El 02 de diciembre de 2021 Bardasz fue invitado a participar con una conferencia magistral en el 6th SPE Colombia Digital Oilfield Annual Meeting, evento técnico de alto nivel organizado por la SPE Sección Colombia. Este evento tuvo por objetivo compartir con la comunidad Oil & Gas los avances, trabajos, innovación y proyectos relacionados con la transformación digital y el uso de herramientas digitales para la transición energética y la eficiencia operativa, desafíos clave para nuestros países.
En este evento, nuestro CTO Mark Farnan presentó la conferencia "Challenges of Real-Time Analytics while Drilling", donde definió conceptos relacionados con el análisis computacional sistemático de datos o estadísticas y mostró los siete desafíos más importantes en la analítica en tiempo real. A continuación, se describen los siguientes desafíos:
#1 – ¿Qué es la "analítica en tiempo real" y en qué se diferencia del histórico?
Relacionado con analizar las condiciones del pozo mientras se perfora y obtener información oportuna para mejorar el resultado en el momento adecuado, así como el uso de datos históricos para mejorar el nivel de confianza de la predicción a lo largo del tiempo.
#2 – ¿Qué analizar en tiempo real y por qué?
¿Qué debe analizar la computadora en tiempo real para nosotros? Lo primero es detectar que ha ocurrido un evento no deseado y alertar a los operadores al respecto. El último es predecir que algún evento no deseado podría ocurrir y alertar con anticipación.
Podríamos traducir esto en cuatro puntos:
- Seguridad: límites transgredidos y detección de fallas
- Eficiencia: Rigstate (u Opstate) Determinación de la actividad de la plataforma a partir de los datos y análisis KPI. (Tiempos de conexión, plan vs real)
- Optimización de ROP
- Predicción de eventos: predicción de tubería atascada, mantenimiento de equipos y otros.
#3 – Obtener datos confiables durante la transmisión de la perforación
En esta sección, Mark explicó la importancia del monitoreo de los datos y sus interrupciones, los estándares de datos de la industria energética, el manejo de comunicaciones deficientes en campo, el manejo de “gaps” y la carga de datos faltantes. ¿Qué datos necesito? ¿Dónde lo consigo? Frecuencia y latencia de datos. Comprender los requerimientos de frecuencia y latencia de datos en un proyecto es fundamental para un análisis en tiempo real exitoso.
#4 – Problemas de transmisión de datos en tiempo real
No todos nuestros datos se encuentran indexados en tiempo. Una cantidad significativa está indexada en profundidad, y el tiempo de recolección se “pierde” en la fuente. En este punto se define la administración de los datos, el control de calidad, la estandarización mnemotécnica, el mapeo de curvas, la detección y el filtrado de "ruido" del sensor / valores atípicos.
#5 – Construyendo un algoritmo de transmisión
¿En qué idioma lo vas a escribir?
¿Qué entorno de desarrollo?
¿Puedes "ejecutar" el algoritmo con transmisión de datos en el entorno de desarrollo?
#6 – Ejecución de análisis en tiempo real en producción
Desafíos al ejecutar analítica de campo en sistemas de procesamiento con gran cantidad de flujo de datos existentes.
#7 – Inteligencia accionable: Alertas y alarmas
El propósito del análisis en tiempo real durante la perforación es tomar medidas de manera oportuna durante la operación. En este punto, se describió la inteligencia procesable, lo que sucede con las alarmas molestas y resaltó la importancia de entregar la información correcta a la persona correcta, en el momento correcto.
