Ваши инструменты управления
  • Промышленное газовое оборудованиеПромышленное газовое оборудование
  • Оборудование для котельных и теплоснабженияОборудование для котельных и теплоснабжения
  • Резервуарные металлоконструкции. Оборудование для резервуарных парковРезервуарные металлоконструкции. Оборудование для резервуарных парков
  • Оборудование и комплектующие для сжиженного углеводородного газаОборудование и комплектующие для сжиженного углеводородного газа
  • Оборудование для строительства и монтажа трубопроводовОборудование для строительства и монтажа трубопроводов

Технологии больших данных в нефтегазовой отрасли

   

   Нефтегазовый сектор известен своей способностью адаптироваться под новые требования современного мира, в том числе информационных технологий. Доходность активов становится труднее предсказать, наиболее эффективным инновационным подходом для решения этой проблемы можно обозначить технологию больших данных (BigData).

    Большие данные (англ. big data) в информационных технологиях — серия подходов, инструментов и методов обработки структурированных и неструктурированных данных огромных объёмов и значительного многообразия для получения воспринимаемых человеком результатов, эффективных в условиях непрерывного прироста, распределения по многочисленным узлам вычислительной сети, альтернативных традиционным системам управления базами данных и решениям класса Business Intelligence. В данную серию включают средства массово-параллельной обработки неопределённо структурированных данных, прежде всего, решениями категории NoSQL, алгоритмами MapReduce, программными каркасами и библиотеками проекта Hadoop.

   В качестве определяющих характеристик для больших данных отмечают «три V»: объём (англ. volume, в смысле величины физического объёма), скорость (англ. velocity в смыслах как скорости прироста, так и необходимости высокоскоростной обработки и получения результатов), многообразие (англ. variety, в смысле возможности одновременной обработки различных типов структурированных и полуструктурированных данных)

    В качестве примеров источников возникновения больших данных приводятся непрерывно поступающие данные с измерительных устройств, события от радиочастотных идентификаторов, потоки сообщений из социальных сетей, метеорологические данные, данные дистанционного зондирования Земли, потоки данных о местонахождении абонентов сетей сотовой связи, устройств аудио- и видеорегистрации. Ожидается, что развитие и начало широкого использования этих источников инициирует проникновение технологий больших данных как в научно-исследовательскую деятельность, так и в коммерческий сектор и сферу государственного управления.

 Методы и техники анализа, применимые к большим данным:

  • методы класса Data Mining: обучение ассоциативным правилам (англ. association rule learning), классификация (методы категоризации новых данных на основе принципов, ранее применённых к уже наличествующим данным), кластерный анализ, регрессионный анализ;

  • краудсорсинг — категоризация и обогащение данных силами широкого, неопределённого круга лиц, привлечённых на основании публичной оферты, без вступления в трудовые отношения;

  • смешение и интеграция данных (англ. data fusion and integration) — набор техник, позволяющих интегрировать разнородные данные из разнообразных источников для возможности глубинного анализа, в качестве примеров таких техник, составляющих этот класс методов приводятся цифровая обработка сигналов и обработка естественного языка (включая тональный анализ);

  • машинное обучение, включая обучение с учителем и без учителя, а также Ensemble learning (англ.) — использование моделей, построенных на базе статистического анализа или машинного обучения для получения комплексных прогнозов на основе базовых моделей (англ. constituent models, ср. со статистическим ансамблем в статистической механике);

  • искусственные нейронные сети, сетевой анализ, оптимизация, в том числе генетические алгоритмы;

  • распознавание образов;

  • прогнозная аналитика;

  • имитационное моделирование;

  • пространственный анализ (англ. Spatial analysis) — класс методов, использующих топологическую, геометрическую и географическую информацию в данных;

  • статистический анализ, в качестве примеров методов приводятся A/B-тестирование и анализ временных рядов;

  • визуализация аналитических данных — представление информации в виде рисунков, диаграмм, с использованием интерактивных возможностей и анимации как для получения результатов, так и для использования в качестве исходных данных для дальнейшего анализа.

    Наиболее часто указывают в качестве базового принципа обработки больших данных в SN-архитектуру, обеспечивающую массивно-параллельную обработку, масштабируемую без деградации на сотни и тысячи узлов обработки. При этом, кроме рассматриваемых большинством аналитиков технологий NoSQL, MapReduce, Hadoop, R, включает в контекст применимости для обработки больших данных также технологии Business Intelligence и реляционные системы управления базами данных с поддержкой языка SQL.

    Существует ряд аппаратно-программных комплексов, предоставляющих предконфигурированные решения для обработки больших данных: Aster MapReduce appliance (корпорации Teradata), Oracle Big Data appliance, Greenplum appliance (корпорации EMC, на основе решений поглощённой компании Greenplum). Эти комплексы поставляются как готовые к установке в центры обработки данных телекоммуникационные шкафы, содержащие кластер серверов и управляющее программное обеспечение для массово-параллельной обработки.

   Аппаратные решения для аналитической обработки в оперативной памяти, в частности, предлагаемой аппаратно-программными комплексами Hana (предконфигурированное аппаратно-программное решение компании SAP) и Exalytics (комплекс компании Oracle на основе реляционной системы Timesten и многомерной Essbase), также иногда относят к решениям из области больших данных, несмотря на то, что такая обработка изначально не является массово-параллельной, а объёмы оперативной памяти одного узла ограничиваются несколькими терабайтами.

   Кроме того иногда к решениям для больших данных относят и аппаратно-программные комплексы на основе традиционных реляционных систем управления базами данных Netezza, Teradata, Exadata, как способные эффективно обрабатывать терабайты и экзабайты структурированной информации, решая задачи быстрой поисковой и аналитической обработки огромных объёмов структурированных данных. Аппаратные решения DAS — систем хранения данных, напрямую присоединённых к узлам — в условиях независимости узлов обработки в SN-архитектуре также иногда относят к технологиям больших данных. Именно с появлением концепции больших данных связывают всплеск интереса к DAS-решениям в начале 2010-х годов, после вытеснения их в 2000-е годы сетевыми решениями классов NAS и SAN.

    Нефтегазовые компании в процессе своей деятельности получают петабайты данных каждый день, использование больших данных открывает возможности анализа и предсказания развития трендов в области геологии, инженерии, производства и наилучшего способа использования оборудования для достижения наиболее оптимальных результатов работы на всех стадиях своей деятельности, начиная от разведки и добычи, заканчивая переработкой и реализацией готовой продукции. Наиболее успешное применение данной технологии способствует снижению издержек и получению максимальной прибыли за счет использования взаимодополняющих методов предсказания.

    Сбор данных может осуществляться не только на стадии добычи и переработки, но и при прогнозировании стоимости продукуции, что в целом дает общее представление об оптимизации бизнес-процессов компании, для выбора наилучшего производственного цикла, что в целом повышает возможности компании на рынке.

Для каждого производственного цикла можно выделить следующие преимущества использования технологии больших данных:

  1. Разведка - моделирование и предсказание наиболее вероятных участков добычи с потенциально оптимальными объемами сырья;

  2. Добыча - сбор и переработка данных в целях оптимизации использования оборудования и способов добычи.;

  3. Переработка - улучшение методов и результатов переработки сырья в конечную продукцию в зависимости от цен на рынке, а также для сохранения ресурса перерабатывающего оборудования;

  4. Транспортировка - большие данные позволят выявить потенциальные потребности того или иного сырья в соответствующих регионах а также выявить наиболее оптимальную нагрузку на средства доставки;

  5. Реализация - в данном разделе большие данные способствуют ;максимальной отдачи при прогнозировании рынка регионов, в целях определения потенциально-прибыльных потребностей в том или ином виде сырья, а также его количества.

    Обозначены наиболее общие возможности технологии больших данных в каждом цикле нефтегазовой отрасли, благодаря большим данным возможно сократить общие издержки компании на сумму от 3 млрд. долларов. Благодаря использованию этой технологии возможно превращение нефтегазовой отрасли в наукоемкую, при этом произойдет появление смежных наукоемких отраслей обработки данных и предсказаний, что в свою очередь повысит эффективность инновационной деятельности в нефтегазовой отрасли.

 

Александр Безроднов, 11.02.2016

 

Источники:

https://ru.wikipedia.org/wiki/%D0%91%D0%BE%D0%BB%D1%8C%D1%88%D0%B8%D0%B5_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D0%B5

http://www.oracle.com/us/technologies/big-data/big-data-oil-gas-2515144.pdf

http://www.bain.com/Images/BAIN_BRIEF_Big_Data_analytics_in_oil_and_gas.pdf

http://bit.samag.ru/archive/article/1352

http://www.cnews.ru/news/top/liderami_neftegaza_stanut_kompanii


Оценка теплового влияния антифриза, заливаемого в пространство между полимерным футляром и вертикальным резервуаром сжиженного углеводородного газа

Опубликовано 29.02.2016
     В настоящее время, с целью коррозионной защиты подземных резервуаров сжиженных углеводородных газов (СУГ).все шире используется принципиально новая конструкция, основанная на размещении вертикального стального сосуда СУГ высокого давления в полимерном футляре и позволяющая радикальным образом решить проблему защиты от блуждающих токов, повысить пожаро-, взрыво- и экологическую безопасность, исключить использование катодной защиты и битумно-полимерных защитных покрытий. Важной составляющей, обеспечивающей надежную и

Прогнозы развития рынка СУГ в России

Опубликовано 26.01.2016
   В последние годы в портах России развивается инфраструктура по перевалке сжиженного углеводородного газа (СУГ), однако дальневосточное направление ею пока не охвачено. Между тем, участники рынка и эксперты прогнозируют рост спроса на СУГ со стороны стран азиатско-тихоокеанского региона.    Еще несколько лет назад в России существовал только один терминал по перевалке СУГ – «Мактрен Нафта» в порту Темрюк. Однако в 2013 году в порту Усть-Луга был запущен терминал компании «СИБУР», а на юге СУГ стал также

Трансформация бизнес-моделей заводов-производителей промышленного газового оборудования в период 2000–2015 гг.

Опубликовано 15.12.2015
Карякин Е. А., директор по развитию Группы компаний «Газовик», Саратов,   karyakin@gazovik.ru, www.gazovik.ru За последние 15 лет на рынке промышленного газового оборудования (ПГО), а также в бизнес моделях его производителей произошли существенные перемены. В начале этого периода, когда рынок ПГО еще не был сформирован и являлся «рынком продавца», число основных игроков не превышало десятка. Все они были представлены в Справочнике промышленного газового оборудования 2002 года издания. Это ООО «Радон и К», ОАО «Газаппарат», ЗАО

Конференция «СУГ: развивая потенциал цивилизованного рынка»

Опубликовано 12.11.2015
      Российский рынок СУГ поступательно движется к порядку: появляются и совершенствуются новые формы торговли, механизм продаж становится все более прозрачным. Биржи и электронные площадки предлагают разные варианты приобретения СУГ, оставляя выбор за покупателями. Последние же не спешат пользоваться благами цивилизации: их волнуют более насущные вопросы – устаревшие небезопасные баллоны, неразвитая инфраструктура и неясность в отношении конечных потребителей.      Конференция «СУГ: развивая потенциал

Владельцев машин с газовым оборудованием могут освободить от налога.

Опубликовано 22.10.2015
   Владельцев машин, на которых установлено газовое оборудование, могут освободить от налога. С этим предложением выступили депутаты Госдумы. Таким образом, авторы законопроекта, хотят стимулировать россиян использовать природный газ в качестве топлива    Переход автомобилей на газ уже не раз обсуждался на самом высоком уровне, начиная с 2004 года. В качестве мер, направленных на использование именно этого вида топлива, в девяти регионах, как сообщают «РИА Новости», снизили ставку транспортного налога, но только для

На Урале будет проще заправлять машины, которые ездят на газе

Опубликовано 04.02.2015
   В Екатеринбурге выпущено оборудование для малотоннажного производства и хранения сжиженного природного газа (СПГ). Эта разработка позволила запустить на газораспределительной станции Екатеринбурга (ГРС-4) комплекс по производству СПГ. По мнению гендиректора компании Давида Гайдта, это фактически прорыв – такого оборудования нет не то что в России, но и в Европе. Теперь для автомобилей на СПГ смогут использовать передвижные и стационарные АЗС.    Как рассказал на сегодняшней пресс-конференции Давид Гайдт, компания

В Якутии набирают популярность альтернативные виды моторного топлива - КПГ и СУГ

Опубликовано 26.01.2015
Сжиженный углеводородный газ (СУГ) является, по сути, сопутствующим продуктом, который получается при подготовке природного газа для бытового использования. Газ перед подачей в распределительные сети проходит так называемую осушку, в результате которой из него выделяют пропан-бутановую смесь, или СУГ, который можно использовать как автомобильное топливо. Перевод машин на газ уже не новость для столицы республики, и рынок этого топлива в Центральной Якутии еще имеет резервы. Также уместно было бы сказать о том, что бытовое потребление

Экспорт сжиженных газов растет

Опубликовано 25.11.2014
До трети объема сжиженных углеводородных газов (СУГ), производимых в РФ, направляется на экспорт. К 2017-2020 годам эта доля, даже несмотря на возможное повышение экспортных пошлин, может превысить 50% в случае задержек с реализацией крупных нефтегазохимических проектов в стране. Тогда с дефицитом СУГ наверняка столкнутся все основные их потребители - нефтегазохимия, топливная промышленность и ЖКХ. Одновременно может сократиться использование СУГ в энергетике и проектах газификации транспорта. Таковы основные оценки 4-й международной

СУГ в качестве эффективного резервного топлива для котельных установок

Опубликовано 01.11.2014
Сжиженный углеводородный газ (СУГ) широко используется за рубежом в качестве резервного топлива для котельных, работающих на природном газе. Преимущества СУГ перед такими традиционными источниками питания, как уголь, дизельное топливо или мазут, сделали его использование типовым решением при поиске альтернативного топлива во многих развитых странах. В России на данный момент ситуация обстоит иначе. Использовать СУГ выгоднее и экономичнее, чем мазуты или дизтоплива: во-первых, ниже сама цена сжиженного углеводородного газа; во-вторых,

Пошлина на сжиженные углеводородные газы может вырасти на 4% с июля

Опубликовано 08.08.2014
Ставка экспортной пошлины на сжиженные углеводородные газы (СУГ) может вырасти на период с 1 по 31 июля 2014 года на 4% по сравнению со ставкой, действующей в июне текущего года, сообщили в пресс-службе Минфина. С 1 июня пошлина на СУГ может составить $89,6 за тонну, что следует из средней цены мониторинга и налогового маневра, предусмотренного с 2014 года. При этом месяцем ранее она опустилась на 2,6% до $86 за тонну. Пошлина на дизельное топливо с учетом коэффициента 0,65 изменится незначительно: с $250,2 до $250,3 за тонну. На бензин с учетом коэффициента 0,9

Форма обратной связи
Ваше имя*:Номер телефона*:
Email:Город:
Название организации*:
Вопрос:
Поля, помеченные * обязательны для заполнения.
 
Запрос на тему проектно-технической документации
Ваше имя*:Номер телефона*:
Email:Город:
Название организации*:
Вопрос:
Поля, помеченные * обязательны для заполнения.
 
Запрос на тему проектно-технической документации
Ваше имя*:Номер телефона*:
Email:Город:
Название организации*:
Вопрос:
Поля, помеченные * обязательны для заполнения.
 
Форма запроса цены
Запрос цены на
Ваше имя*:Номер телефона*:
Email:Город:
Название организации*:
Дополнительная информация:
Поля, помеченные * обязательны для заполнения.
 
Форма заказа
Заказ
Ваше имя*:Номер телефона*:
Email:Город:
Название организации*:
Дополнительная информация:
Поля, помеченные * обязательны для заполнения.
 
Форма технической поддержки
Ваше имя*:Email*:
Сообщение:
Поля, помеченные * обязательны для заполнения.
 
Форма заказа оборудования, стоимости и условий поставки
Ваше имя*:Номер телефона*:
Наименования:
Добавить
Email:Город:
Название организации*:
Дополнительная информация:
Поля, помеченные * обязательны для заполнения.