Get fresh updates from Hortonworks by email

Once a month, receive latest insights, trends, analytics, offering information and knowledge of the Big Data.

CTA

시작하기

클라우드

시작할 준비가 되셨습니까?

Sandbox 다운로드

어떤 도움이 필요하십니까?

닫기닫기 버튼
CTA

석유 및 가스 산업용
IOT 및 사전 예방적 빅 데이터 분석

클라우드 Hortonworks는 리더입니다. Forrester Wave를 읽어보세요.

보고서 다운로드

A global industry in the palm of your hand

Assets everywhere. People everywhere. Logistics everywhere. The petroleum industry has a lot of moving parts, and pretty much every aspect of it is in constant flux. Like other industries, its infrastructure generates data of all kinds—sensor data from upstream, midstream, and downstream operations, geological and geophysical, drilling and completions data, geolocation, text files, video and more. Hortonworks provides the predictive analysis and data insights to optimize performance to keep this industry humming.

수율 극대화, 리스크 감소, 혁신 가속

데이터 가용성이 전면적으로 변함에 따라 석유화학 사업은 정보통신, 소매업 및 제조업이 변화하는 방법과 비슷한 방법으로 변화하고 있습니다. 기계, 공정 자동화 및 협업의 발전은 센서, 지리 위치, 기후 및 지진 데이터 같은 새로운 유형의 데이터의 가용 용량이 몇 배로 증가하는 결과를 가져옵니다. 이런 데이터를 마켓 피드, 소셜 미디어, 이메일, 문자 및 이미지 같은 "사람이 생성하는" 데이터와 합쳐서 새로운 통찰력을 얻을 수 있습니다.

이용 사례

유정 로그 분석(일명 LAS 분석)을 사용한 혁신 가속

데이터세트가 크고 복잡하고 데이터 모델이 유연하지 않으면 암석 물리학자와 지구과학자가 수동 품질 관리(QC) 절차가 필요한 격리되고 복잡한 데이터세트를 연구에 사용해야 하기 때문에 탐사 및 생산의 혁신 속도가 제한됩니다. HDP를 사용한 LAS 로그 분석을 통해 과학자는 서로 연관이 없는 LAS 데이터를 수집 및 쿼리하여 예측 모델에 사용할 수 있습니다. 이와 동시에 과학자는 SAS 또는 R 같은 기존 통계 도구를 이용하여 새 모델을 만든 후 수십 억 개의 측정치를 사용하여 빠르게 반복 실행할 수 있습니다. LAS 데이터를 생산, 임대 및 치료 데이터와 함께 사용하면 생산량과 이익율을 높일 수 있습니다. 동적 유정 로그를 통해 수백 또는 수천 개의 LAS 파일을 정규화하고 병합하여 새로운 LAS 파일 또는 이미지로 표시되는 유정 로그 곡선의 단일 뷰를 얻을 수 있습니다. HDP를 사용할 경우 이 통합 로그에는 전력 급증, 교정 오류 및 기타 예외로 인한 이상 판독값 때문에 "정상 범위 밖"에 있던 센서 데이터도 많이 포함됩니다. HDP를 사용하면 자동화된 QC 프로세스를 통해 모든 (좋고 나쁜) 데이터를 수집한 후 필터링하여 이상 판독값을 제거하고 데이터의 분명한 단일 뷰를 얻을 수 있습니다.


각 유정에 대해 운영 설정점을 정의하고 편차에 대해 경고 수신

석유와 가스의 생산 이윤이 극대화되는 이상적인 가동 매개변수(예: 펌프 속도 또는 유체 온도)를 정한 후 이 정보를 설정점 플레이북에 사용할 수 있습니다. 유정에 대한 최선의 설정점을 실시간으로 유지관리하는 작업에는 Apache Storm의 내결함성 실시간 분석 및 경고가 사용됩니다. Hadoop에서 Storm을 실행하면 펌프 압력, RPM, 유속, 온도 같은 변수를 모니터링하고 이런 설정점이 미리 정해진 범위를 이탈할 경우 시정 조치를 취할 수 있습니다. 이 데이터가 풍부한 프레임워크는 유정 운영업체가 비용을 절약하고 환경 변화에 맞춰 가동을 조정하는 데 도움이 됩니다.


신뢰할 수 있는 수율 예측으로 임대 입찰 최적화

석유 및 가스 회사는 연방 정부 또는 민간인 토지에 대한 탐사 및 시추권의 다년 임대에 입찰합니다. 임대를 위해 지불하는 가격은 미래의 예측할 수 없는 탄화수소 스트림에 접근하기 위해 지불하는 알려진 현재 비용입니다. 유정 임대인은 이런 미래 이익을 둘러싼 불확실성을 줄이고 유정의 수율을 더 정확히 예측하여 입찰에서 경쟁자들을 제칠 수 있습니다. Apache Hadoop을 사용하면 이미지 파일 및 센서 데이터와 지진 측정 정보를 효율적으로 저장하여 이런 경쟁 우위를 얻을 수 있습니다. 이렇게 하면 모든 입찰 대상 유전에 대한 타사 조사 결과에 누락된 상황 정보를 더 얻을 수 있습니다. 이 독특한 정보를 예측 분석과 함께 보유한 회사는 이제 과거에 참여했을 수 있는 임대 입찰에 참여하지 않거나 "흙 속의 진주'를 찾아서 이런 유전을 더 저렴한 비용으로 임대할 수 있습니다.


목표가 분명한 유지보수를 통한 예측적 장비 수리

과거에 기업은 (종종 외딴 장소에서 행해지는) 물리적 검사를 통해 펌프와 유정의 상태에 대한 데이터를 수집했습니다. 그래서 검사 데이터가 부족하고 이용하기 어려웠는데, 특히 고가의 장비와 사고 발생 시에 건건과 안전에 미칠 수 있는 잠재적인 영향을 감안할 때 이는 매우 심각한 문제였습니다. 이제는 펌프, 유정 및 기타 장비에서 센서 데이터를 수동으로 수집할 때보다 더 자주 (더 저렴한 비용으로) Hadoop으로 보낼 수 있습니다. 따라서 숙련된 작업자들이 센서가 할 수 없는 기계 수리 또는 교체 작업을 수행하는 데 도움이 됩니다. 머신 데이터를 기후 또는 지진 활동에 대한 데이터나 사람들의 생각에 대한 소셜 미디어 데이터 등의 다른 데이터 스트림으로 보강하여 현장에서 어떤 일이 일어나고 있는지 더 완벽하게 볼 수 있습니다. 그런 다음 알고리즘으로 Hadoop에서 이 크고 다면적인 데이터 세트를 파싱하여 미묘한 패턴을 발견하고 예상 결과와 실제 결과를 비교할 수 있습니다. 장비 하나가 예상보다 더 빨리 고장 났습니까? 그렇다면 어떤 비슷한 장비에서 똑같은 일이 발생할 위험이 있을 수 있을까요? 데이터 위주의 예방적인 유지보수 방법을 이용하면 장비의 가동을 유지하면서 사고 위험과 유지보수 비용을 줄일 수 있습니다.

생산 매개변수 최적화로 감소 곡선 하강 속도 둔화

석유 회사는 새 유전을 발견하기가 점점 어려워지고 있기 때문에 기존 유정의 생산 감소를 관리해야 합니다. 감소 곡선 분석(DCA)에서는 유정의 과거 생산 데이터를 사용하여 미래 산출량을 추정합니다. 그러나 과거 데이터에는 일반적으로 생산 속도가 일정한 것으로 나타나는 반면, 유정의 수명이 끝날 때가 다가오면 유정의 생산량 감소 추세가 비선형적인 패턴을 따릅니다. 즉, 유정이 많이 고갈될수록 생산량이 일반적으로 더 빨리 감소합니다. 유정의 수명이 끝날 때가 다가오면 과거 데이터를 근거로 미래를 예측할 수 없습니다. 생산 매개변수 최적화란 주입 액체 혼합물의 압력, 유속 및 온도 특성 같은 매개변수를 현명하게 관리하여 유정의 사용 수명을 극대화하는 것을 말합니다. 머신 러닝 알고리즘을 사용하면 여러 유정에서 수신된 막대한 양의 센서 데이터를 분석하여 이들 제어 가능 매개변수의 최적 조합을 결정할 수 있습니다. HDP의 강력한 데이터 검색 및 후속 분석 기능은 유정 소유주 또는 임대인이 이런 리소스를 최대한 활용하는 데 도움이 될 수 있습니다.

시작할 준비가 되셨습니까?