Об авторах about authors:

А.Д. Черников, к.т.н., О.К. Чащина-Семенова, к.т.н. /Институт проблем нефти и газа РАН, г. Москва/ А.А. Черникова, /Инновационный технологический центр МГТУ им. Н.Э. Баумана, г. Москва/

A.D. Chernikov, PhD, O.K. Chashchina-Semenova, PhD /Institute of Oil and Gas Problems of the Russian Academy of Sciences, Moscow/ A.A. Chernikova /Innovation Technology Center MSTU N.E. Bauman, Moscow/

Аннотация:

В условиях санкционной войны, развернутой ведущими западными государствами против нефтегазового сектора экономики РФ, разработка и внедрение современных технологий искусственного интеллекта (ИИ) является одним из наиболее перспективных направлений повышения эффективности и безопасности производственных процессов при разработке нефтегазовых месторождений. Сегодня технологии генеративного искусственного интеллекта (GenAI) изменили технологический ландшафт автоматизации производства, включая нефтегазовую инженерию и другие промышленные области. В то же время в нефтегазовой отрасли, как и в других отраслях с опасными условиями труда, применение генеративных моделей сдерживается в связи с высокими требованиями к надежности систем. Цена ошибки высока, сбой может повлечь за собой значительный экономический ущерб и угрозу для безопасности персонала. Однако бурное развитие и совершенствование современных технологий искусственного интеллекта не оставляют сомнений в том, что данные проблемы будут преодолены и в ближайшее время мы увидим практические примеры использования интегрированных интеллектуальных систем с GenAI для решения сложных производственных задач.

Ключевые слова:

интеллектуальное месторождение, генеративный искусственный интеллект, большие языковые модели, машинное обучение, нейронные сети, универсальные интеллектуальные модули и комплексы, интегрированные интеллектуальные системы автоматизации разработки и эксплуатации месторождений

Abstract:

In the context of sanctions pressure from leading Western countries on the Russian oil and gas sector, the development and implementation of modern artificial intelligence (AI) technologies represents one of the most promising directions for improving the efficiency and safety of production processes in oil and gas field development. Today, generative artificial intelligence (GenAI) technologies are reshaping the technological landscape of industrial automation, including oil and gas engineering and other industrial domains. However, in the oil and gas industry, as in other sectors with hazardous operating conditions, the adoption of generative models is constrained by stringent reliability requirements. The potential cost of a failure is high, as it could lead to significant economic damage and pose a threat to personnel safety. Nevertheless, the rapid development and continuous improvement of modern artificial intelligence technologies leave no doubt that these challenges will be overcome. In the near future, we can expect to see practical examples of integrated intelligent systems utilizing GenAI to solve complex production tasks

Key words:

complications and emergency situations during well construction, drill string sticking, geological and technological measurement data, automated processing of field information, machine learning, neural network models, universal intelligent modules and complexes.

Об авторах about authors:

М.А. Мельников, В.А. Гиевский, С.В. Лобанов /ООО «БурСервис», г. Москва/ Т.М. Бондаренко, доцент,  /ФГБОУ ВО «Российский государственный университет нефти и газа (НИУ) им. И.М. Губкина», г. Москва/

M.A. Melnikov, V.A. Gievskiy, S.V. Lobanov /BurService LLC, Moscow/ T.M. Bondarenko, Associate Prof. /I.M. Gubkin Russian State Oil and Gas University (NRU), Moscow/

Аннотация:

В статье рассматриваются возможные сценарии применения интеллектуальных ИИ-ассистентов на базе больших языковых моделей (LLM) для решения ключевых проблем нефтесервисной отрасли: высокой цены ошибок, операционных простоев и зависимости от опыта персонала (на примере компании «БурСервис»). Описывается архитектура таких систем, отмечается их отличие от традиционной RPA, использование технологии RAG для работы с внутренними базами знаний и гибридные подходы для обеспечения информационной безопасности. На примерах показано, как ИИ-агенты могут выступать в роли «цифрового напарника» для полевого инженера, предоставляя мгновенный доступ к регламентам, помогая в диагностике, принятии решений и обучении. Представлен расширенный функционал агентов, включая прогнозное техническое обслуживание, оптимизацию МТО и автоматизацию отчетности. Показано, что ИИ-агенты способны трансформировать операционную среду, превращая накопленные экспертные данные в доступный цифровой актив и повышая эффективность работы персонала всех уровней.

Ключевые слова:

интеллектуальные ассистенты, генеративный искусственный интеллект (ИИ), гиперреалистичный виртуальный ассистент, внедрение ИИ-ассистентов в нефтесервисных компаниях, эволюция ИИ, машинное обучение, искусственный интеллект в нефтесервисе, большие языковые модели (LLM), «опенсорсные» модели, архитектура ИИ-агента, программные роботы RPA (Robotic Process Automation), функционал ИИ-агента для полевого инженера

Abstract:

The authors of the paper discuss possible scenarios in using the intelligent AI assistants based on large language models (LLM) to resolve the key problems in oilfield services industry, i.e. high cost of errors, operational downtime and dependence on personnel experience (as based on BurService Co. operation). They describe the architecture of such systems, their difference from traditional RPA, the use of RAG technology for operate the knowledge internal bases and hybrid approaches to ensure information security. Basing upon the history cases the authors illustrate how AI agents may act as "digital partner" for field engineer, providing instant access to regulations, thus assisting with diagnosis, decision-making and training. They also present the expanded functionality of agents, including the predictive maintenance, logistics and material provision optimization and automation of reporting. The authors illustrate that AI agents are able to transform the operational environment, turning accumulated expert data into an accessible digital asset and increasing the efficiency of personnel at all levels.

Key words:

intelligent assistants, generative artificial intelligence (AI), hyper-realistic virtual assistant, implementation of AI assistants in oilfield service companies, AI evolution, machine learning, artificial intelligence in oilfield services, large language models (LLM), "open-source" models, AI agent architecture, RPA (Robotic Process Automation) software robots, AI agent functionality for field engineer

Об авторах about authors:

Л.И. Тихомиров, к.т.н. А.С. Овчинников,  К.С. Ромохов, /Группа компаний ITPS, г. Москва/

L.I. Tikhomirov, PhD, A.S. Ovchinnikov, K.S. Romokhov /ITPS Group of Companies, Moscow/

Аннотация:

Рассматриваются вопросы, связанные с эффективным управлением разработкой газоконденсатных месторождений на основе применения данных в режиме реального времени, цифровых моделей и искусственного интеллекта. Предложено решение, сформированное на базе ПО ГК ITPS – AVIST Oil&Gas, которое представляет собой единую информационную среду, связывающую существующие информационные системы как источники информации и цифровые модели как инструменты моделирования сложных систем. Описаны механизм действия системы, взаимодействие компонентов, задачи, решаемые с помощью единой системы, и инструменты для их решения. Задача оптимизации добычи также выполняется внутри единой системы с целью извлечения определенного количества углеводородов при рациональном использовании пластовой энергии с учетом технологических и геологических ограничений, а также планов мероприятий на фонде. Обозначены эффекты, достигнутые благодаря выстраиванию бизнес-процессов в цепочку принятия производственных решений с использованием AVIST Oil&Gas.*

Ключевые слова:

управление разработкой газоконденсатного месторождения, цифровые двойники на базе решения ITPS – AVIST Oil&Gas, цифровые модели, искусственный интеллект, расчет прогнозируемых показателей добычи, геолого-гидродинамическая модель, упрощение расчетной модели при сохранении точности прогнозирования объемов добычи, ПО ГК ITPS – AVIST Oil&Gas, оптимизация сценария добычи углеводородов, рациональное использование пластовой энергии с учетом технологических и геологических ограничений, мониторинг работы скважин, функциональный модуль «Мониторинг», оценка прогнозных профи лей добычи, оценка риска осложнений

Abstract:

The authors of the paper discuss the issues related to the effective management over the process of gas condensate field development based on the use of real-time data, digital models and artificial intelligence and propose the solution based on "AVIST Oil & Gas" software of "ITPS" Group of Companies, which represents a single information environment media that unites the existing information systems and digital models as simulation tools for complex systems. The authors also describe the mechanism of the system operation, the interaction of its components, the targets resolved using a single system, and the tools for their solution. The task to optimize the production is also performed within a single system in order to produce the certain volume of hydrocarbons with the rational use of formation energy, taking into account process and geological constraints, as well as action plans for the well stock. The authors of the paper outline the effects achieved by arranging business processes into a production decision-making chain using "AVIST Oil & Gas".

Key words:

gas condensate field management over the development, digital twins based on the "AVIST Oil & Gas" solution of "ITPS", digital models, artificial intelligence, calculation of projected production indices, geological and hydro-dynamic model, simplification of calculation model while maintaining the accuracy of production volume forecast according, "AVIST Oil & Gas" software of "ITPS" Group of Companies, optimization of hydro carbon production scenario, rational use of formation energy in view of process and geological constraints, monitoring over well operation, "Monitoring" functional module, evaluation of predicted production profiles, evaluation of complication risks

Об авторе about author:

К.Д. Чекан, /ООО «Техноинфо», г. Москва/

K.D. Chekan /Technoinfo LLC, Moscow/

Аннотация:

В статье рассматриваются современные подходы к цифровому анализу геологических образцов, основанные на использовании передовых аппаратных комплексов. Особое внимание уделяется комплексному подходу при выборе оборудования, который позволяет получать детальную и достоверную информацию о поверхностных и внутренних особенностях образцов, а также оценивать физико-химические свойства горных пород. В статье описываются различные системы анализа горных пород с акцентом на неразрушающих методах и их реализация в отечественных измерительных комплексах.

Ключевые слова:

геологоразведка, цифровой анализ горных пород, сканирование керна, сканер керна UniCore, минералогический анализ, метод рентгеновской дифракции, рентгеновская компьютерная томография геологических образцов, томограф для изучения неконсолидированных полноразмерных кернов Cylindscan-2000, промышленный микротомограф Nanovoxel-4000, методы геологического анализа, цифровые методы исследования геологических образцов, определение химического состава геологических образцов, портативный рентгенофлуоресцентный анализатор «МетЭксперт», лазерный анализатор элементного состава LEA-S500, дифрактометр Powdix, неразрушающие цифровые методы исследования геологических образцов

Abstract:

The article discusses modern approaches to digital analysis of geological samples based on the use of advanced hardware complexes. Particular attention is paid to a comprehensive approach to equipment selection, which allows obtaining detailed and reliable information about the sur face and internal features of samples, as well as assessing the physical and chemical properties of rocks. This article describes various rock analysis systems with an emphasis on non-destructive methods and their implementation in domestic measuring complexes.

Key words:

geo-exploration, digital formation rock analysis, core scanning, "UniCore" core scanner, mineralogical analysis, X-ray diffraction method, X-ray computed tomography of geological samples, "Cylindscan-2000" tomograph to study unconsolidated full-size cores, “Nanovoxel-4000” industrial micro-tomograph, methods of geological analysis, digital methods to study geological samples, determination of chemical composition in geological samples, "MetExpert" portable X-ray fluorescence analyzer, LEA-S500 laser elemental composition analyzer, "Powdix" diffractometer, non-destructive digital methods to study geologi cal samples

Об авторах about authors:

В.В. Кульчицкий, д.т.н., проф., А.В. Щебетов, к.т.н., В.И. Рагзин /Научно-техническое общество нефтяников и газовиков имени академика И.М. Губкина/

V.V. Kulchitskiy, DSc, Prof., A.V. Schebetov, PhD, V.I. Ragzin /I.M. Gubkin Scientific and Technical Community of Employers in Oil and Gas Industry/

Аннотация:

Рассмотрена проблема разобщенности различных буровых сервисов на буровом объекте при строительстве скважин в условиях раздельного сервиса и перегруженности бурового супервайзера полномочиями и обязанностями. На основе опыта повышения эффективности управляющего супервайзинга и сокращения затрат на строительство скважин в Западной Сибири представлена инновационная форма управляющего супервайзинга в сфере инжиниринга бурения – буровой экипаж, состоящий из подрядчиков по бурению, буровым растворам, геонавигации, долотному сервису, координируемый буровым геосупервайзером и управляемый буровым супервайзером.

Ключевые слова:

буровой супервайзинг, раздельный сервис при строительстве скважин, буровой экипаж, штаб-вагон бурового экипажа, геонавигатор, инженер долотного сервиса, буровой мастер, геосупервайзер, инженер по буровым растворам, инженер-геолог, инженер-супервайзер по промышленной безопасности и охране труда, оператор цифрового видеомониторинга, оптимизация управления строительством скважин, цифровая трансформация процесса строительства скважин, интеллектуализация скважин

Abstract:

The paper considers the problem of the disunity of drilling engineering of well construction with separate service and the overload of the drilling supervisor with powers and duties. Based on the experience of increasing the efficiency of management supervision and reducing the costs of well construction in Western Siberia, an innovative form of management supervision of drilling engineering is presented, which solves these problems by the drilling crew of service contractors for drilling, drilling mud, geosteering, and bit service coordinated by the geosupervisor and managed by the drilling supervisor.

Key words:

drilling supervision, separate service during well construction process, drilling crew, drilling crew caravan, geo-navigator, engineer in drill bit service, drilling foreman (geo- supervisor), engineer in drilling fluids, engineer – geologist, engineer – supervisor in industrial safety and labor protection aspects, digital video monitoring operator, well construction management optimization, digital transformation of well construction process, well intellectualization

Об авторах about authors:

С.Г. Мухаметдинова1,  А.И. Коршунов2, д.т.н., проф.,  Н.О. Вахрушева1, к.т.н., Д.В. Кузнецов1

1. ЗАО «Ижевский нефтяной научный центр» (ИННЦ)), г. Ижевск,  2. Институт механики, ФГБУН «Удмуртский федеральный исследовательский центр Уральского отделения Российской академии наук», г. Ижевск

S.G. Mukhametdinova1, A.I. Korshunov2, DSc, Prof., N.O. Vakhrusheva1, PhD, D.V. Kuznetsov1

1. INNTs JSС, Izhevsk,  2. Institute of Meсhaniсs, Udmurt federal researсh сenter of the Ural branсh of the Russian Aсademy of Sсienсes, Izhevsk/

Аннотация:

Предложен модуль предиктивной аналитики на основе анализа параметров систем телемеханики нефтедобывающих скважин. Модуль предиктивной аналитики обеспечивает предсказание внеплановых остановок скважин, в том числе аварий. Описана структура и компоненты модуля, представлен укрупненный алгоритм функционирования. В условиях санкций в качестве механизма анализа выбрана платформа для обработки данных с применением элементов искусственного интеллекта отечественного производства Deductor. В качестве метода обработки данных для данной задачи выбран метод построения деревьев решений. Предлагаемый модуль предиктивной аналитики выдает во всплывающем окне на персональном компьютере оператора пульта цеха нефти и газа информацию о вероятных остановках нефтедобывающих скважин месторождения, прогнозируемых в течение ближайшей недели. Данные сообщения отправляются по корпоративной электронной почте операторам скважин в службу эксплуатации. В статье обоснована целесообразность разработки и применения модуля предиктивной аналитики. Описаны возникшие в ходе исследования требования к нему. Предложенный модуль предиктивной аналитики предназначен для применения на распределенных объектах в цехах добычи нефти и газа и может быть интегрирован с автоматизированной системой управления нефтедобывающими скважинами. Ее архитектура обеспечивает высокую степень мобильности. Предложенный модуль предиктивной аналитики на основе анализа параметров системы телемеханики скважин может применяться другими нефтегазодобывающими компаниями при условии его адаптации с учетом накопленной ими уникальной статистической информации.

Ключевые слова:

автоматизация и цифровизация процессов нефтегазовой отрасли, методы искусственного интеллекта для предиктивной аналитики остановок скважин, АСУ ТП нефтегазодобывающих скважин, модуль предиктивной аналитики остановок нефтегазодобывающих скважин, аналитическая платформа Deductor, модуль предиктивной аналитики на основе анализа параметров систем телемеханики нефтедобывающих скважин

Abstract:

The paper proposes a predictive analytics module based on the analysis of oil well telemetry parameters. The predictive analytics module predicts unscheduled well shutdowns, including accidents. The structure and components of the module are described, and a comprehensive algorithm of operation is presented. Under sanctions, a platform for data processing using domestically produced artificial intelligence elements Deductor was selected as an analysis mechanism. After conducting research, the method of constructing decision trees was selected as a data processing method for this task. The proposed predictive analytics module displays information about probable shutdowns of oil-producing wells in the field, which are expected to occur within the next week, in a pop-up window on the operator's personal computer in the oil and gas workshop. These messages are also duplicated to the corporate e-mail of the well operators' operation service. The article substantiates the feasibility of developing and using a predictive analytics module. The requirements for it that arose during the study are presented. The proposed predictive analytics module is oriented for use at distributed objects in oil and gas production shops and can be integrated into an automated control system for oil producing wells. Its architecture ensures a high degree of mobility. Replication of the proposed predictive analytics module based on the analysis of well telemetry system parameters is possible for use by other oil and gas producing companies, subject to adaptation based on the unique statistical information accumulated by them.

Key words:

automation and digitalization of processes in oil and gas industry, methods of artificial intelligence for predictive analytics of well shut-downs, automated control system (SCADA) for oil and gas production wells, mod ule of predictive analytics for oil and gas production well shut-downs, “Deductor” analytical platform, module of predictive analytics based on the parameter analysis of oil production wells telemetry systems

Об авторах about authors:

Р.В. Малкош1,2,  С.А. Леонтьев3, д.т.н., проф.,

1.Тюменское отделение «СургутНИПИнефть», г. Тюмень,  2. ПАО «Сургутнефтегаз», г. Сургут , 3. Тюменский индустриальный университет, г. Тюмень

R.V. Malkosh1,2, S.A. Leontyev3, DSc, Prof.

1. Tyumen branch of «SurgutNIPIneft», Tyumen,  2. Surgutneftegaz PJSC, Surgut,  3. Tyumen Industrial University, Tyumen

Аннотация:

В статье отражен опыт ПАО «Сургутнефтегаз» по изучению и разработке месторождений, расположенных в Восточной Сибири. В процессе исследования