أخبار ar.wedoany.com، أظهرت أربع حالات نشر في حقول نفط تقع في أحواض مختلفة وتستخدم طرق رفع اصطناعي متنوعة، أن الحوسبة الطرفية ومنصة إنترنت الأشياء الصناعية قادرة على أتمتة وتحسين عمليات الإنتاج. تشمل هذه الحالات حوض أورينتي في منطقة الأمازون بالإكوادور (IPTC 25145)، وحوض بيرميان في تكساس (SPE 216829)، وحوض ويليستون في باكن (SPE 222618)، وحوض هاينسفيل في لويزيانا (SPE 229390)، وتتضمن أنواعًا متعددة مثل المضخات الكهربائية الغاطسة (ESP)، والرفع بالغاز، ومضخات قضيب المصاصة (SRP)، والآبار الغازية المتقطعة.
في منطقة الأمازون بالإكوادور، واجه حقل نفطي قديم ناضج يستخدم آبار ESP قيودًا متعددة: عدم توفر منصة إصلاح دائمة للتدخل، وموقع الحقل في غابة نائية تبعد أكثر من 100 كيلومتر عن أقرب مدينة، ونقص في القوى العاملة مما يستلزم أن يكون مشغل واحد مسؤولاً عن أكثر من 60 بئرًا. أدى التشغيل اليدوي التقليدي إلى تعريض العمال لمخاطر الضغط العالي ودرجات الحرارة المرتفعة والمخاطر الكهربائية، كما تسبب التأخر في اكتشاف الحالات الشاذة في أعطال متكررة للمضخات الكهربائية الغاطسة وفقدان في الإنتاج. في حوض بيرميان، واجه المشغلون الذين يديرون آبار الرفع بالغاز الأفقية غير التقليدية صعوبات في تحسين معدل حقن الغاز، حيث لم تتمكن النماذج التقليدية القائمة على المحاكاة من مواكبة ظروف التدفق السدادي الشديد والتغيرات السريعة. في باكن، عانت آبار مضخات قضيب المصاصة من دورات تشغيل مفرطة، حيث توقفت بعض الآبار بمعدل ست مرات يوميًا، وافتقر المشغلون إلى التشخيص الفوري للتمييز بين تداخل الغاز، والصدمات السائلة، وأحداث التلامس (tagging events). في حوض هاينسفيل، واجهت الآبار الغازية المتقطعة التي تُدار عبر دورات إغلاق يدوية أو تقويمية مشاكل في تصريف السوائل بشكل غير فعال، وزيادة في وقت التوقف، وتدخلات بشرية متكررة.
تشترك جميع حالات النشر الأربع في نفس البنية الأساسية: تركيب أجهزة حوسبة طرفية معززة في موقع البئر لاستقبال بيانات عالية التردد من أجهزة الاستشعار وتنفيذ التحليلات محليًا، مما يتيح التحكم في حلقة مغلقة بزمن استجابة أقل من الثانية (الشكل 1). يتم فقط نقل الملخصات والتنبيهات المعالجة مسبقًا إلى السحابة، مما يقلل حجم البيانات المنقولة بنسبة تتراوح بين 85% و95% مقارنة بتدفق بيانات الاستشعار الخام (SPE 202252, SPE 201411).
في منطقة الأمازون، قام تطبيق المشغل الآلي للآبار (AWO) الطرفي بدمج أربعة مسارات عمل: المراقبة الذكية للإنتاج، والحقن الذكي للمواد الكيميائية، واختبار الآبار الذكي، والمعدات السطحية الذكية، والتي تم تجميعها في واجهة توأم رقمي واحدة تدعم التشغيل عن بُعد والمستقل لمضخات ESP، والحقن الكيميائي، واختبار الآبار الآلي القائم على التعلم الآلي. في حوض بيرميان، يعمل تطبيق تحسين الرفع بالغاز المعتمد على البيانات مباشرة على جهاز بوابة إنترنت الأشياء الصناعي، حيث يقوم بتحسين الأداء من خلال اختبار نقاط ضبط معدل الحقن بشكل متكرر وتنفيذ تحكم في حلقة مغلقة، دون الحاجة إلى نموذج بئر أو موظفين في الموقع. في باكن، يجمع مسار العمل الطرفي بين تصنيف مخططات قضيب المصاصة القائم على التعلم الآلي وخوارزميات تخفيف الدورة السريعة وخوارزميات تحسين الإنتاج، والتي تعمل بشكل مستقل ومتعاون على البوابة الطرفية. في حوض هاينسفيل، يجمع تطبيق تفريغ السوائل المستقل بين حساب السرعة الحرجة القائم على الفيزياء والتنبؤ بمدة الإغلاق المعتمد على التعلم الآلي، للتحكم ديناميكيًا في مشغل الخنق دون تدخل بشري.
بعد 17 شهرًا من التشغيل المستمر لتطبيق AWO، حقق النشر في منطقة الأمازون بالإكوادور زيادة في الإنتاج بنسبة 6%، بإجمالي تراكمي قدره 22,300 برميل من النفط. انخفض مؤشر أعطال مضخات ESP من 0.5 إلى 0.26، مما حال دون الحاجة إلى عملية إصلاح رئيسية واحدة على الأقل. انخفضت مدة اختبار البئر من 10 ساعات إلى 4 ساعات (بانخفاض 60%)، وبلغت دقة القياس 95%. تحسنت كفاءة المشغل بنسبة 80%، وتم تجنب انبعاث 26 طنًا من ثاني أكسيد الكربون من خلال تقليل التنقلات الميدانية. في حوض بيرميان، تم نشر تطبيق تحسين الرفع بالغاز المعتمد على البيانات على 8 آبار رفع بالغاز أفقية غير تقليدية. في وضع التحسين لبئر واحدة، تفوقت الآبار المرشحة على الآبار المدارة يدويًا بنسبة 5%؛ وفي التحسين متعدد الآبار لمجموعة من ثلاث آبار، تراوحت زيادة الإنتاج من 5% إلى 25%، حيث حقق بئر كان أداؤه ضعيفًا سابقًا قفزة في الإنتاج بنحو 20% في دورة تحسين واحدة، مع تنفيذ مسار العمل بالكامل بشكل مستقل. في باكن، أظهرت تجربة على 8 آبار SRP أن مجموعة مسارات العمل المكونة من تصنيف التعلم الآلي، وتخفيف الدورة السريعة، وتحسين الإنتاج، حققت، مع الحد الأدنى من التدخل البشري، زيادة متوسطة في الإنتاج المستنتج بنسبة 15%، وزيادة في وقت التشغيل بنسبة 3%، وانخفاضًا في دورات المضخة بنسبة 29% (من خلال الحفاظ على درجة الامتلاء المثلى للمضخة). في بئر واحدة، ومن خلال التحسين المنهجي لسرعة محرك التردد المتغير (VFD)، انخفض عدد مرات التوقف اليومي من متوسط 6 مرات إلى مرة واحدة. في حوض هاينسفيل، بعد نشر تطبيق تفريغ السوائل المستقل على 9 آبار غازية متقطعة في 8 مواقع، تراوحت فترة التحسين بين 63 و83 يومًا، وزاد إنتاج الغاز التراكمي بنسبة تتراوح بين 70% و139% (الشكل 2 والجدول 1)، وبلغت الزيادة اليومية في الإنتاج ما يصل إلى 350 ألف قدم مكعب قياسي في اليوم، ويقدر التحليل أن كل بئر يمكن أن تحقق زيادة سنوية إضافية تزيد عن 80 مليون قدم مكعب قياسي.
النتائج المتسقة التي تم تحقيقها في أربع بيئات تشغيلية مختلفة (تتضمن طرق رفع اصطناعي متنوعة، وجغرافيا، واتصالاً، ونضجًا تنظيميًا) تؤكد إمكانات بنية الحوسبة الطرفية لإنترنت الأشياء الصناعي كمنصة واسعة التطبيق. في كل حالة، أثبتت قدرة الجهاز الطرفي على تنفيذ التحكم في حلقة مغلقة محليًا أهميتها الحاسمة، مثل الاستجابة لشذوذ مخطط قضيب المصاصة في غضون ساعة في باكن، أو الحفاظ على دورات الآبار المستقلة لأسابيع دون الحاجة إلى اتصال سحابي في هاينسفيل. تُظهر هذه التطبيقات أن الحوسبة الطرفية، من خلال دمج النماذج القائمة على الفيزياء مع التحليلات المعتمدة على البيانات، قادرة على تمكين مسارات العمل المستقلة للتحسين. تدعم البنية المعيارية التوسع الأفقي: صُمم إطار عمل AWO في الأمازون للتكرار في المزيد من مواقع الآبار مع الحد الأدنى من التوسع في الأجهزة؛ ويمكن نشر حل هاينسفيل في حاويات دون الحاجة إلى تعديل نظام SCADA.
قراءات إضافية: SPE 216829 "طريقة قوية لتحسين الرفع بالغاز المعتمد على البيانات"، للمؤلفين أ. جامباريتو وك. رشيد، SLB؛ IPTC 25145 "المشغل الآلي للآبار – AWO: مستقبل عمليات الإنتاج"، للمؤلفين س. غوايغوا، ه. كيفيدو، ل. بوستامانتي وآخرين، SLB؛ SPE 202252 "الحوسبة الطرفية: منصة قوية ومرنة للتحول الرقمي في إدارة حقول النفط"، للمؤلفين أ. شارما، ب. صموئيل، د. غوبتا وآخرين، SLB؛ SPE 201411 "الحوسبة الطرفية: المراقبة المستمرة وإدارة عمليات الإنتاج بطريقة فعالة من حيث التكلفة"، للمؤلفين أ. شارما، ب. صموئيل، ج.م. غاي وآخرين، SLB؛ SPE 222618 "تعزيز خوارزمية تحسين إنتاج SRP القائمة على الحوسبة الطرفية باستخدام تخفيف الدورة السريعة"، للمؤلفين ز. حيدر، م. يرميكوفا، س. كيمب وآخرين، SLB؛ SPE 229390 "تطبيق إنترنت الأشياء الصناعي الذكي لتفريغ السوائل في آبار الغاز في حوض هاينسفيل"، للمؤلفين أ. جامباريتو، س. كيمب، ر. مارين نونيز وآخرين، SLB.
أكشاي دهافال (عضو في SPE) هو بطل المنتج (product champion) لـ Agora Edge AI في مكتب SLB في هيوستن. يقود تطوير ونشر الحلول الطرفية لعمليات الآبار والمرافق (بما في ذلك الرفع الاصطناعي، وضمان التدفق، وأنظمة السلامة لأصول الطاقة). تحت قيادته، تم نشر Agora Edge AI عالميًا، ليشمل جنوب شرق آسيا وغرب إفريقيا والأمريكتين. يتمتع دهافال بأكثر من 16 عامًا من الخبرة في صناعة البرمجيات، حيث تدرج من مطور رئيسي إلى مهندس حلول، ومدير مشاريع، وصولاً إلى منصبه الحالي، مما أكسبه عمقًا في كامل حزمة المنتج بدءًا من هندسة النظم وصولاً إلى استراتيجية السوق. وهو مساهم نشط في SPE، حيث نشر أوراقًا بحثية محكمة في مؤتمرات حول التحسين المستقل للآبار وتقنيات الإنتاج الطرفية. يمتلك 4 براءات اختراع أمريكية (واحدة ممنوحة و3 قيد الانتظار)، بالإضافة إلى درجة الماجستير في هندسة الكمبيوتر من جامعة بونا في الهند.
زشان حيدر هو بطل المنتج (product champion) لمجموعة Agora Edge AI في مكتب SLB في هيوستن، ويقود تطوير الحلول الطرفية لأصول الطاقة (بما في ذلك الرفع الاصطناعي، وضمان التدفق، والسلامة لعمليات الآبار والمرافق). يتمتع بأكثر من 25 عامًا من الخبرة في صناعة النفط والغاز، حيث تشمل مسيرته المهنية هندسة الإنتاج، والعمليات، وتطوير الحلول الرقمية لدى مشغلين محليين ودوليين وشركات خدمات. تشمل خبرته مجموعة واسعة من تقنيات تحسين الإنتاج، وخاصة أنظمة الرفع الاصطناعي، مع التركيز على دمج التحليلات المتقدمة والتعلم الآلي والحوسبة الطرفية في العمليات الميدانية. نشر حيدر العديد من أوراق SPE حول التحسين المستقل وتقنيات الإنتاج الطرفية. حاصل على درجة البكالوريوس في الهندسة الكيميائية من جامعة تكساس إي آند إم ودرجة الماجستير في إدارة الأعمال من جامعة كالغاري.
