旗下微信矩阵:

油井里的「大数据」,如何成为真正的资产

站在2022年,相比于早已将数据作为核心资产的科技行业,石油勘探与采集领域的“大数据”才刚刚开始。
2022-03-10 15:57 · 36氪  李怡彭   
   

作为人类最重要的能量源,石油勘探开发是对计算和数据要求最高的行业之一。

六十年前的大庆,为了分析石油的地下分布,建设者们从地下11400米取出岩心,分析化验多达160万块次,地层对比超1744万次。

现在,石油勘探用上了震源车,重击大地制造人工地震,单次产生上百TB的地震波数据。采集、分析、和处理数据是“找油”的关键。

为了分析地下石油分布,原国家地质矿产部(后改组归入国土资源部)下属计算所,在二十余年前即拥有着北京前二的计算机算力,仅次于气象分析部门。

但站在2022年,相比于早已将数据作为核心资产的科技行业,石油勘探与采集领域的“大数据”才刚刚开始。

难采的数据

在数字化的大趋势下,数据已经成为最重要的资产,甚至有学者认为,未来一切企业都是数据公司。但在更“重”的石油勘探开发领域,数字化并不容易。

数据采集困难

油井与抽油机并不会自动产生数据,像互联网公司一样自动获得数据、为用户画像是几乎不可能的任务。在偏远难走的油田区,石油工人要花一天时间巡检负责的油井,检查设备状态、手工记录油井与抽油机的状态。

开采的超高复杂度,也为数字化带来挑战。根据中石化华北石油局2017年公布的ERP部署进展,石油开采不同环节日常上报的报表多达55份:钻井专业10类、测井专业1类、录井专业25类、井下作业8类、采油气专业3类、油气集输专业8类。

数据工具平台匮乏

手工采集之后,数据录入都因过于复杂而成了技术活儿,许多油田都设有专人负责生产数据的统计与录入。2021年夏天,天津大港油田信息中心曾专门开展数据录入竞赛,以部门比拼的形式提升录入能力。

数据分散建设,结构和标准不统一

建设时间、地质条件和地域因素不同,各个油田有着各自不同的管理方式。数据采集要求不同、统计口径各异,使得将不同油田的数据汇总分析几乎是不可能的任务。

数据分析能力薄弱,价值无法发挥

勘探数据的特殊性即使是在移动互联网开始普及的2014年,绝大部分生产数据的汇报,都停留在Word、Excel或PPT的形式提交和管理。即便使用现在习以为常的大数据分析技术,面对油田经营生产中产生的大量且繁杂的数据,也无能为力进行数据的高效汇聚、治理、共享交换等一系列的管理和应用。因此尽管有着极大的数据量,石油管理者们能看到的大多是基于财务视角的各类报表,无法为生产、勘探和石化研究提供决策支持和业务提升。

数据孤岛,数据拉通困难重重

此前,某石油集团曾邀请知名科学家协助研究,提升油田开采效率。但最初提供的油井数据只有8口,多方协调后才拿到200余口。

在开采石油的行业,数据成了更难被开采的原油。

十一年磨出的数据互联

尽管数据采集艰难,石油开采的信息化建设与其它行业一样在2000年后开始了快速建设。只是庞大的规模、分散的地理位置和极长的产业链条,使得信息化系统的应用也分散在了各个分公司、油田和科室。

这样的建设模式,让各业务单元能够灵活建设最适合自己的系统,实现高效的单点提升。但其带来的兼容问题,却使得全局层面上的效率很难进化。

独立建设的系统互不联通,长期以来,油田、分公司与集团间的数据交互只能以最通用的Excel进行。但这样的形式,无疑让数据的合并、纠错和分析成为工作量黑洞。各系统数据形成了孤岛,这就导致小到数据格式无法互相读取,大到数据开发管理低效复杂,更无法实现数据的自如应用。

为了解决这一问题,石油系统内外的IT人在十余年前开始了探索。2008年,江苏油田立项研发“勘探开发一体化数据中心及集成平台EDIBC”,试图将物探、地质研究、钻井、测井、录井、井下作业、采油、集输、生产调度、决策辅助等环节的数据统归入一个平台,并以符合石化行业规范的方式完成数据的采集、管理与流转。

这可能是*个将石油勘探开发的所有领域数据联通在一起,并面向生产进行数据采集、分析和业务联动的系统。

2014年,科技部组织倪光南院士领衔的专家团对EDIBC进行了评审,给予了极高评价。次年,中石化集团就决定推广这一成果,以EDIBC为基础建设具有自主知识产权的勘探开发业务管控平台EPBP。

数十万口油井的生产数据开始有了统一的数据规范和管理平台,至2019年,EPBP完成了在中石化石油勘探开采领域的全覆盖。最“重”的石油化工上游,用11年的时间完成了数据维度上的“车同轨、书同文”。

尽管EPBP的部署花费了整整四年 ,却并不能定义为“慢”。曾为石化行业提供IT服务的软件商王一(化名)告诉36kr,一套系统能够将地质情况各异、管理方式不完全一样的不同油田在数据层面打通,已是相当了不起的成就。

“原油开采不是互联网,不管什么系统,首先一条是不能影响生产。”王一说,“新系统背后是新的工作流程,包括日常管理方式的变化,这都不是短期能够完成的。”

协同平台的部署,解决了业务现场的数据录入和存储问题。但这些数据就像“原油”,要用起来并不容易。

算力问题

传统的数据技术架构难以满足日益增长的业务需求。EPBP的数据库由Oracle数据库为内核搭建,能够满足数据的分类汇总和查询功能,但没有足够的处理和应用数据的能力。

响应时效问题

当越来越庞大的数据量源源不断地汇入时,系统缺乏敏捷的算力支撑,也难以实现数据的实时更新,当日录入的各类数据往往要延迟到次日才能查看。许多数据整合和管理操作都还依赖于人工,效率低且质量不高。

数据交换和共享成本高

各环节的数据对接也成了问题,原有的数据库没有向外对接的接口,无法向科研、业务、管理所需的各类软件直接导入数据。如果某一研究室需要特定时间段、特定类型的汇总数据,信息管理部门需要以写脚本的形式调出数据再完成转交。很长时间内,“数据管理”成了体力活。

数据安全管理问题

数据在面向各油田提供服务的同时更关键的可能是安全性,传统数据架构缺乏服务审计和统一的数据标准,导致数据权限和安全防范的难度大增。

面对以上问题,受命管理数据的中石化石油勘探开发研究院在2019年立项,希望以数据中台形式,承接前台管理生产现场数据,为后端的应用层提供统一的数据资产,实现数据汇聚、治理、管理和服务,并不断挖掘数据更多价值,充分发挥数据能力。在当时,数据中台、云服务已不是新词。但外部技术合作方的选择却让负责中台建设的团队犯了难。

多年的信息化建设,使得市面上存在不少专为石油行业服务的软件提供商。它们足够了解行业,却很难承接如此规模的大数据项目。在选型过程中重点考察以下几点:全局体系化的数据规划;构建自主的大数据能力;以及标准化的产品能力。

知名的互联网大厂们能提供已被验证的成熟技术和产品,但标准的“产品化”服务,意味着应用方既无法针对自身需求做调整,也不能由自己掌控数据安全,对于有着大量非公开数据、需求高度特化的石油开采,这一模式同样无法被接受。

京东大数据背景的科杰科技,在具备大厂的能力同时有针对个性需求调整的可能性,因此得到了机会。在耗时一年的选型之后,中石化勘探院成了“主动上门”的甲方。

按照此前的经验完成建设后的中台,在对接后端应用时往往需要供应商的部署服务。但这一次,从应用接入到日常运维,完全由甲方自己完成。经历了前期的公开招标、技术探讨、方案选型完成后,中石化勘探院的信息团队驻场在了科杰科技的办公室,自学掌握了后续应用的部署方法,还同时完成了基于脱敏数据的算力测试。整个项目过程中让于洋惊叹的是来自传统行业甲方的专业程度。

国企体系内的信息部门、硕博士为主的年轻团队、经常加班至深夜,这次合作也颠覆了于洋对国企的认知。

双方自2020年10月初次接触起,仅用不到一年时间就完成了产品上线,并在上线后的一个月内为各应用部门交付了近100个数据服务。

中台搭建完毕后,呈现在管理部门面前的就不再是以日、周、月为单位缓慢更新的汇总数据。在标准化的数据治理后,科杰团队仅用几天时间就搭建出了实时更新的大数据看板。随着一线的数据录入,总部可以在*时间掌握每一座油井的运行状况,让管理决策能够以数据为依据。

困扰管理和科研部门的算力与数据问题也被中台解决,无需再处理杂乱无用的“脏数据”,也不用再因算力问题而拖慢效率。

更直接的效果是,统一的数据中台建设,避免了各应用方、分公司和油田的重复建设,数据共享节约了大量成本。

从目前的建设成果看,中台提供了全域化数据汇聚、数据治理、数据管理和数据服务的能力,让数据成为可被利用的资产。“通常我们认为数字化的过程是信息化、数据化和智能化。”于洋说,“现在的石油勘探开发可能还处在数据化的过程中,刚刚开始具备数据能力。”

根据规划,数据中台未来还将接入科研、实验室和勘探专业的大量地球物理数据,为石化行业上游的全流程提供支撑。

尽管遥远,石油勘探与大数据结合的智能化已走在路上

【本文由投资界合作伙伴36氪授权发布,本平台仅提供信息存储服务。】如有任何疑问,请联系(editor@zero2ipo.com.cn)投资界处理。