Признаковое описание характеристик нефти , класс химии , процент химии.
Подобрать класс химии и её процентное содержание , таким образом , чтобы после обработки данным веществом нефть максимально приближалась по характеристикам к идеальной нефти.
- Анализ поведения нефти после применения с химией ( изменение характеристик на выходе ) задача регресии
- Вход: параметры нефти( Ароматичность, Алифатичность, Разветвленность, Окисленность, Содержание серы, Плотность, Вязкость, Процент неразд. эмульсии),класс химии и процентное содержание химии.
- Выход:параметры нефти( Ароматичность, Алифатичность, Разветвленность, Окисленность, Содержание серы, Плотность, Вязкость, Процент неразд. эмульсии) после обработки
- Моделирование задачи классификации на класс химии и её процент ( подбираем класс и процент в соответствии с максимизацией характеристик нефти приближающихся к эталонным ).
- Вход: параметры нефти( Ароматичность, Алифатичность, Разветвленность, Окисленность, Содержание серы, Плотность, Вязкость, Процент неразд. эмульсии)
- Выход:класс и процентное содержание химии
- Класс химии и её процентное содержание
Одной из наиболее острых в нефтегазовом секторе сегодня является проблема точности и скорости лабораторных исследований для оптимизации работы предприятия. Она влечёт за собой экономические, экологические, социальные потери и риски для компаний , что является катализатором для технологического прогресса в этой области , который мы разработали и собираемся реализовать.
Подбор химии происходит вручную , путём опробирования всей химии в разной концентрации , в разные промежутки времени , далее запуск на тестовой скважине ,при положительном исходе , химию запускают в производство.
Мы предлагаем перевести значительную часть исследования в лаборатории по подбору химии в компьютер , создать рекомендательную систему по анализу взаимодействия химии с флюидом нефти , тем самым сократив время исследования и открыв дорогу к индивидуальному подбору химии.В дальнейшем мы планируем нарастить нашу базу по взаимодействию элементов составов химии с флиюдными частями и обучить алгоритм не просто подбирать химию по заданным составам , а генерировать наиболее подходящию химию для индивидуального случая.
- Подбор на область скважин занимает 3-4 месяца
- Большие затраты на расходники по подбору ( повторяемые неэкологичные траты )
- Человеческий фактор
- Уменьшение эффекта влияния химии с увеличением расстояния подбора
- Увеличение скорости за счет рекомендательной системы
- Увеличение точности за счёт индивидуального подбора химии
- Уменьшение затратоёмкости подбора из-за сокращения расходников
- Увеличение прибыли компании за счёт более скоростного подбора химии
Программа работает следующим образом: подается на вход xlsx файл с параметрами нефти до обработки, потом модель подбирает за счет алгоитма ML лучший класс и процент химии этого класса, так чтобы выход максимально был приближен в выходу идеальной нефти, таким образом получаем csv файл, где к входному датасету добавились класс и процент химии
Ароматичность, Алифатичность, Разветвленность, Окисленность, Содержание серы, Плотность, Вязкость, Процент неразд. эмульсии.
При изготовлении химии - нефтехимические компании обращают внимание на содержание и состаяние данных элементов флюида нефтепродукции , поэтому при сборе наших данных мы настроили спектрофотометрию , чтобы прибор выдавал только исследуемые значения , автоматически верезая ненужные параметры при сборе Data set.
Folders:
Содержит 2 набора данных:
- original - оригинальняа дата, которая неструктурирована, по сути все данные с установки
- data_new - переделанная и объединенная дата, которая далее в коде разбивается на вход и выход у ML алгоритма
Содержит то, как должны выглядеть входные данные от пользователя в формате xlsx, то есть подающиеся на вход алгоритму
Содержит один ноутбук файл, где произодились расчеты, анализ данных, выполнение моделей машинного обучения
Содержит одну сохраненную модель сложной регрессии, которая выполляет предсказание параметров нефти после химии
Содержит стили css и папку images: превью и заставку
Содержит файл html, главная страница приложения
- Python
- FastAPI
- env: anaconda with Tensorflow-gpu
- jinja2
- notebooks.ipynb
- CSS,HTML
- ML model optimization - MLOps
- New relevant data from other sources
- Scaling the dataset into more features
- Switch to new interface and more functionality
- Deployment
Ruslan Safaev, Ilsur Yaleev, Alexander Zubov telegram links:
Проект создан для : нефтегазовых , нефтехимических и сервесных компаний
Создать алгоритм искусственного интеллекта позволяющий более качественно и быстро проводить лабораторные исследования по подбору химии на проблемные скважины
- Собрана и очищена база данных по нефти и химии , до и после применения
- Посчитаны погрешности применения в пласте и в лабораторных условиях
- Посчитана эффективность влияния активного вещества , количества вещества в смеси
- Подобрана ML
- Проведены тестовые испытания и добавлены дополительные характеристики для повешения точности
- Создана уникальная тренировочная БД по нефти и Химии
- Создан алгоритм ИИ решающий вышепоставленные задачи
- Взаимодействия с потенциальными заказчиками на конференциях ( предложение о коллабе на CollabDay от ПАО Татнефть )
- Заявка проекта на финансирование за счёт грантовых средств
- Данные собирались и форматировались на основе анализа спектрофотометра и фурье-спектроскопии
- Собрав все, убирались параметры не влияющие на взаимодейтсвие с химией
На данный момент проект можно использовать как код для расчетов и подборов химии на основе своих БД
P.s на данный момент мы ведём работу над софтом , для адаптация ее под нужды потребителей , которым планируем сдавать в лизинг
- Подбор дополнительных фичей совместно с экспертами в облисти химии нефти и газа
- Разработка софта , в котором будет размещено стартовое решение , также дополнительно туда будут добавляться НИОКРЫ и стартапы на основе ИИ , которые потребитель также сможет использовать
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent