L’applicazione dell’Intelligenza Artificiale al settore Oil & Gas promette di accelerare il percorso di evoluzione e di trasformazione in tanti ambiti, dalla gestione dell’inventario al procurement, dalla manutenzione all’insieme delle operations. Il settore si sta peraltro muovendo in modo deciso in questa direzione se si pensa che il 92% delle aziende nel settore Oil & Gas a livello mondiale sta investendo nell’Artificial Intelligence o comunque ha in programma di affrontare questi investimenti nei prossimi 5 anni come rileva la ricerca Applying AI in Oil and Gas di Ernst & Young. Nello stesso tempo va osservato che il 50% dei dirigenti in questo ambito dichiara ha iniziato ad utilizzare l’Intelligenza Artificiale per affrontare una serie di tematiche organizzative. Un’altra ricerca, questa volta del World Economic Forum indica invece che nell’arco temporale del 2025 l’adozione di Intelligenza Artificiale potrebbe portare il settore Oil & Gas a ottenere risparmi nell’ordine del 10-20%.
Con questo articolo si intende affrontare il il ruolo che l’intelligenza artificiale può svolgere nel settore dell’Oil & Gas per l’ottimizzazione dei processi aziendali critici, per l’integrazione delle strategie di inventario, per il procurement e per la manutenzione, eliminando i silos di dati.
Indice degli argomenti
Il ruolo della governance dei dati master
Gli enormi investimenti del settore, in particolare per le attività di perforazione, esplorazione e produzione si devono confrontare con le difficoltà di contare su valide e pianificazioni. Un problema che ha la sua origine nelle difficoltà di impostare e attuare una valida governance dei dati master.
I cataloghi dei dati master descrivono i dettagli dei pozzi, degli impianti di produzione, dei magazzini e dell’inventario, oltre agli asset e ai dati che li identificano. Si tratta di un catalogo globale che può contenere da 2 a 3 milioni di articoli, con un valore di inventario di 3-4 miliardi di dollari. La gestione di questi dati master è indubbiamente cruciale per mantenere l’integrità del sistema e facilitare processi aziendali e analitici efficienti. Ma si tratta di un valore che per quanto importante risulta spesso trascurato nel settore. Il problema è poi amplificato dalla dispersione delle informazioni tra diverse unità aziendali. Ci si deve infatti confrontare con situazioni in cui ogni entità o regione ha adottato i propri processi e la propria nomenclatura, in uno scenario che aumenta il rischio di formati incoerenti, di possibili duplicazioni di dati o per altri versi di informazioni mancanti.
La manutenzione dei pozzi nello stesso tempo è tipicamente gestita a livello regionale, con forme di procurement dei ricambi gestite localmente e con la mancanza di una pianificazione a livello di flotta per le parti critiche in magazzino. Le capacità di analisi dati abilitate dall’intelligenza artificiale di IFS sono nella condizione di aiutare rapidamente a standardizzare le convenzioni di denominazione dei componenti, fornendo una visione globale e olistica dei dati di inventario. In particolare, le funzionalità di IFS.ai permettono di estrarre autonomamente i dati e in questo modo gli utenti sono nella condizione di sfruttare gli insight al momento giusto per un miglioramento continuo.
In questa situazione è possibile garantire anche lo stato di salute degli asset, si possono mettere in relazione i dati storici relativi a temperatura di esercizio, pressione e manutenzione ad esempio con gli insight di produzione, e si possono individuare gli asset più critici in termini di tempi di attività con un aiuto concreto per la definizione delle condizioni di manutenzione più appropriate in funzione delle condizioni.
Come aumentare il potere d’acquisto
Con l’AI-analysis è possibile disporre di una visione globale dei requisiti delle parti critiche con informazioni e insight che permettono di aumentare il potere d’acquisto. Le aziende possono, ad esempio, assicurarsi componenti sufficienti per tutti i siti gestendo un’unica transazione d’ordine, con la possibilità di massimizzare gli sconti sul volume prima di spedirli agli hub regionali. Se si pensa che è possibile gestire un risparmio del 10 o 15% su una spesa di inventario globale di 5-6 milioni di dollari si può comprendere che si tratta di un vantaggio certamente molto rilevante. Una metodologia poi che elimina i costi relativi all’emissione di più ordini di acquisto regionali,. Un altro aspetto da considerare anche sulla base di un riferimento di 150-175 dollari per ordine. Se poi si arriva a una chiara e precisa comprensione delle esigenze, gli acquisti annuali globali, a condizioni preconcordate con fornitori selezionati. possono essere impostati in forma automatica, con ulteriori forme di efficienza.
Le aziende di servizi e manutenzione che scelgono di adottare l’Intelligenza Artificiale sono nella condizione di analizzare l’utilizzo effettivo dei componenti in scenari operativi simili. Con questa impostazione possono disporre di informazioni per lo stoccaggio molto più precise riducendo in modo significativo le scorte di magazzino e i costi.
L’Intelligenza artificiale nell’esplorazione
Nell’ambito dei progetti di campagna di perforazione offshore è richiesta una vasta fornitura di tubazioni specializzate (tubolari per giacimenti petroliferi) e di ricambi di perforazione in magazzino. In questi casi si parla di scorte del valore di trilioni di dollari, ma la mancanza di visibilità o di un’analisi olistica e completa delle scorte di ricambi di perforazione esistenti, il potenziale risparmio che si potrebbe ottenere grazie al reimpiego non viene preso in considerazione nell’avvio di un nuovo progetto.
L’intelligenza artificiale in questi casi permette di analizzare i ricambi di perforazione e le scorte di magazzino e contente di capire se e come possono corrispondere ai requisiti di un nuovo progetto. AI e ML permettono di effettuare analisi dei costi per determinare se sia più conveniente trasferire le scorte esistenti o acquistarne di nuove. Ancora una volta, l’AI abilita una migliore pianificazione delle catene di fornitura per raggiungere in modo efficiente gli obiettivi di produzione.
L’applicazione dell’Artificial Intelligence nelle operation e nella manutenzione rappresenta poi anche un asset per attuare forme di produzione sostenibile. Normalmente i giacimenti producono sia gas naturale sia petrolio, e il controllo dell’equilibrio durante l’estrazione è di importanza fondamentale. L’intelligenza artificiale può essere di aiuto nella previsione e pianificazione di queste decisioni strategiche di estrazione.
Nel caso dei pozzi terrestri, i serbatoi di acqua e di sostanze chimiche devono essere svuotati regolarmente per evitare il flaring in caso di sovrapproduzione di gas. Utilizzando gli strumenti di pianificazione, la programmazione e l’ottimizzazione di IFS Cloud, insieme ai dati GPS, le raccolte dei camion dell’acqua possono ad esempio essere programmate e dirette prioritariamente ai pozzi più produttivi, in base alle esigenze in tempo reale.
L’intelligenza artificiale consente a società di esplorazione e produzione e appaltatori di perforazione di acquisire una visione completa e olistica delle proprie operazioni. Eliminando i silos, l’AI promette di ottimizzare il potere d’acquisto e le strategie di stoccaggio, garantendo al contempo tempi di attività e produttività massimi.
