近年來，我國對油氣的需求不斷攀升。統(tǒng)計數(shù)據(jù)顯示，2018年我國石油凈進口量為4.4億噸，原油對外依存度達到70.9%。為了加大油氣供應，國內石油企業(yè)加大了石油勘探力度，提出了更高的要求，這對勘探開發(fā)領域帶來了前所未有的壓力。一方面，勘探難度越來越大，我國已探明石油儲量中低滲、超低滲儲量占70%，已開發(fā)油田綜合含水率達89.35%，原油儲量和產(chǎn)量的面臨巨大壓力；另一方面，石油生產(chǎn)成本居高不下，企業(yè)效益難以控制。此外，生態(tài)環(huán)境保護和綠色發(fā)展對石油開發(fā)提出了新的挑戰(zhàn)。
那么，如何勘探痛點，將蘊藏在地下的更多油氣資源開采出來，以滿足日益增長的能源需求？國內外專家研究認為，人工智能是解決石油勘探開發(fā)業(yè)務面臨的一系列難題的技術和途徑。人工智能技術正在給勘探開發(fā)領域帶來顛覆性變革。
國內方面，中國石油將包括認知計算平臺在內的華為云工業(yè)智能體新技術引入生產(chǎn)實踐，用知識圖譜、自然語言處理和機器學習等人工智能技術進行知識體系的構建、計算和應用，為油氣勘探開發(fā)科研、生產(chǎn)管理提供智能化分析手段，支撐油氣勘探開發(fā)增儲上產(chǎn)和降本增效，幫助決策者從海量的數(shù)據(jù)中洞悉規(guī)律，來效率和管理水平。
2019年1月4日，中國海油旗下海油發(fā)展工程技術分公司成功開發(fā)了中國海油在勘探開發(fā)領域的首個人工智能應用。該款具有自主知識產(chǎn)權的人工智能軟件，可以基于儲層、裂縫、流體、壓裂改造等屬性描述的大數(shù)據(jù)，建立全空間模型，自主向測試的產(chǎn)能數(shù)值進行深度學習，并預測三維空間產(chǎn)能指數(shù)。
方面，2016年，?？松梨谛寂c麻省理工學院合作設計用于海洋勘探的人工智能機器人。該機器人具有自學能力，能夠在艱苦條件下自主*作，并能按自身意愿改變任務參數(shù)，探測異常的情況。
2018年4月24日，法國油氣巨頭道達爾宣布同谷歌云簽署協(xié)議，聯(lián)合發(fā)展人工智能技術，為油氣勘探開發(fā)提供全新智能解決方案。根據(jù)道達爾，人工智能將率先應用于油氣勘探開發(fā)地質數(shù)據(jù)的處理分析。
石油巨頭殼牌已經(jīng)逐步結束了石油智能化的嘗試期，轉而邁進了推廣期，將大規(guī)模普及石油人工智能。2018年9月20日，石油巨頭殼牌宣布將和微軟公司擴大合作，在石油行業(yè)大規(guī)模推行人工智能的應用，AI覆蓋領域包括油氣鉆井、油氣生產(chǎn)、加油站零售、財務管理、員工管理等。
英國石油公司BP通過投資人工智能，加強其在上游業(yè)務中的人工智能化和數(shù)字化。2019年1月，BP投資了總部位于休斯頓的技術初創(chuàng)公司Belmont Technology，開發(fā)一個名為“Sandy”的人工智能助理。Sandy可以自動將BP專家提供的地質學、地球物理學、油藏和歷史項目信息結合在一起，創(chuàng)建出BP整個地下資產(chǎn)知識圖，供BP的工程師查詢數(shù)據(jù)、提問并快速得到答案。
意大利石油巨頭埃尼于2019年5月公布了和IBM聯(lián)合開展的AI研究成果“認知發(fā)現(xiàn)”，為埃尼在勘探階段初期的決策提供支持，以減少勘探與地質復雜性可能導致的潛在風險。
：“限”數(shù)據(jù)不能出局，數(shù)據(jù)共享不方便；
第二：“專”油氣勘探開發(fā)領域是多學科，知識密集型行業(yè)，大量行業(yè)知識在老專家的腦中，行業(yè)和AI結合是人工智能在領域應用的關鍵；
第三：“慢”，AI開發(fā)效率低，標注、訓練、部署整個過程*耗時；
第四：“貴”，AI基礎資源，尤其是算力稀缺且昂貴；
第五：“缺”，AI人才的短缺，中國的AI人才缺口就超過500萬人。
針對以上五大門檻，構建油氣勘探領域人工智能專有平臺是AI推廣的一個必然選擇。這個平臺應該具備以下特點：
1) 自建人工平臺提供算力和算法預裝解決數(shù)據(jù)不出局的問題；
2) 具備快速構建行業(yè)知識圖譜的流水線打造專家助手，專家效率；
3) 構建平民化的油氣行業(yè)人工智能開發(fā)平臺普及率，開發(fā)效率；
4) 采用開放的硬件架構，采用AI專用訓練芯片，解決傳統(tǒng)AI訓練GPU貴的問題。
5) 具備行業(yè)油氣人工智能算法模型的市場，構建行業(yè)生態(tài)，解決人才短缺問題。
以中國石油為例，中國石油正攜手華為聯(lián)合打造了勘探開發(fā)的認知計算平臺，該平臺是基于華為云AI技術的通用開放可擴展的人工智能計算平臺，按照平臺和場景兩個關鍵因素進行設計，從數(shù)據(jù)處理、機器學習，到模型發(fā)布、推理應用，是可提供一站式AI開發(fā)環(huán)境和知識圖譜流水線工具的平臺。
據(jù)了解，人工智能計算平臺是中國石油“共享中國石油”信息化戰(zhàn)略發(fā)展規(guī)劃的落地舉措。該平臺的建成應用，為勘探開發(fā)業(yè)務的創(chuàng)新提供了智能化的驅動引擎和開發(fā)生態(tài)，實現(xiàn)了勘探開發(fā)知識的固化、傳承和普惠。
中國石油勘探開發(fā)研究院計算機應用技術研究所所長龔仁彬在2019華為全聯(lián)接大會（HUAWEI CONNECT 2019）上表示，認知計算平臺已經(jīng)在測井油氣層識別和抽油機井工況診斷兩個場景進行應用，實現(xiàn)了測井油氣層智能識別和抽油機井工況自動診斷。
例如，在石油勘探的“測井”環(huán)節(jié)，有祖國東部“石油小搖籃”之稱的中國石油大港油田，借助認知計算平臺對900口油井進行機器學習，實現(xiàn)了油氣水層位的智能識別，識別評價時間縮短了70%，識別的準確率達到測井解釋專家水平。更重要的是，通過知識圖譜的建設與應用，從業(yè)門檻*，專家知識得到有效傳承，普通專家可承擔資深專家的職責，工作效率*提高。
而在油氣生產(chǎn)領域，中國石油借助人工智能計算平臺，通過采用物聯(lián)網(wǎng)技術和機器學習方法，實現(xiàn)了油井工況的定量診斷和遠程實時在線管理，預測異常工況的準確率達到90%以上，油田管理實現(xiàn)了從事后診斷升級為事前預警，減少了作業(yè)維護費用20%。
中國石油青海油田８個采油廠通過生產(chǎn)現(xiàn)場的遠程管理實現(xiàn)了無人值守，將管理重心從荒涼的油田現(xiàn)場后移油田管理基地，一年之內搬遷現(xiàn)場管理人員700余人，一線員工轉崗800余人，極大了油田的生產(chǎn)成本，有效提高了油田的管理水平。
隨著全球石油行業(yè)進入新常態(tài)，人工智能在勘探領域的應用將更深更廣。下一個十年，AI將助推石油工業(yè)加快進入智能新時代，徹底顛覆石油工業(yè)的思維和運營模式，重塑整個行業(yè)。對于我國石油企業(yè)來講，AI是提高企業(yè)競爭力、打造一流綜合性能源公司的必要手段；而對于IT/ICT企業(yè)來說，有責任通過AI從技術層面上促進石油勘探開發(fā)行業(yè)整體的轉型升級，從而助力我國石油勘探開發(fā)實現(xiàn)從跟跑到并跑、終領跑全球的轉變。
延展閱讀：
郭仁賢 雷鋒網(wǎng)
文 | 郭仁賢
據(jù) Gartner 預測，智能運維的全球部署將從2017年的10%增加到2020年的50%，其行業(yè)應用除了互聯(lián)網(wǎng)之外，還包括了電信、金融、電力、航空等領域。
而在國內，智能運維從正式提出到實際落地，這個階段也只有兩三年的時間。盡管如此，一些率先探索智能運維的企業(yè)，通過對該領域的深入研究和實踐已取得了一定的成效。
近日，在雷鋒網(wǎng)于深圳舉辦的AIoT年終盛會——2019全球AIoT產(chǎn)業(yè) · 智能制造峰會上，來自寶武裝備智能科技有限公司工業(yè)智能服務事業(yè)部總經(jīng)理王建宇，以「智享生態(tài) 云聯(lián)未來——鋼鐵行業(yè)設備智能運維探索與實踐」為主題進行了分享，為工業(yè)企業(yè)如何探索智能運維提供了思路，并與眾多跨界的伙伴探討了各種前沿技術的應用等。
寶武裝備智能科技有限公司（簡稱“寶武裝備”），是中國寶武集團下屬一級子公司，是從事裝備智能運維的科技公司，承擔中國寶武多基地核心設備狀態(tài)保障功能，現(xiàn)已成為行業(yè)領先的綜合設備狀態(tài)保障技術服務提供商。
雷鋒網(wǎng)了解到，傳統(tǒng)運維比如“點檢定修制”，是通過人工“五感”方式了解和判斷設備的狀態(tài)并周期性的開展維護活動。而智能運維強調是以數(shù)據(jù)為核心，是自動匯聚所有設備狀態(tài)相關數(shù)據(jù)，基于狀態(tài)變化趨勢驅動決策并有針對性的開展設備運維。
王建宇表示，寶武裝備早在2014年就啟動了智能運維的相關探索，從今年上半年，按照中國寶武“四個一律”智慧制造整體部署，即：*作室一律集控、*作崗位一律機器人、運維一律遠程以及服務一律在線，開始規(guī)?；七M。
以下為王建宇的現(xiàn)場演講內容，雷鋒網(wǎng)作了不改變原意的編輯與整理：
大家好！*開心有這樣的一個機會，與這么多跨界的伙伴在一起進行交流，我今天主要分享的是鋼鐵行業(yè)設備智能運維的探索與實踐。
講到AloT在工業(yè)領域的應用，其實它的場景是*多的，比如質量、優(yōu)化、能效優(yōu)化，以及產(chǎn)業(yè)鏈協(xié)同等，而我則是從智能運維的角度來跟大家分享。
我來自鋼鐵行業(yè)，正如我們所了解的，鋼鐵行業(yè)是一種典型的長流程工業(yè)，工廠里匯聚了大量的設備設施，并且對連續(xù)生產(chǎn)穩(wěn)定性和可靠性的要求*高；寶武裝備正是專注于大工業(yè)系統(tǒng)裝備智能運維的公司，承載著整個中國寶武裝備智能運維服務體系建設和運行的使。
寶武裝備面向中國寶武十大基地，遠的在新疆天山，近的在上海，總體上看，目前集中在長江三角洲、珠江三角洲，以及西北角，呈現(xiàn)出“彎弓搭箭”的格局。
在十大基地，我們有幾千億的設備資產(chǎn)，數(shù)百萬設備，數(shù)十萬臺套關鍵設備，這些都是我們所要服務的場景。寶武裝備源于原寶鋼設備系統(tǒng)相關，從早寶鋼引入日本的“點檢定修制”開始，一直專注于設備狀態(tài)領域，長期服務于寶鋼以及外部眾多客戶。
提到大數(shù)據(jù)，當前大數(shù)據(jù)應用一個很重要的前提是：擁有足夠已標注的有效樣本數(shù)據(jù)，而寶武裝備經(jīng)過三十余年的發(fā)展已積累了數(shù)十萬條設備狀態(tài)相關有效數(shù)據(jù)，以及海量的設備點檢、維護、檢修有關的標準和數(shù)據(jù)，這些有效數(shù)據(jù)的積累和標注是我們開展智能運維這項工作一個很好的基礎。
寶武裝備不僅是中國智能制造系統(tǒng)解決方案供應商，也是工信部制造業(yè)與互聯(lián)網(wǎng)融合試點示范單位、上海市工業(yè)互聯(lián)網(wǎng)平臺和服務商單位。
“智能運維”這個概念是這兩年興起的一個概念，以前更多的大工業(yè)是在講點檢定修、狀態(tài)管理。作為一個新興的概念，大家對智能運維初期的理解可謂眾說紛紜，但是當我們換一個角度，以逆向思維的方式，我們首先來看智能運維不是什么。
首先，智能運維 ≠ 平臺。或者說，不是簡單地搭建了一個工業(yè)互聯(lián)網(wǎng)平臺就等同于實現(xiàn)了智能運維。
第二，智能運維 ≠ 機器人。現(xiàn)在一提到智慧制造，大家很容易和機器人聯(lián)系起來，但是設備管理中即使應用了機器人并不代表已實現(xiàn)了智能運維，這只是解決了一個局部的問題。
第三，智能運維 ≠ 在線監(jiān)測。在線監(jiān)測已有幾十年的歷史，它更多是從實時把握設備狀態(tài)的角度去考慮，但智能運維實際上是對整個設備管理全流程進行重塑，去進行變革。
智能運維是基于對工業(yè)設備管理的深刻理解，以智能化手段賦能傳統(tǒng)設備運維管理所形成的“設備狀態(tài)智能管理系統(tǒng)解決方案”。它的核心是基于設備狀態(tài)變化趨勢的智能決策，將這種決策映射到整個設備管理活動當中，基于對設備當前狀態(tài)把握和未來狀態(tài)預知的基礎上，去判斷設備該不該修，什么時候修，修什么，怎么來修，誰來修，也就是完整地體現(xiàn)數(shù)據(jù)驅動決策；在整個設備管理中，“從數(shù)據(jù)中來，到數(shù)據(jù)中去”。
鋼鐵工業(yè)為代表的大工業(yè)中，多是以“點檢定修制”為主的設備管理模式，更多是以人為核心，靠現(xiàn)場人員“五感”的方式：用眼睛去看，耳朵去聽，鼻子去嗅，嘴巴去嘗，以及手去觸摸等感知設備變化。
通過這種方式判斷設備的狀態(tài)是不是正常，是不是需要保養(yǎng)、維護或者維修，設備有問題了就會人工地去安排一個維護檢修的計劃，開出一個單子給相應的維檢單位，組織他們去維護和維修；修好之后，再由現(xiàn)場的設備工程師對現(xiàn)場的設備恢復情況進行驗證，通過人終形成一個閉環(huán)。
而未來的智能運維是以數(shù)據(jù)為核心，從智能的采集開始，不管是在線的、離線的，還是現(xiàn)有系統(tǒng)中蘊含的數(shù)據(jù)，我們都把他匯聚上來，基于這些數(shù)據(jù)進行綜合的分析、判斷。如果設備有問題，由系統(tǒng)和平臺自動地排定維護檢修計劃，自動地推送相應的解決方案。
在實施的過程中，如果遇到問題，可以隨時隨地呼叫各地甚全球范圍內的專家來進行遠程的支持；當設備修好之后，恢復到原先的工作狀態(tài)，可以通過在線的數(shù)據(jù)，來對它進行校驗是不是真的修好了，通過數(shù)據(jù)終形成閉環(huán)。
智能運維有三個“一”為核心：一個平臺，一個專家系統(tǒng)，以及一個標準化體系。
首先，一個平臺。該平臺更多是為整個設備管理相關的人員，包括生態(tài)合作伙伴等，提供了一個共同的信息共享平臺、溝通交流平臺、協(xié)同工作平臺。同時，基于這個平臺，還能夠對不同的基地，同類的產(chǎn)線或設備進行綜合的比較、分析，去尋找進一步改進優(yōu)化的空間。
再者，一個專家系統(tǒng)。專家系統(tǒng)是一個人機結合的系統(tǒng)，一方面人腦中的經(jīng)驗、知識與智慧轉化為計算機可以自動識別判斷的語言，另一方面，基于我們現(xiàn)有的認知，這個轉化還會持續(xù)很長一段時間，所以也需要人去對一些疑難雜癥進行處理。
后是一個標準化體系。工業(yè)是一個很嚴謹、很嚴苛的業(yè)態(tài)，工業(yè)的基礎都是源于上千年以來人對形成產(chǎn)品價值創(chuàng)造這個過程的經(jīng)驗知識的固化，所有的管理基礎都是基于標準化，數(shù)字化、智能化更要基于標準化；通過標準化，不斷地去固化我們行業(yè)的管理運行經(jīng)驗，讓企業(yè)運營不斷地迭代和升級。
客觀地說，在目前這個階段，不少企業(yè)的標準化實際上還是停留在紙面化的階段。但是，不管是現(xiàn)在還是未來，工業(yè)互聯(lián)網(wǎng)和大數(shù)據(jù)融合必須要完成向數(shù)字化的跨越，這必將是一個比較漫長的過程，因為知識的轉化、數(shù)字化是需要大量的人力、物力、時間的投入。
在我們已經(jīng)搭建的、面向全寶武的設備智能運維平臺上，它的架構與我們講的工業(yè)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)沒有本質性的差異，基本原理都是怎么去拿到數(shù)據(jù)，怎么去分析數(shù)據(jù)，怎么把這些數(shù)據(jù)的應用去和我們管理的需求、跟我們運營的需求結合起來，呈現(xiàn)出價值。
為什么我們要強調標準化體系？
以電機維修為例，同樣的一臺電機，不同基地、不同隊伍干出來可能就是不一樣。這時候，如果能夠把維護維修都標準化，一步一步規(guī)定清楚，每一步你做什么，需要用什么東西，要達到什么樣的質量標準，這樣就有可能：十大基地不管是什么電機出問題，不管誰來修，后的進度、投入和質量都是一樣的。這樣做的目的是：讓服務能夠擺脫地域、時間、經(jīng)驗等因素的限制，本質上是為了能在整個廣域范圍內促進相關資源在同一標準下的高度協(xié)同。
另外說到新技術的應用，從感知的角度，這幾年也用了很多的方法，比如各種有線和無線的傳感器，NB-iot、5G，以及光纖感音、視覺識別技術，還有巡檢機器人的應用等。
從認知的角度，我們整體是沿著模型和大數(shù)據(jù)兩個維度，其中，對于大數(shù)據(jù)的探索還需要一個過程。目前在工業(yè)場景里面，我們基于大數(shù)據(jù)的應用，實際上很難找到一種通用的方法、通用的框架，一勞永逸地解決我們所面對的所有問題，所以我們要針對每一個細分場景投入足夠的資源，用相當長的時間才能去解決一個問題。
比如對于電機絕緣失效這樣一個瞬間突發(fā)故障，我們花了一年多的時間去積累數(shù)據(jù)，然后去建立相應的模型并進行訓練，目前為止只能算是小有成就，能夠做到平均提前10分鐘以上預警，長的可以提前一個月?？上攵?，這樣一個細微問題的應用，在工業(yè)領域里都需要投入足夠的精力消耗大量的資源去解決。我們更多地是以機理為主，以大數(shù)據(jù)的模型與它進行交叉驗證，相互補充，逐步提高模型的準確性、有效性，這是我們目前所采用的一種方法。
面向移動端的應用，包括AR、VR我們也都有具體的探索和應用。
總體上，寶武裝備從2014年開始智能運維的嘗試，認識也是在從監(jiān)控、到診斷、再到今天的智能運維不斷深化。尤其是從今年上半年開始，整個中國寶武在全方位推進智慧制造，智能運維的步伐也在加速。現(xiàn)在，寶武沿著四條線推進智慧制造：
*作室一律集控。其終目的是實現(xiàn)異地*控或者是全球的產(chǎn)線。
*作崗位一律機器人。盡管鋼鐵工業(yè)已經(jīng)是一個高度自動化的行業(yè)，但還是有20%左右*作還是靠人，我們通過機器人去替代，是高風險、高污染、高負荷的“三高”崗位。
運維一律遠程。也就是寶武裝備所聚焦的智能運維。
服務一律在線。圍繞著產(chǎn)業(yè)鏈上下游的協(xié)同等。
從我們智能運維的角度來說，還有很多的問題需要解決，希望跟現(xiàn)場的伙伴進行分享，比如5G技術、新型傳感器、大數(shù)據(jù)、人工智能等。
5G如何將通信模組與相應的智能生態(tài)結合起來，盡快投入到工業(yè)實踐中去； 無線MEMS傳感器，不管是4G、5G，亦或其他通訊，怎樣匹配你的數(shù)據(jù)采集傳輸策略和功耗之間的關系，讓他用的更久一些；
大數(shù)據(jù)，視覺識別等，我們當然希望能夠有一種相對通用的方法和框架，技術門檻，從某種程度上加速我們開展數(shù)據(jù)分析的過程，這也是一個關鍵。
后，說一點自身的感受：工業(yè)領域的智能化應用要想真正地落地生根，一定是工業(yè)領域的企業(yè)、新的物聯(lián)網(wǎng)企業(yè)，以及互聯(lián)網(wǎng)企業(yè)一起協(xié)作起來，所以中國寶武要打造鋼鐵生態(tài)圈，寶武裝備也要打造配套的智能運維子生態(tài)。因此，從這個角度，我*期望一些跨界的伙伴，尤其是有好的技術、好的產(chǎn)品的朋友來跟我們做一個結合，加入我們的生態(tài)圈，讓大家的技術與創(chuàng)意在工業(yè)領域發(fā)揮出更大的價值，創(chuàng)造出更大的貢獻。謝謝大家！
郵箱：15236061639@163.com
QQ：60298351
微信：a18137798589
1.需求背景1）建立覆蓋加工車間的分布式控制網(wǎng)絡，實現(xiàn)NC程序的有效調用、穩(wěn)定有效傳輸和在線加工等，
上周《2025年國產(chǎn)智能機器人企業(yè)競爭力報告》（瞭望財經(jīng)快思慢想研究院）突然刷屏朋友圈。這份報告直接
汽車行業(yè)與人形機器人產(chǎn)業(yè)的協(xié)同發(fā)展確實正在形成一條高潛力的產(chǎn)業(yè)鏈，兩者的技術共享、供應鏈整合和市場聯(lián)
