Über den Einsatz von Cookies auf dieser Website Unsere Websites benötigen einige Cookies, um ordnungsgemäß zu funktionieren (erforderlich). Darüber hinaus können mit Ihrer Zustimmung weitere Cookies verwendet werden, um die Nutzung der Website zu analysieren, die Benutzerfreundlichkeit zu verbessern und Werbung zu schalten. Weitere Informationen finden Sie in Ihren. Durch den Besuch unserer Website erklären Sie sich mit der Verarbeitung von Informationen einverstanden, wie in der IBMDatenschutzbestimmung beschrieben. Um eine reibungslose Navigation zu ermöglichen, werden Ihre Cookie-Präferenzen über die hier aufgeführten IBM Web-Domains hinweg gemeinsam genutzt.
Startseite
Kundenreferenzen
abu-dhabi-national-oil-company-adnoc
Verbesserung der Genauigkeit, Konsistenz und Geschwindigkeit der Gesteinsanalyse
ADNOC und IBM entwickeln einen automatisierten Prozess zur Analyse und Kategorisierung von Gesteinsproben.
Abu Dhabi – flächenmäßig und bevölkerungsmäßig das größte von sieben Emiraten in den Vereinigten Arabischen Emiraten – ist eine der größten Quellen fossiler Brennstoffe weltweit. Fast neun Prozent der weltweit bekannten Ölreserven und fünf Prozent der Erdgasreserven liegen im Karbonatgestein tief unter den Wüsten und Gewässern von Abu Dhabi.
ADNOC ist einer der weltweit größten Hersteller von Öl und Gas. Das Unternehmen erkannt, wie wertvoll die Integration von KI in seine Geschäftsprozesse ist, um Abläufe zu optimieren, die Wiederherstellung zu verbessern und die Entscheidungsfindung zu optimieren. ADNOC ist an der Speerspitze der Einführung von KI, indem es die Art und Weise optimiert, wie die Brennstoffvorräte von Abu Dhabi untersucht werden.
Ölproduzenten wie ADNOC versuchen, die Effizienz der Ölförderung zu maximieren, indem sie so wenig Bohrungen wie möglich, so wenig Wasser wie möglich und so wenig Kosten wie möglich einsetzen. Um dieses Ziel zu erreichen, erstellen Ingenieure digitale Lagerstätten-Simulationsmodelle, um das Verhalten der Lagerstätte zu testen, einschließlich des Lagerstättenraums (Porosität), der Fließfähigkeit (Permeabilität) und der Ölmenge (potenzielle Gewinnung). Die Modelle ermöglichen es den Ingenieuren, verschiedene Erschließungsmerkmale zu berücksichtigen, einschließlich der Bohrlochabstände, der Art der Bohrung, der Anzahl der Bohrungen und der Drucksysteme.
Hohe Leistungsfähigkeit
Die IBM Watson Lösung kann 527 pro Sekunde analysieren
Bildklassifikation
So hat ADNOC die Möglichkeit, bis zu 25.000 Bilder pro Tag zu klassifizieren
Die Grundlage für die Vorhersagegenauigkeit eines Lagerstättensimulators, der als Entscheidungshilfe für die milliardenschwere Erschließung von Lagerstätten dient, ist die Präzision des geologischen Modells. Geologie basiert auf visuellen mikroskopischen Felsbeschreibungen, die mit einem optischen Mikroskop in einem langsamen, arbeitsintensiven Prozess gewonnen werden. Dieser hat sich seit den Anfängen der modernen Geologie im Jahr 1793 kaum verändert.
Wenn ein Petrograph mit jahrzehntelanger Erfahrung in den Ruhestand geht, verliert ADNOC außerdem die geballte Erfahrung dieser Person. Und angesichts der vielen schnelllebigen und hochtechnischen Berufe, die zur Auswahl stehen, entscheiden sich nur wenige junge Menschen für den Beruf des Petrographen. Aus diesen Gründen suchte ADNOC nach einer Möglichkeit, die Erfahrung seiner Experten zu bewahren und den Prozess zu verbessern – möglicherweise auch innerhalb einer Maschine.
Eine grundlegende Veränderung in der Art und Weise, wie Wissenschaft betrieben wird
In den letzten Jahren hat sich IBM auf Industrie-4.0-Initiativen in der Öl-, Gas- und Petrochemiebranche im Nahen Osten konzentriert und dabei Programme zur digitalen Transformation vorangetrieben. Die Partnerschaft mit nationalen Ölunternehmen in der Region hat höchste Priorität, da IBM daran arbeitet, durch pragmatische Partnerschaften rund um KI, maschinelles Lernen, das industrielle Internet der Dinge (IoT), Cybersicherheit und Blockchain Mehrwert zu schaffen.
Gleichzeitig erwogen Hani Nehaid, ADNOCs Geowissenschaftsteamleiter, und sein Team den Einsatz von KI, um den Prozess der Dünnschliffbeschreibung zu erweitern und zu beschleunigen. Als Nehaid zusammen mit Douglas Boyd, Petrophysiker im Technical Center, und Hesham Shebl, Geologe (Petrograph) im Technical Center, bei einem Abendessen einen IBM-Vertreter kennenlernte, wurde das Potenzial von KI- und Watson-Lösungen zur Bewältigung solcher Probleme mit visueller Erkennungstechnologie zu einem Thema von gemeinsamem Interesse.
Boyd erklärt: „Wir hatten eine kurze Diskussion mit dem IBM-Vertreter darüber, wie wir dieses Ziel verfolgen können. Wir haben zunächst mit ihren Datenwissenschaftlern zusammengearbeitet, um die Plattform mehrmals zu trainieren. Anschließend bereiteten wir einen kleinen Beispielsatz vor, der als Machbarkeitsnachweis analysiert werden sollte. Dadurch konnten sehr genaue Ergebnisse erzielt werden, die der Arbeit eines erfahrenen Petrographen entsprachen. Wir waren sehr beeindruckt und haben anschließend weitergemacht.“
In diesem Fall arbeitete ein IBM Team aus Vertretern der Abteilungen IBM Industry, IBM Services und IBM Cloud mit ADNOC zusammen, um die erste Phase eines mehrstufigen Projekts zu beginnen. Gemeinsam wechselten sie von einfachen zu immer schwierigeren Aufgaben und setzten KI-gesteuerte Elemente zur kognitiven Bilderkennung, Verarbeitung natürlicher Sprache und Regression ein. Das Team trainierte vier Wochen lang den IBM Watson Visual Recognition Service, um zweidimensionale Gesteinsbilder anhand ihrer visuellen Eigenschaften zu kennzeichnen.
Im weiteren Verlauf des Projekts plant das Team, die Watson-Lösung zu trainieren, um zusätzliche Informationen aus den Bildern zu extrahieren. Shebl erklärt: „Wir wollen die Gesteinsbild-Dünnschnittdaten, die wir aus dem Untergrund von Abu Dhabi erfassen, erheblich erweitern. Viele unserer Entscheidungen bezüglich Verwaltung und Erschließung basieren auf den Eigenschaften, die unsere Petrographen ermitteln, und auf ihren Interpretationen. Je mehr Datenpunkte wir nutzen können, desto besser und effizienter werden unsere Modelle, unsere Entwicklungspläne und unsere letztendliche Rohstoffgewinnung. Das ist für den Erfolg unserer Branche enorm wichtig.“
Radikale Steigerung der Geschwindigkeit und Präzision
Der KI-Einsatz von ADNOC zur Erweiterung der geologischen Forschung war bereits erfolgreich. Obwohl das Bohren und Scannen von Gesteinsproben weiterhin manuell erfolgen muss, ist die Bildklassifizierung jetzt viel schneller und automatisierter. Da Watson 527 Bilder pro Sekunde analysieren kann, dauert die Analyse aller aus einer einzigen Lagerstätte entnommenen Proben jetzt nur noch wenige Minuten, statt Monate.
Neben der höheren Klassifizierungsgeschwindigkeit haben Nehaid und sein Team bereits mehrere andere wichtige Vorteile der KI-gestützten Watson-Lösung beobachten können. Da die Analysezeit erheblich reduziert wurde, kann ADNOC viel mehr Gesteinsproben aus viel mehr Bohrlöchern auswerten und so mehr deterministische Daten generieren. Dies wiederum führt wiederum zu genaueren und effektiveren Modellen unterirdischer Lagerstätten.
Die Lösung verbessert außerdem die Konsistenz. Laut Nehaid werden „zwei verschiedene Geologen mit unterschiedlichem Erfahrungsstand ihre Gesteinsbeschreibungen unterschiedlich genau formulieren. Mit IBM Watson stellen wir sicher, dass die Beschreibung und Interpretation immer auf Expertenniveau ist und über die Jahre hinweg konsistent bleibt.“ Außerdem erläutert er: „Diese Faktoren verbessern unsere Modelle unterirdischer Lagerstätten, wodurch wiederum das Risiko erheblich geringer ausfällt und bessere Investitionsentscheidungen bei milliardenschweren Feldentwicklungen getroffen werden können.“
Die KI-Bibliotheken von IBM Watson bieten ADNOC die Möglichkeit, die jahrzehntelange Erfahrung seiner Petrographen zu bewahren, ohne über Jahre neue Experten auf den neuesten Stand zu bringen. Sagt Nehaid: „Dank dieser Lösung können wir unsere Geologen entlasten, damit sie sich auf die Modellerstellung konzentrieren können. Wir können das Wissen und die Erfahrung unserer Experten auf die Maschine übertragen, so dass wir von ihrer Erfahrung profitieren können, wenn sie nicht mehr bei uns arbeiten.“
Nehaid und sein Team blicken optimistisch auf die Zukunft des Projekts. Sagt Shebl: „Letztendlich sehe ich, dass maschinelles Lernen den gesamten Prozess der Erstellung repräsentativer geologischer Modelle unterstützt und uns hilft, ein klares Verständnis des Untergrunds zu schaffen. Spitzentechnologie und Innovationspartnerschaften ermöglichen es uns, Erschließungspläne zu erstellen, mit denen wir unsere strategischen Ziele erreichen können: die Ausbeute am Ende der Lebensdauer eines Feldes auf 70 % zu erhöhen und letztlich dazu beizutragen, dass ADNOC auch in seinen vorgelagerten Abteilungen profitabler wird.“
Auch IBM wird durch die erfolgreiche Zusammenarbeit mit ADNOC ermutigt. Talal Malas, Cognitive and Analytics Practice Leader bei IBM Middle East and Africa, erklärt: „Wir glauben, dass KI eine Partnerschaft zwischen Mensch und Maschine ist. Diese Initiative mit ADNOC ist einer der aufregendsten Anwendungsfälle in der Chemie- und Erdölindustrie – kognitive Geologie, die bei der Klassifizierung von Gesteinsproben mit hoher Genauigkeit und in großem Maßstab Geologen und Petrophysiker nachahmt. Es ist das perfekte Beispiel dafür, wie KI die Produktivität steigert und mehr Zeit für hochqualifizierte Experten schafft, damit diese höherwertiger Arbeit nachgehen können.“
Yahya Mahmoud, Branchenführer für Industrieprodukte und Chemikalien sowie Erdölindustrie bei IBM Middle East and Africa, fügt an: „Wir bei IBM glauben an Innovationen, die wichtig sind, für unser Unternehmen und für die Welt. Wir wagen es, originelle Ideen mit Fokus und Einsatz für den Erfolg unserer Kunden zu entwickeln. Die Partnerschaft zwischen ADNOC und IBM brachte diese Werte zum Leben. Die gesamte Wertschöpfungskette baut sich aus den Geowissenschaften auf – entsprechend haben wir intuitiv dort angefangen. Gemeinsam mit ADNOC streben wir danach, die Lösung weiterzuentwickeln, um mehr Datenpunkte aus dem Untergrund zu erschließen und die Rohstoffgewinnung zu verbessern.“
ADNOCExterner Link (Link liegt außerhalb von ibm.com) wurde 1971 gegründet und ist eine große diversifizierte Gruppe von Energie- und Petrochemie-Unternehmen. ADNOC produziert täglich etwa drei Millionen Barrel Öl und 300 Millionen Kubikmeter Rohgas. Die integrierten Upstream-, Midstream- und Downstream-Aktivitäten werden von 14 spezialisierten Tochterunternehmen und Joint-Venture-Unternehmen durchgeführt.
Rechtshinweise
© Copyright IBM Corporation 2021. IBM Corporation, IBM Services, New Orchard Road, Armonk, NY 10504
Hergestellt in den Vereinigten Staaten von Amerika, Juli 2017.
IBM, das IBM Logo, ibm.com, IBM Cloud, IBM Services und IBM Watson sind Marken der International Business Machines Corp., eingetragen in zahlreichen Gerichtsbarkeiten weltweit. Weitere Produkt‐ und Servicenamen können Marken von IBM oder anderen Unternehmen sein. Eine aktuelle Liste der IBM Marken ist im Web unter „Informationen zu Copyright und Marke“ auf https://www.ibm.com/de-de/legal/copytrade verfügbar.
Das vorliegende Dokument ist ab dem Datum der Erstveröffentlichung aktuell und kann jederzeit von IBM geändert werden. Nicht alle Angebote sind in allen Ländern verfügbar, in denen IBM tätig ist.
Die genannten Leistungsdaten und Kundenbeispiele dienen ausschließlich zur Veranschaulichung. Tatsächliche Leistungsergebnisse hängen von den jeweiligen Konfigurationen und Betriebsbedingungen ab. DIE INFORMATIONEN IN DIESEM DOKUMENT WERDEN OHNE JEGLICHE AUSDRÜCKLICHE ODER STILLSCHWEIGENDE GARANTIE ZUR VERFÜGUNG GESTELLT, EINSCHLIESSLICH DER GARANTIE DER MARKTGÄNGIGKEIT, DER EIGNUNG FÜR EINEN BESTIMMTEN ZWECK UND DER GARANTIE ODER BEDINGUNG DER NICHTVERLETZUNG VON RECHTEN. Die Garantie für Produkte von IBM richtet sich nach den Geschäftsbedingungen der Vereinbarungen, unter denen sie bereitgestellt werden.
