В начале 2020 года на Мессояхской группе месторождений пройдет тестирование колонны беспилотных КАМАЗов. Об этом на VII Международном форуме «Ямал Нефтегаз» корреспонденту ИА «Север-Пресс» заявил руководитель Центра инноваций в логистике ООО «Газпромнефть-Снабжение» Михаил Полозов.
Испытание грузовиков-беспилотников пройдет в рамках программы «Газпромнефть-Снабжение» по тестированию гипотез, которые могут быть применены для модернизации и совершенствования процесса добычи углеводородов на Ямале и в других российских регионах. Если испытания продемонстрируют эффективность применения беспилотного транспорта в арктических условиях, то решение о его последующем использовании будет принято на уровне материнской компании.
«Оценка данного эксперимента будет проводиться по группе материальных и нематериальных факторов, а именно количеству задействованного человеческого ресурса, аварий и потенциально травмоопасных ситуаций. Все же чем меньшее число людей будет участвовать в процессе логистического снабжения месторождений, тем меньше вероятность риска вреда для их здоровья и жизни», — пояснил Михаил Полозов.
Напомним, разработка группы Мессояхских месторождений на севере ЯНАО ведется совместным предприятием «Газпром нефти» и «Роснефти» АО «Мессояханефтегаз». Первое из этой группы месторождений — Западно-Мессояхское газонефтяное — было открыто в 1983 году. Второе — Восточно-Мессояхское нефтегазоконденсатное — в 1990 году. Это самые северные из разрабатываемых нефтяных материковых месторождений России.
Наряду с подготовкой к испытаниям беспилотников, отметил Михаил Полозов, «Газпромнефть-Снабжение» активно развивает практику применения на объектах сестринских компаний механизма цифровых двойников.
Так называемые цифровые двойники (от англ. Digital Twin) представляют собой электронную копию физических объектов и процессов. Они помогают компаниям оптимизировать, визуализировать и анализировать бизнес-модели, а также предсказывать с той или иной степенью точности динамику различных бизнес-функций.
В практике «Газпромнефть-Снабжение», пояснил Михаил Полозов, цифровые двойники активно применяются в организации различных логистических процедур, как то: складского хранения, определения необходимой и достаточной инфраструктуры для того или иного проекта и снабжения труднодоступных объектов на арктической территории.
К примеру, специалистами компании была создана цифровая модель маршрута и схемы снабжения Ямбургского месторождения и Лескинского лицензионного участка. Опираясь на цифровой двойник процесса снабжения Лескинского участка, «Газпром нефть» создала там базу и в течение одного сезона завезла туда 32 тыс. тонн различных грузов и материалов.
В своей визуальной части цифровой двойник модулирует варианты движения транспортных средств к существующим и перспективным объектам добывающей инфраструктуры. При этом он способен воспроизводить данные для анализа и оценки каждого конкретного автомобиля, воздушного или морского судна, участвующего в обслуживании логистического процесса. Выбор непосредственного маршрута снабжения определяется на основании данных машинной программы обучения.
«На данный момент цифровые двойники в логистике — инструмент, необходимый для принятия решений, без них в рамках нашей компании решения не считаются достоверными. Аналогичным образом дело обстоит и в других компаниях, работающих в нефтегазовой отрасли.
Сейчас все стремятся переходить на цифру и создают цифровых двойников своих объектов и процессов. Соответственно, перспективы данного механизма чрезвычайно обширны и, наверное, зависят лишь от фантазии конечного пользователя», — отметил Михаил Полозов в беседе с корреспондентом ИА «Север-Пресс».
Понятно, продолжил сотрудник «Газпромнефть-Снабжения», что, как и большинство других процессов, цифровая логистика на Ямале чрезвычайно зависима от погодных условий. Нюансы арктического климата закладываются в цифрового двойника на этапе его создания. Затем тот берет на себя прогностическую функцию.
«Следует понимать, что цифровое моделирование лишь какого-то текущего процесса не является релевантным с точки зрения практической применимости. Такой двойник попросту был бы никому не нужен — никого не интересует то, что было. Все хотят знать, что будет. Соответственно, и анализ погодных условий должен производиться с целью прогнозирования будущего.
Наша компания разрабатывает систему машинного обучения, которая проводит предиктивный анализ и создает карту рисков, карту возможных отклонений и вероятностей и закладывает её в цифровую модель. Здесь многое, конечно, зависит от отдаленности перспективы.
Если мы выстраиваем стратегию на 20 лет вперед, то точность прогнозов здесь составляет около 25%. Тем не менее, если речь идет о ближайшем годе или двух, то отклонение от прогнозов составляет всего 5-7%. Точность прогнозирования таким образом составляет примерно 95%», — резюмировал Михаил Полозов.
- Войдите или зарегистрируйтесь, чтобы оставлять комментарии
