Gevinster:
- Evne til å forstå ansvaret for å verifisere AI-utgang i sammenheng med olje- og gasslovgivning (EMRA, PRMS/SEC-reserverapportering, API-standarder)
- Evne til å transformere kommersiell konfidensialitet, brønndatasensitivitet og etiske grenser til operasjonelle konfidensialitetsregler
- Evne til å opprettholde bruken av AI i olje- og gassteknikk med en ende-til-ende verifiserings- og styringsdisiplin
Moduleksamen
1. Hvilket av følgende er det grunnleggende prinsippet som bestemmer risikoen for en AI-utgang i olje- og gassteknikk?
- A) Risikoen for en utgang er lik skaden den ville forårsake hvis utgangen var feil; valideringsskalaer tilsvarende ✔
- B) AI-utdata er generelt trygt da det er skrevet flytende og trygt
- C) Validering er unødvendig når den nyeste modellen brukes
- D) Hvis utgangen refererer til en standard, er det ikke nødvendig med ytterligere kontroll
Forklaring: Risikoen for en utgang er lik skaden den vil forårsake hvis utgangen er feil. Mens en mindre feil i et litteratursammendrag kan være ufarlig, kan en feil i en brønntrykkgrense, lekkasjealarmterskel eller reserverapport føre til en eksplosjon, miljøkatastrofe eller store økonomiske tap; så verifikasjonsintensiteten skalerer med potensiell skade.
2. Hva gjør problemet med 'ikke-unikhet' i seismisk inversjon nødvendiggjør bruk av AI?
- A) Direkte aksept av den første tolkningen produsert av modellen
- B) Innsnevring av tolkningen ved å koble den til brønnloggen, brønnbindingen og geologiske begrensninger ✔
- C) Velg bare den høyeste oppløsningen.
- D) Fullstendig forlatelse av seismiske data
Forklaring: De samme seismiske refleksjonsdataene kan forklares av mer enn én forskjellig undergrunnsmodell (impedans, litologi, væskefordeling). Så en tolkning produsert av AI er ikke den eneste riktige; Brønnloggen må innsnevres ved å koble den sammen med uavhengige begrensninger som brønnbinding og geologisk kontekst.
3. Hvilken grense bør man spesifikt huske på når man estimerer permeabilitet (permeabilitet) fra brønnloggen ved hjelp av maskinlæring?
- A) Modellen er automatisk gyldig i hvert felt og hver litologi
- B) Relasjonen lært er spesifikk for utdanningsforholdene; ✔ Ekstrapolering til forskjellige steder medfører risiko og må være knyttet til kjerne-/brønntesting ✔
- C) Direkte og feilfri måling av permeabilitet fra tømmerstokker
- D) Prognoseusikkerhet skal ikke rapporteres i det hele tatt.
Forklaring: Permeabilitet måles ikke direkte fra tømmerstokker; Forholdet lært av modellen er spesifikk for ansikts- og trykkforholdene til treningsdataene. Blindt bruk (ekstrapolering) til et annet sted eller ukjent litologi kan forårsake store feil; Utgangen skal være knyttet til kjernemåling og brønntesting.
4. Hva skjer hvis 'b'-eksponenten til Arps hyperbolske modell holdes for høy (f.eks. b>1) og ekstrapoleres over lang tid i drawdown curve analysis (DCA)?
- A) EUR blir lavere enn den er og reserven er skjult
- B) Nedgangen blir urealistisk sakte og EUR blir for høy, optimistisk ✔
- C) Produksjonsdata slettes automatisk
- D) Brønntrykket øker fysisk
Forklaring: I den hyperbolske Arps-modellen bestemmer primtallet b hvor mye nedgangen bremses over tid. Å ta b>1 og ekstrapolere det til langsiktig vil føre til at nedgangen blir urealistisk sakte og EUR (endelig estimert produksjon) for høy. Derfor, i den sene perioden, brukes en overgang til eksponentiell nedgang eller en minimumsuttaksgrense, og resultatet testes med materialbalansen.
5. Hvorfor er Archie-ligningen for porøsitet og vannmetning valideringsankeret for en AI-utgang i petrofysisk tolkning?
- A) Fordi det bare viser brønnkostnaden
- B) Fordi det etablerer det fysiske forholdet mellom motstand, porøsitet og vannmetning og tester utgangen ✔
- C) Bare fordi det definerer fargen på loggen
- D) Fordi det bare er meningsfullt i laboratoriemiljø
Beskrivelse: Archi-ligningen etablerer det fysiske forholdet mellom logresistivitet og vannmetning. En vannmetningsverdi foreslått av AI blir fysisk testet ved å sette den inn i Archi-ligningen med porøsitets- og resistivitetsinnganger og sammenligne den med lokale formasjonskoeffisienter; Resultatet bør ligge i området 0-1 og samsvare med kjernen.
6. Hvorfor er en "falsk negativ" (feil) spesielt kritisk ved deteksjon av rørledningslekkasje?
- A) Fordi den klassifiserer selve lekkasjen som 'ingen' og forsinker inngrepet og forårsaker en risiko for miljøet/livet ✔
- B) Fordi det bare endrer fargen på SCADA-skjermen
- C) Bare fordi det øker antall sider i rapporten
- D) Fordi falske negativer alltid er ufarlige
Forklaring: En falsk negativ er en klassifisering av 'fraværende' for en lekkasje som faktisk eksisterer; I dette tilfellet er inngrepet forsinket og det er fare for miljøkatastrofer, brann/eksplosjon og tap av menneskeliv. En falsk positiv resulterer i unødvendige stoppkostnader. I sikkerhetskritiske rørledninger er terskelen valgt med forsiktighet for å minimere falske negativer og støttes av feltbekreftelse.
7. Ved prediktivt vedlikehold, hva er den mest hensiktsmessige bruken når man produserer et «resterende levetid» (RUL)-estimat fra vibrasjonsdata fra en kompressor?
- A) Godta en estimert eksakt feildato og ikke foreta noen kontroller før den dagen.
- B) Tar det estimerte usikkerhetsområdet som beslutningsstøtte og bekrefter kritisk utstyr med feltinspeksjon og rotårsaksanalyse ✔
- C) Deaktivere alarmen helt når vibrasjonen øker
- D) Hvis RUL er lav, bruk utstyret fullt ut uten usikkerhet.
Beskrivelse: RUL-estimat (Remaining Useful Life) er et sannsynlighetsestimat, ikke en eksakt dato. Riktig bruk er å ta estimatet med dets usikkerhetsområde og bruke det som beslutningsstøtte i vedlikeholdsplanlegging; I kritisk utstyr bekreftes det ved feltinspeksjon og vibrasjonsspektrums rotårsaksanalyse. Å fortsette å betjene utstyr basert på en blind date er risikabelt.
8. Hvilket prinsipp er essensielt dersom AI-basert gassdeteksjon brukes på et sted med risiko for giftige gasser som H2S (hydrogensulfid)?
- A) AI-deteksjon kan være det eneste sikkerhetslaget som erstatter sertifiserte fysiske detektorer
- B) AI er et hjelpelag; Ingen erstatning for uavhengig sertifiserte detektorer og prosedyrer, flerlags sikkerhet avgjørende ✔
- C) Hvis modellens konfidensscore er høy, kan fysiske detektorer slås av
- D) H2S-deteksjon kan bare gjøres med kontoranalyse
Beskrivelse: H2S er en dødelig gass når det gjelder livssikkerhet; AI-deteksjon kan være et nyttig lag, men det kan ikke erstatte frittstående, sertifiserte fysiske gassdetektorer og evakueringsprosedyrer. Sikkerhetskritiske funksjoner bør ikke baseres på én enkelt kunstig intelligensmodell, men på flerlags og uavhengige sikkerhetssystemer (defence in depth).
9. Hva er hovedhensikten når du behandler en fritekst boreloggrapport ('ROP falt gjennom hele skiftet, dreiemoment fluktuerte, mulig leirsvelle') med AI?
- A) Tilfeldig omskriving av rapporten
- B) Øk boredybden automatisk
- C) Gjøre data søkbare ved å oversette inkonsekvent fritekst til standardfelt; legg igjen kommentaren til ingeniøren med taggen "mulig" ✔
- D) Fysisk omnummerering av brønnen
Beskrivelse: AI transformerer inkonsekvente driftsrapporter i fritekst til standardfelt (hendelsestype, dybde, indikatorendring, sannsynlig årsak, handling), noe som gjør data spørrebare og sammenlignbare. Grunnårsaken og operasjonsbeslutningen bekreftes imidlertid av boreingeniøren; modellen bør beholde "mulig"-etiketten.
10. Hva er den riktige tilnærmingen når man legger inn stedsspesifikke brønnlogg-, produksjons- og reservedata i et generelt AI-verktøy?
- A) Angi de faktiske koordinatene og produksjonsverdiene nøyaktig og få den raskeste responsen
- B) Anonymisering av identiteter og verdier, arbeid med representative verdier og bruk kun godkjente/kontrollerte verktøy ✔
- C) Laste hele feltdatabasen og la modellen lære
- D) Merk at dataene er konfidensielle og del dem som de er.
Beskrivelse: Brønnkoordinater, produksjonsflyter og reserveinformasjon er kommersielt ekstremt sensitive og ofte konfidensielle data som tilhører lisensinnehaveren/partnerskapet; Det er underlagt offentlig regulering i noen land. Å gå inn i en ukontrollert ekstern tjeneste skaper konkurranse, kontraktsbrudd og juridisk risiko. Den riktige tilnærmingen er å anonymisere identitet/koordinere/faktiske verdier eller arbeide med representative verdier og kun bruke godkjente, institusjonskontrollerte verktøy.
11. Hva betyr 'orden av størrelsesorden kontroll' i en ingeniørberegning med AI?
- A) Øke antall desimaler i resultatet
- B) Tester med en rask håndberegning om resultatet er omtrent innenfor forventet potens på 10-området ✔
- C) Måle den grafiske oppløsningen til resultatet
- D) Standardisering av fargen på resultatet
Beskrivelse: Kontroll av størrelsesorden er å teste ved rask håndberegning om resultatet er omtrent innenfor den forventede potensen på 10-området. For eksempel forventes permeabiliteten til et sandreservoar å være i millidarcy-området, men forekomsten av tusenvis av darcys i stedet for darcys avslører en enhet eller redigeringsfeil uten å gå i detalj.
12. Hva er den mest robuste måten å verifisere resultatet på når du skriver ut produksjonsdataanalysekode til AI med Python?
- A) Hvis koden fungerer og ikke gir feil, aksepter resultatet som riktig.
- B) Sammenligning med enhetstesting, fysisk grensekontroll og uavhengig metode med kjent liten prøve ✔
- C) Stole på det store antallet kodelinjer
- D) Kontroller om den grafiske utgangen er farget
Forklaring: Selv om den genererte koden ser jevn og korrekt ut, kan den inneholde skjulte feil (feil enhet, endret dato, lekkede data, feil innsamling). Den mest robuste verifiseringen er å manuelt beregne forventet utgang på en liten kjent prøve, verifisere den i koden (enhetstesting), sjekke mellomresultatene mot fysiske grenser (som ingen negativ strømningshastighet), og sammenligne dem med en uavhengig metode.
13. Hva er det mest nøyaktige utsagnet for å bruke en AI-generert EUR-prognose i reserverapportering (f.eks. PRMS/SEC)?
- A) Assessor-godkjenning er unødvendig siden AI-utgangen er automatisk gyldig
- B) AI er nyttig; metode, input og usikkerhet må kunne spores, dokumenteres og godkjennes av kompetent evaluator ✔
- C) Modellen med høyest EUR-verdi bør alltid foretrekkes.
- D) Reserveerklæring kan automatiseres fullstendig og menneskelig kontroll kan fjernes
Forklaring: Reserverapporter er reviderbare dokumenter som er grunnlaget for investor- og regulatoriske beslutninger og er under ansvar av den kvalifiserte reserveevaluatoren. AI kan hjelpe med datarensing, drømmetilpasning og scenariogenerering; metoden, inndataene og usikkerheten til tallene må imidlertid dokumenteres på en sporbar måte og godkjennes av den autoriserte evaluatoren. AI alene kan ikke deklarere reserver.
14. Hvilken påstand er mest nøyaktig angående det endelige ansvaret for bruken av AI i olje- og gassteknikk?
- A) Siden AI produserer produksjonen, overføres ansvaret til programvareselskapet
- B) AI gir støtte og akselerasjon; Ansvaret for beslutning og rapport forblir hos autorisert ingeniør, utdata må være verifiserbart og menneskelig godkjent ✔
- C) Ingeniørgodkjenning er unødvendig da AI-utgangen er automatisk gyldig
- D) Ansvaret ligger kun hos feltteamet, det angår ikke kontoringeniøren
Beskrivelse: AI er et kraftig verktøy i støttearbeid som databehandling, utkast, oppdagelse og optimaliseringsakselerasjon; Ansvaret for signert rapport, sikkerhetskritisk beslutning, brønndesign og reserveerklæring forblir imidlertid hos den autoriserte ingeniøren/evaluatoren. Utdata må være reviderbare, verifiserbare og menneskelig godkjente.