Saltar al contenido

La IA todavía tiene mucho que aprender sobre los humanos en la industria del gas natural y el petróleo

13 de febrero de 2022

La inteligencia artificial (IA), que el gigante tecnológico Microsoft Corp. define como “cualquier técnica que permita a las computadoras imitar la inteligencia humana”, se enmarca de lleno en la transformación digital.

Las empresas de exploración y producción (E&P) y de servicios petroleros (OFS) han estado adoptando la digitalización durante años, y no se espera que el impulso disminuya en el corto plazo.

En un estudio reciente, la firma de investigación de mercado de tecnología global ABI Research predijo que las compañías de gas natural y petróleo gastarían $ 15.6 mil millones en «tecnologías de transformación digital» para 2030.

“El papel de la tecnología está evolucionando desde ayudar a las empresas de petróleo y gas a monitorear sus operaciones grandes, complejas y peligrosas, a ayudarlas a optimizar sus instalaciones para manejar la volatilidad en sus entornos operativos”, dijo Michael Lerner, analista principal industrial y de fabricación de ABI.

Lerner marcó para NGI una lista de formas en que las empresas de E&P y OFS utilizan la IA.

“Para mantener seguros a los trabajadores y al personal, evitar fugas y aumentar los rendimientos, las empresas de petróleo y gas invierten en tecnologías para analizar y monitorear sus operaciones, como sus bocas de pozo o perforaciones, implementan sensores para informar sobre el estado de tuberías y oleoductos, y las operaciones centros para mantenerse evaluados”, dijo Lerner.

Lerner agregó que las empresas usan IA para monitorear la geología local para comprender el alcance de las reservas y los operadores para monitorear la actividad sísmica local. Por ejemplo, BP plc y ExxonMobil han demostrado su destreza en ese sentido. Meg Energy Corp., con sede en Canadá, también está aplicando IA y está utilizando la tecnología para optimizar la producción en sus instalaciones de Christina Lake.

“Los operadores también deben monitorear de manera proactiva las condiciones locales bajo tierra y otro aspecto que requiere un monitoreo continuo es el clima para que puedan cerrar las instalaciones y evacuar al personal”, dijo Lerner.

Ted Wilson, jefe de desarrollo de negocios de energía de la firma de tecnología de la información digital SoftServe, dijo a NGI que los E&P también están utilizando IA para optimizar la producción, automatizar los sistemas de control, respaldar la seguridad de los trabajadores y monitorear las emisiones y la huella de carbono de la cadena de suministro.

Recomendado:  Elsevier y Pending.AI colaboran en la herramienta de retrosíntesis química impulsada por la IA

[Special Edition: Download “ESG Reshapes the Natural Gas Pricing & Investment Landscape” now, and access NGI’s extensive coverage of where the market is headed in 2022 and beyond.]

Cuando se le preguntó dónde ve la mayor necesidad de implementación de IA en las operaciones de E&P y OFS, Lerner dijo que un área está utilizando el análisis de datos para medir los riesgos y ejecutar planes de escenarios para el monitoreo de la condición de la cabeza del pozo.

“Históricamente, los operadores se mudaban a otra ubicación una vez que la productividad de un sitio comenzaba a depreciarse”, dijo. “Dado que las nuevas fuentes a menudo se ubican en entornos desafiantes, como mucho más profundo bajo el mar, los operadores están invirtiendo en análisis para modelar sus reservorios activos para comprender cómo pueden aumentar los niveles de rendimiento”.

En la industria de los oleoductos, «los operadores con activos en ubicaciones lejanas están buscando tecnologías digitales para realizar un monitoreo remoto», agregó Lerner.

AI ofrece a las empresas de petróleo y gas posibilidades adicionales además de automatizar y mejorar la seguridad de los trabajadores y reducir los gastos operativos, señaló Wilson.

Dijo que «hay una gran oportunidad en el mercado para la IA, que es que las empresas entiendan dónde un sistema basado en IA puede realmente aumentar la inteligencia y crear áreas de optimización donde los humanos simplemente no pueden desempeñarse tan bien o tan rápido».

Por ejemplo, Wilson señaló que los sistemas basados ​​en aprendizaje automático (ML) ayudan a los geólogos y geofísicos a interpretar volúmenes masivos de datos sísmicos. Además, dijo que la tecnología ML podría ayudar a un E&P a aumentar la producción del pozo al capacitarse para optimizar los parámetros de producción en función de variables como los datos del equipo, la producción y la temperatura.

Recomendado:  Cómo el campamento de entrenamiento de IA de Levi's hace crecer el talento en ciencia de datos - WWD

¿Qué pasa con los factores humanos?

Comportarse de una manera más humana es una búsqueda continua de una subdisciplina de IA llamada IA ​​cognitiva.

Mike Krause, de la firma de software Beyond Limits, le dijo a NGI que la IA cognitiva implica hacer diagnósticos o predicciones con IA que se basan en el conocimiento institucional acumulado.

Krause, el gerente senior de soluciones de IA de la compañía, dijo que la IA cognitiva agrega «explicabilidad a los resultados de la IA de una manera que es significativa para las personas». Agregó que la subespecialidad se refiere a “la inclusión del conocimiento en un marco de IA”.

En un nivel relativamente básico, un ejemplo de IA cognitiva sería usar un algoritmo de reconocimiento de imágenes para permitir que la IA identifique una señal de alto, dijo Krause. Un ejemplo de inteligencia artificial cognitiva en la industria del petróleo y el gas sería la tecnología de codificación para reconocer un pozo, agregó.

“Le asigno atributos como revestimiento, perforación… todo el hardware en un pozo”, y luego varias otras “capas de explicación” de información, dijo. “Una vez que agrega capas a la vista cognitiva, realmente expande las posibilidades”.

Krause subrayó la importancia de los detalles granulares, particularmente en una aplicación de IA industrial que recomienda, por ejemplo, cómo cambiar el flujo de trabajo de una fábrica o cómo perforar un pozo multimillonario.

“Quiero saber por qué, y quiero asegurarme de que esa recomendación se base en algo real y que tenga sentido”, dijo.

La IA cognitiva se basa más en el conocimiento que en los datos, pero Krause dijo que todavía depende de capturar «esa información, o ese conocimiento, en primer lugar en un sistema que luego puede ser aprovechado por un amplio conjunto de usuarios en toda la organización».

Recomendado:  Derivados de orden superior

Si bien la implementación de IA puede ayudar a optimizar las operaciones de una empresa de E&P u OFS, también presenta problemas legales y éticos, dijo a NGI el abogado de propiedad intelectual (PI), Terrell Miller, socio de la firma de abogados Foley & Lardner.

“Por ejemplo, la pérdida de empleos y la moral de la fuerza laboral son dos problemas éticos que pueden surgir cuando la IA se implementa de una manera que puede reemplazar a los empleados humanos”, dijo.

Wilson, sin embargo, dijo que el «elemento humano» a menudo es un ingrediente clave para que las implementaciones de IA tengan éxito.

“Por ejemplo, muchas de nuestras mejores soluciones de ML han requerido una gran experiencia en la materia por parte de ingenieros de pozos, profesionales de operaciones y geocientíficos para tener éxito”, dijo. «Los datos por sí solos a veces son impotentes si no se combinan con el conocimiento del dominio de los expertos humanos que conocen los patrones detrás de ellos».

La dependencia de los datos, a su vez, puede crear otros problemas, dijo Miller.

Desde una perspectiva legal, la naturaleza «basada en gran medida en datos» de los sistemas de inteligencia artificial conlleva problemas potenciales relacionados con la ciberseguridad y la confiabilidad de los datos, dijo.

Debido a que muchos sistemas de IA están sujetos a protecciones de propiedad intelectual, su uso «en la industria del petróleo y el gas conlleva preocupaciones muy reales de infracción de propiedad intelectual de terceros, como la infracción de patentes», dijo Miller. “Como tal, es importante autorizar cualquier uso de los sistemas de IA contra la propiedad intelectual registrada existente o de terceros”.

De lo contrario, “las empresas se exponen a un mayor riesgo de patentes u otros litigios de propiedad intelectual, que pueden conllevar una exposición de responsabilidad significativa”, dijo.