено вибір метрики, за якою здійснено розрахунки відстаней між записами. Процес формалізації проблеми при моделюванні з використанням підходу, заснованого на міркуваннях по прецедентах в роботі досліджувався шляхом аналізу інформації щодо проблемних питань під час будівництва свердловин на родовищах трьох управлінь бурових робіт ПАТ "Укрнафта", для демонстрації роботи кейс-методу використано дані, отримані під час бурових робіт на свердловині №9 Микуличинська. В результаті комплексу дослідження теоретичного матеріалу, опрацювання промислових геологотехнічних даних зі свердловин, комп’ютерного дослідження представлені моделі засновані на принципах штучного інтелекту, що можуть бути використані для побудови адекватної системи, яка дозволяє прогнозувати та здійснювати підтримку прийняття рішень співробітникам служби оперативної інженерно-технічної підтримки технологічного процесу буріння. Визначено співвідношення значень відповідного набору технологічних показників і оптимальних значень основних режимних параметрів процесу буріння, що може бути використано інженерним персоналом на діючих нафтогазових підприємствах.

popup.nrat_date

2025-03-17