Trong bài báo “Trí tuệ nhân tạo trong lĩnh vực dầu khí và khả năng ứng dụng tại Việt Nam“, Viện Dầu khí Việt Nam (VPI) cho rằng việc ứng dụng trí tuệ nhân tạo vào quản lý và phân tích dữ liệu khoa học địa chất là rất khả quan, giúp đưa ra các quyết định thăm dò khai thác tốt hơn. Việc tích hợp dữ liệu khoan thăm dò, mô hình khối và các biện pháp kiểm soát mô hình vào một nền tảng ứng dụng công nghệ đám mây cũng giúp các đơn vị dầu khí thượng nguồn tiết kiệm thời gian và cải thiện hiệu suất công việc. Do các giếng khoan tại Việt Nam đều được đặt ngoài khơi, có thể giảm chi phí vận hành tại chỗ bằng cách sử dụng cảm biến và IoT do AI xử lý để thu thập dữ liệu và kiểm soát hệ thống trong thời gian thực, từ đó hạn chế việc dàn trải nhân sự tại những vị trí không cần thiết.
AI hỗ trợ hoạt động dầu khí như thế nào?
Trí tuệ nhân tạo (AI) không chỉ là một thuật toán, một công cụ, một nền tảng hoặc một quy trình mà là cả hệ sinh thái của các công nghệ và khả năng. Mỗi công nghệ và khả năng này có thể thay thế hoặc tăng cường một số năng lực nhất định của con người theo 3 phương diện chính sau:
Cảm biến: AI có thể mô phỏng khả năng nhận thức của con người, từ đó tăng cường hoặc thay thế con người với một số điều kiện thích hợp. Trong một số trường hợp, AI có thể phát hiện các xu hướng trong dữ liệu cảm biến nằm ngoài ranh giới nhận thức thông thường của con người hoặc trong các vùng mà con người thường không truy cập được. Ví dụ, các cảm biến có thể được nhúng trong bể chứa để tìm hiểu nồng độ của các chất hóa học khác nhau được lưu trữ trong bể. Loại dữ liệu này sau đó có thể được đưa vào mô hình học máy để đánh giá tác động của các chất này đến độ ổn định và sức bền của bể. Hệ thống giám sát này có thể giúp ngăn ngừa các tai nạn liên quan đến phơi nhiễm độc chất cho người lao động.Bên cạnh đó, các doanh nghiệp có thể sử dụng cảm biến để xác định nơi đặt mũi khoan. Ví dụ, geophones là thiết bị siêu nhạy gửi sóng âm vào đất để ghi lại các sóng phản xạ. Dữ liệu này sau đó được đưa vào phân tích để xác định vị trí giếng khoan phù hợp nhằm giảm thiểu rủi ro và chi phí khoan.
Tư duy: AI không chỉ phân tích và xử lý các tập dữ liệu lớn nhanh hơn các phương pháp thống kê truyền thống mà còn có thể xác định xu hướng trong các mẫu dữ liệu mà con người không thể nhận thấy, từ đó đưa ra các nhận thức tốt hơn về dữ liệu. Ví dụ, một hệ thống thông minh tích hợp với tầm nhìn vi tính có thể tự động hóa quá trình xác định và theo dõi chuyển động của nhân viên tại nơi làm việc, từ đó tối ưu hóa an toàn và hiệu quả lao động.Bên cạnh đó, trợ lý thông minh với giao diện giao tiếp có thể sử dụng học máy và AI để hỗ trợ tăng cường quá trình ra quyết định của con người, giúp người lao động ít kinh nghiệm có thể khai thác được lượng kiến thức chuyên môn toàn ngành. Lượng kiến thức này có thể là dự đoán hiệu suất giếng cho đến các hiểu biết sâu về thị trường cũng như đưa ra các bài viết kỹ thuật hoặc thuyết trình hiệu quả kinh tế.
Ứng dụng trí tuệ nhân tạo vào hoạt động dầu khí Việt Nam
Các nghiên cứu gần đây của Viện Dầu khí Việt Nam (VPI) liên quan đến việc ứng dụng AI vào hoạt động thượng nguồn đều cho thấy AI có khả năng cải thiện rất tốt hiệu quả trong quá trình tìm kiếm thăm dò, đặc biệt với việc ứng dụng ANN (Artificial Neural network – Mạng neuron nhân tạo): Nghiên cứu “Sử dụng mạng neuron nhân tạo (ANN) để dự báo đặc điểm phân bố và chất lượng đá chứa carbonate Miocene bể trầm tích Phú Khánh” của Nguyễn Thu Huyền và các cộng sự cho thấy trong điều kiện số lượng giếng khoan hạn chế của bể Phú Khánh, mạng neuron nhân tạo (ANN) áp dụng hiệu quả thông qua việc tích hợp các kết quả phân tích tài liệu địa chấn, địa vật lý giếng khoan và phân tích mẫu để đưa ra dự báo về phân bố và chất lượng đá chứa tiềm năng trong bể. Trần Đăng Tú và các cộng sự đã nghiên cứu áp dụng học máy cho việc dự báo sản lượng từ việc hình thành tầng đá móng cho mỏ Bạch Hổ với ANN, cho thấy ANN cải thiện khả năng dự báo với độ chính xác cao. Đoàn Huy Hiên công bố nghiên cứu về định hướng ứng dụng trí tuệ nhân tạo vào nghiên cứu đặc tính địa chất của các mỏ dầu khí, và ứng dụng học máy vào tối ưu khai thác.
Các nghiên cứu khác như: Tạ Quốc Dũng và các cộng sự đã so sánh dự báo độ rỗng bằng phương pháp truyền thống và sử dụng mạng neuron nhân tạo. Kết quả cho thấy phương pháp sử dụng ANN đã giúp tối ưu công tác dự báo độ rỗng cho một giếng khoan từ tài liệu địa cơ học cho trước. Trần Khả Tiến và các cộng sự Trường Đại học Dầu khí Việt Nam (PVU) đã thực hiện nghiên cứu sử dụng mạng neuron nhân tạo để dự đoán hệ số Z cho khí hydrocarbon thiên nhiên. Kết quả nghiên cứu cho thấy mô hình có thể dự đoán chính xác hệ số Z hơn so với các phương pháp khác và có khả năng áp dụng trên phạm vi rộng của nhiệt độ giả và áp suất giả.
Từ các nghiên cứu ứng dụng AI của VPI, việc ứng dụng trí tuệ nhân tạo vào quản lý và phân tích dữ liệu khoa học địa chất là rất khả quan, giúp đưa ra các quyết định thăm dò khai thác tốt hơn. Việc tích hợp dữ liệu khoan thăm dò, mô hình khối và các biện pháp kiểm soát mô hình vào một nền tảng ứng dụng công nghệ đám mây cũng giúp các đơn vị dầu khí thượng nguồn tiết kiệm thời gian và cải thiện hiệu suất công việc. Do các giếng khoan tại Việt Nam đều được đặt ngoài khơi, vì vậy có thể giảm chi phí vận hành tại chỗ bằng cách sử dụng cảm biến và IoT do AI xử lý để thu thập dữ liệu và kiểm soát hệ thống trong thời gian thực, từ đó hạn chế việc dàn trải nhân sự tại những vị trí không cần thiết.
Đối với các nhà máy lọc dầu, trí tuệ nhân tạo có thể được sử dụng để tối ưu cơ cấu nguyên liệu và tối ưu chuỗi cung ứng: Nguyên liệu là chi phí lớn nhất đối với nhà máy lọc dầu. Năng suất, tính ổn định, hiệu quả sử dụng năng lượng và hiệu suất bảo vệ môi trường của nhà máy có thể thay đổi tùy thuộc vào việc xử lý các dạng dầu thô khác nhau. Sử dụng AI để thực hiện các mô hình mô phỏng với độ chính xác cao cho phép dự đoán và tối ưu hóa lựa chọn nguyên liệu với khả năng đánh giá hiệu quả kinh tế tiềm năng khi sử dụng hỗn hợp dầu thô hoặc loại dầu thô mới.
Quản lý tồn kho bằng hệ thống kiểm soát thời gian thực, dự đoán số lượng dầu thô cần sử dụng trong thời gian tới từ phân tích hiệu suất chế biến, dự báo giá dầu, tình hình kinh tế và thậm chí điều kiện thời tiết có khả năng ảnh hưởng đến việc giao hàng để giảm thiểu tồn kho, hạn chế rủi ro giảm giá hàng tồn kho. Bên cạnh đó, AI còn có thể hỗ trợ tối ưu phân phối sản phẩm với việc phân tích nhu cầu người dùng theo dữ liệu lịch sử và hành vi tiêu dùng, cũng như cập nhật theo thời gian thực xu hướng tiêu dùng và dự đoán xu hướng để giảm thiểu chi phí vận chuyển và tồn trữ.
Một trong những xu hướng nổi bật nhất của việc ứng dụng AI vào hoạt động dầu khí là bảo trì dự báo. Chi phí duy trì dây chuyền sản xuất rất lớn, do đó việc ngừng hoạt động bất ngờ có thể dẫn đến tổn thất doanh thu khổng lồ. Theo nghiên cứu của Infosys, lý do các nhà máy chế biến phải dừng hoạt động 46% đến từ lỗi kỹ thuật.
Với sự hỗ trợ của các hệ thống AI, hoạt động của nhà máy có thể được giảm bớt rất nhiều thông qua các biện pháp dự đoán và phòng ngừa đối với các sự cố kỹ thuật, từ đó cảnh báo sớm tình trạng hỏng hóc thiết bị, tiết giảm chi phí bảo trì, giảm thời gian ngưng trễ, kéo dài tuổi thọ của tài sản… Hệ thống bảo trì dự báo có thể được ứng dụng trên các dây chuyền sản xuất của các công ty dầu khí, từ thượng nguồn đến hạ nguồn.Ngoài ra, các đơn vị dầu khí có thể xây dựng mô hình quản lý, quản trị doanh nghiệp thông minh, xây dựng các hệ thống BI cùng “big data” về sản xuất kinh doanh và dịch vụ nhằm hỗ trợ các cấp lãnh đạo trong việc ra quyết định. Việc ứng dụng AI trong thực hiện tối ưu hóa và tiết giảm chi phí sản xuất như từng bước “số hóa” hệ thống sản xuất, cho phép theo dõi, giám sát chất lượng sản phẩm và tài sản trong trong thời gian thực cũng có thể được triển khai để tiến tới đồng bộ “công nghệ hóa” toàn bộ quá trình sản xuất và quản trị.
