Кейс/Нефтедобыча/Авто РО
Модуль единой системы автоматизированной буровой: гибрид алгоритмов и ML-модели классифицирует операции с точностью 97.5%. 6 категорий, QC-слой, таймлайн и аналитика рейса.
● Интерактивное демо
Переключайте вкладки: таймлайн, fusion algo+ML, треки, таксономия, QC и сравнение с рынком. Данные обезличены.
● Что реализовано
Модуль встроен в контур автоматизированной буровой. Инженер видит текущую операцию и полный таймлайн рейса.
Полная таксономия от бурения до СПО и наращивания — без раздувания до 33 типов и без упрощения до 11.
Гибрид алгоритмов и собственной ML-модели. Fusion-слой на уровне лучших ensemble-моделей отрасли.
Стандартная наземная телеметрия: тальблок, WOB, расход, давление, RPM, момент, вес на крюке и др.
6.1 данные отсутствуют, 6.2 плохое качество, 6.3 не определено — не один catch-all «другая операция».
● Типичные сценарии
Подключение каналов, классификация в реальном времени и экспорт аналитики.
Приём потока с буровой: позиция тальблока, WOB, расход, давление, RPM, момент, вес на крюке и другие. Валидация каналов и маппинг на внутреннюю схему модуля.
10 каналов · дискретизация 10 сек
Rule Engine закрывает однозначные режимы. ML-модель уточняет пограничные случаи. Fusion-слой выдаёт итоговую операцию из 18 типов с уверенностью до 97.5%.
Распределение времени по категориям, KPI-слой, доля «не определено». Экспорт в Excel и API для интеграции с модулем Авто РТК и внешними BI-системами.
| Категория | Доля | Время |
|---|---|---|
| 1. Бурение | 62.4% | 11ч 20м |
| 4. СПО | 18.1% | 3ч 17м |
| 6. Другие | 1.2% | 13м |
● Модули системы
От приёма данных до экспорта и интеграции с Авто РТК.
● Для кого
Инженер видит операцию в реальном времени. Аналитик — распределение времени по рейсу.
Текущая операция, fusion algo+ML, таймлайн и QC-статусы — для оперативных решений на буровой.
Сводка по 6 категориям, KPI-слой, сравнение скважин. Экспорт в Excel и API для BI.
● Сравнение с рынком
Отраслевой анализ: почему 18 операций и гибрид algo+ML — оптимальный баланс точности и читаемости.
+ Компактная таксономия, объяснимость
− Много «не определено», KPI отдельно от операций
Авто РО: 18 операций + KPI в едином дереве
+ 4–5 каналов, отраслевой стандарт
− Нет ML, нет QC-слоя
Авто РО: Те же датчики + ML + QC 6.1–6.3
+ Высокая точность, гибрид
− Раздутые названия, трудно читать таймлайн
Авто РО: 97.5% при 18 операциях — читаемо
+ Доказанная точность ML-класса
− Только ML, без rule-слоя
Авто РО: ML + Rules: скорость и точность
● Архитектура
Модуль единой платформы АБУ — автономный, но связанный с контуром план/факт.
● Частые вопросы
Точность, таксономия, датчики и место в единой системе АБУ.
Больше детализации без потери читаемости. Наращивание и варианты СПО — в основном дереве, не только в KPI.
Из отраслевого анализа: раздутые названия не добавляют аналитической ценности. KPI-слой закрывает микро-метрики.
97.5% на реальных данных буровой установки. Fusion-слой объединяет алгоритмический и ML-результат.
Как в патенте Schlumberger: вес на крюке, положение тальблока, давление, момент/обороты. Остальные каналы повышают точность.
Отдельный модуль единой платформы автоматизированной буровой. Работает автономно и интегрируется с модулем Авто РТК.
Три уровня: 6.1 нет данных, 6.2 плохое качество, 6.3 не определено — не один catch-all как у конкурентов.
Авто РО — автоклассификация буровых операций. Работает автономно и в связке с Авто РТК.
