Vitengo
1. Utangulizi wa Akili Bandia na Nidhamu ya Uthibitishaji katika Uhandisi wa Petroli na Gesi Asilia. 2. Data ya Uchimbaji, Magogo ya Visima na Ufafanuzi wa Petrophysical 3. Uchambuzi wa Data ya Mitetemo, Uchimbaji wa Vipengele na Ufafanuzi wa Kimuundo 4. Tabia ya Hifadhi, Uundaji wa Nyuso na Takwimu za Jiografia 5. Utabiri wa Uzalishaji, Uchambuzi wa Curve ya Drawdown na Makadirio ya Hifadhi 6. Uchimbaji na Uboreshaji wa Uzalishaji 7. Matengenezo ya Kutabiri na Kuegemea kwa Vifaa 8. HSE, Usalama wa Mchakato na Hatari ya Uendeshaji 9. Ufuatiliaji wa Bomba, Ugunduzi wa Uvujaji na Usimamizi wa Uadilifu 10. Uchambuzi wa Data na Python: Mitiririko ya Kazi ya Gesi ya Mafuta 11. Udhibiti, Maadili, Faragha ya Data na Udhibiti Kikamilifu wa Udhibiti
Kitengo 11 / 11

Udhibiti, Maadili, Faragha ya Data na Udhibiti Kikamilifu wa Udhibiti

Faida:

  • Uwezo wa kuelewa jukumu la kuthibitisha pato la AI katika muktadha wa sheria ya mafuta na gesi (EMRA, ripoti ya akiba ya PRMS/SEC, viwango vya API)
  • Uwezo wa kubadilisha usiri wa kibiashara, unyeti wa data vizuri na mipaka ya maadili kuwa sheria za siri za uendeshaji
  • Uwezo wa kuendeleza matumizi ya AI katika uhandisi wa mafuta na gesi na udhibitisho wa mwisho hadi mwisho na nidhamu ya utawala.

Mtihani wa Moduli

1. Ni ipi kati ya zifuatazo ni kanuni ya msingi ambayo huamua hatari ya pato la AI katika uhandisi wa mafuta na gesi?

  • A) Hatari ya pato ni sawa na madhara ambayo ingesababisha ikiwa pato hilo lingekuwa na kasoro; mizani ya uthibitishaji ipasavyo ✔
  • B) Matokeo ya AI kwa ujumla ni salama kwani imeandikwa kwa ufasaha na kwa ujasiri
  • C) Uthibitishaji hauhitajiki wakati mtindo wa sasa zaidi unatumiwa
  • D) Ikiwa pato linarejelea kiwango, hakuna udhibiti wa ziada unaohitajika

Ufafanuzi: Hatari ya pato ni sawa na madhara ambayo itasababisha ikiwa pato hilo ni mbaya. Ingawa hitilafu ndogo katika muhtasari wa fasihi inaweza kuwa isiyo na madhara, hitilafu katika kikomo cha shinikizo la kisima, kiwango cha kengele cha kuvuja, au ripoti ya akiba inaweza kusababisha mlipuko, maafa ya kimazingira, au hasara kubwa ya kifedha; kwa hivyo nguvu ya uthibitishaji hupimwa na madhara yanayoweza kutokea.

2. Je, tatizo la 'kutokuwa wa kipekee' katika ubadilishaji wa mitetemo kunalazimu matumizi ya AI?

  • A) Kukubalika moja kwa moja kwa tafsiri ya kwanza iliyotolewa na modeli
  • B) Kupunguza tafsiri kwa kuiunganisha kwenye logi ya kisima, funga vizuri na vikwazo vya kijiolojia ✔
  • C) Chagua tu kipande cha azimio la juu zaidi.
  • D) Kuacha kabisa data ya tetemeko

Ufafanuzi: Data sawa ya kuakisi tetemeko inaweza kuelezewa na zaidi ya modeli moja tofauti ya uso chini ya ardhi (impedance, lithology, usambazaji wa maji). Kwa hivyo tafsiri inayotolewa na AI sio pekee sahihi; Logi ya kisima lazima ipunguzwe kwa kuiunganisha na vizuizi huru kama vile tie na muktadha wa kijiolojia.

3. Ni kikomo gani kinachopaswa kuzingatiwa hasa wakati wa kukadiria upenyezaji (upenyezaji) kutoka kwa logi ya kisima kwa kutumia ujifunzaji wa mashine?

  • A) Mfano huo ni halali kiotomatiki katika kila nyanja na kila litholojia
  • B) Uhusiano uliojifunza ni maalum kwa hali ya elimu; ✔ Uongezaji kwenye tovuti tofauti hubeba hatari na lazima uhusishwe na upimaji wa msingi/kisima ✔
  • C) Kipimo cha moja kwa moja na kisicho na hitilafu cha upenyezaji kutoka kwa magogo
  • D) Kutokuwa na uhakika wa utabiri haipaswi kuripotiwa hata kidogo.

Maelezo: Upenyezaji haupimwi moja kwa moja kutoka kwa magogo; Uhusiano unaojifunza na mfano ni maalum kwa facies na hali ya shinikizo la data ya mafunzo. Kuweka kwa upofu (extrapolation) kwenye tovuti tofauti au litholojia isiyojulikana inaweza kusababisha hitilafu kubwa; Pato lazima lihusishwe na kipimo cha msingi na upimaji wa kisima.

4. Nini kitatokea ikiwa kipeo cha 'b' cha muundo wa kilemba wa Arps kitawekwa juu sana (k.m. b>1) na kuongezwa kwa muda mrefu katika uchanganuzi wa curve ya kushuka (DCA)?

  • A) EUR inakuwa chini kuliko ilivyo na hifadhi imefichwa
  • B) Kupungua kunakuwa polepole kupita kiasi na EUR inakuwa ya juu kupita kiasi, yenye matumaini ✔
  • C) Data ya uzalishaji inafutwa kiotomatiki
  • D) Shinikizo la kisima huongezeka kimwili

Ufafanuzi: Katika muundo wa hyperbolic wa Arps, msingi b huamua ni kiasi gani kasi ya kushuka hupungua kwa muda. Kuchukua b>1 na kuiongeza kwa muda mrefu kutasababisha kushuka kuwa polepole kupita kiasi na EUR (kadirio la mwisho la uzalishaji) kuwa juu kupita kiasi. Kwa hiyo, katika kipindi cha marehemu, mpito kwa kupungua kwa kielelezo au kikomo cha chini cha kupunguzwa hutumiwa na matokeo yanajaribiwa na usawa wa nyenzo.

5. Kwa nini mlinganyo wa Archie wa uthabiti na ujazo wa maji ni uthibitishaji wa matokeo ya AI katika tafsiri ya petrophysical?

  • A) Kwa sababu inaonyesha tu gharama ya kisima
  • B) Kwa sababu inaanzisha uhusiano wa kimwili kati ya upinzani, porosity na kueneza kwa maji na kupima matokeo ✔
  • C) Kwa sababu tu inafafanua rangi ya logi
  • D) Kwa sababu ina maana tu katika mazingira ya maabara

Maelezo: Mlinganyo wa Archi huanzisha uhusiano wa kimwili kati ya upinzani wa logi na kueneza kwa maji. Thamani ya kueneza kwa maji iliyopendekezwa na AI inajaribiwa kimwili kwa kuiingiza kwenye usawa wa Archi na pembejeo za porosity na resistivity na kulinganisha na coefficients ya malezi ya ndani; Matokeo yanapaswa kuwa katika safu 0-1 na yanalingana na msingi.

6. Kwa nini 'hasi ya uwongo' (ya kukosa) ni muhimu sana katika ugunduzi wa uvujaji wa bomba?

  • A) Kwa sababu inaainisha uvujaji halisi kuwa 'hakuna' na kuchelewesha kuingilia kati na kusababisha hatari kwa mazingira/maisha ✔
  • B) Kwa sababu inabadilisha tu rangi ya skrini ya SCADA
  • C) Kwa sababu tu inaongeza idadi ya kurasa za ripoti
  • D) Kwa sababu hasi za uwongo hazina madhara kila wakati

Maelezo: Hasi ya uwongo ni uainishaji wa 'kutokuwepo' kwa uvujaji ambao upo; Katika kesi hii, kuingilia kati kunachelewa na kuna hatari ya maafa ya mazingira, moto / mlipuko na kupoteza maisha. Matokeo chanya ya uwongo katika gharama zisizo za lazima za kusitisha. Katika mabomba muhimu ya usalama, kizingiti kinachaguliwa kwa uangalifu ili kupunguza hasi za uongo na inasaidiwa na uthibitishaji wa shamba.

7. Katika matengenezo ya ubashiri, ni matumizi gani yanayofaa zaidi wakati wa kutoa makadirio ya 'maisha muhimu yaliyosalia' (RUL) kutoka kwa data ya mtetemo wa kibandikizi?

  • A) Kukubali tarehe kamili ya kutofaulu iliyokadiriwa na kutofanya ukaguzi wowote hadi siku hiyo.
  • B) Kuchukua makadirio ya masafa ya kutokuwa na uhakika kama usaidizi wa uamuzi na kuthibitisha vifaa muhimu kwa ukaguzi wa shamba na uchanganuzi wa sababu ✔
  • C) Kuzima kengele kabisa wakati mtetemo unapoongezeka
  • D) Ikiwa RUL iko chini, endesha kifaa kwa ukamilifu wake bila kutokuwa na uhakika wowote.

Maelezo: RUL (Maisha Yanayobaki Yenye Manufaa) makadirio ni makadirio ya uwezekano, si tarehe kamili. Matumizi sahihi ni kuchukua makadirio pamoja na masafa yake ya kutokuwa na uhakika na kuyatumia kama usaidizi wa uamuzi katika kupanga matengenezo; Katika vifaa muhimu, inathibitishwa na ukaguzi wa shamba na uchambuzi wa sababu ya mizizi ya wigo wa vibration. Kuendelea kuendesha vifaa kulingana na tarehe ya upofu ni hatari.

8. Ni kanuni gani ni muhimu ikiwa ugunduzi wa gesi unaotegemea AI unatumiwa kwenye tovuti yenye hatari ya gesi zenye sumu kama vile H2S (sulfidi hidrojeni)?

  • A) Utambuzi wa AI unaweza kuwa safu pekee ya usalama, ikichukua nafasi ya vigunduzi vilivyoidhinishwa
  • B) AI ni safu ya msaidizi; Hakuna kibadala cha vigunduzi na taratibu zilizoidhinishwa kwa kujitegemea, usalama wa tabaka nyingi muhimu ✔
  • C) Ikiwa alama ya kujiamini ya mfano ni ya juu, vigunduzi vya kimwili vinaweza kuzimwa
  • D) Utambuzi wa H2S unaweza tu kufanywa kwa uchanganuzi wa ofisi

Maelezo: H2S ni gesi hatari katika suala la usalama wa maisha; Ugunduzi wa AI unaweza kuwa safu muhimu, lakini hauwezi kuchukua nafasi ya pekee, vigunduzi vya gesi halisi vilivyoidhinishwa na taratibu za uokoaji. Kazi muhimu za usalama hazipaswi kutegemea muundo mmoja wa kijasusi bandia, lakini mifumo ya usalama yenye tabaka nyingi na huru (ulinzi wa kina).

9. Kusudi kuu ni nini wakati wa kuchakata ripoti ya logi isiyolipishwa ya kuchimba visima ('ROP ilishuka wakati wa zamu, torati ikibadilika-badilika, udongo unaoweza kuvimba') na AI?

  • A) Kuandika upya ripoti bila mpangilio
  • B) Ongeza kina cha kuchimba kiotomatiki
  • C) Kufanya data kuhojiwa kwa kutafsiri maandishi huru yasiyolingana katika nyanja za kawaida; mwachie mhandisi maoni yenye lebo 'inawezekana' ✔
  • D) Kurejesha nambari za kisima

Ufafanuzi: AI hubadilisha ripoti za uendeshaji za maandishi-huru zisizolingana kuwa sehemu za kawaida (aina ya tukio, kina, mabadiliko ya kiashirio, sababu inayowezekana, hatua), na kufanya data kuhojiwa na kulinganishwa. Hata hivyo, sababu ya mizizi na uamuzi wa uendeshaji unathibitishwa na mhandisi wa kuchimba visima; mfano unapaswa kuhifadhi lebo 'inawezekana'.

10. Ni ipi njia sahihi wakati wa kuingiza logi ya kisima mahususi, uzalishaji na hifadhi ya data kwenye zana ya jumla ya AI?

  • A) Kuingiza viwianishi halisi na maadili ya uzalishaji haswa na kupata majibu ya haraka zaidi
  • B) Kuficha utambulisho na maadili, kufanya kazi na maadili ya uwakilishi na kutumia zana zilizoidhinishwa/kudhibitiwa pekee ✔
  • C) Kupakia hifadhidata ya uga mzima na kuruhusu modeli kujifunza
  • D) Kumbuka kuwa data ni ya siri na ishiriki kama ilivyo.

Maelezo: Viratibu vya visima, mtiririko wa uzalishaji na taarifa za hifadhi ni nyeti sana kibiashara na mara nyingi ni data za siri za mwenye leseni/ubia; Ni chini ya udhibiti wa umma katika baadhi ya nchi. Kuingia katika huduma ya nje isiyodhibitiwa huleta ushindani, uvunjaji wa mkataba na hatari ya kisheria. Mbinu sahihi ni kuficha utambulisho/kuratibu/thamani halisi au kufanya kazi na maadili ya uwakilishi na kutumia zana zilizoidhinishwa tu, zinazodhibitiwa na taasisi.

11. Je, 'utaratibu wa udhibiti wa ukubwa' unamaanisha nini katika hesabu ya kihandisi na AI?

  • A) Kuongeza idadi ya nafasi za desimali za matokeo
  • B) Kujaribu kwa hesabu ya haraka ya mkono ikiwa matokeo yako takribani ndani ya uwezo unaotarajiwa wa safu 10 ✔
  • C) Kupima azimio la picha la matokeo
  • D) Kusawazisha rangi ya matokeo

Maelezo: Mpangilio wa kuangalia ukubwa ni kupima kwa hesabu ya haraka ya mkono ikiwa tokeo liko ndani ya nguvu inayotarajiwa ya safu 10. Kwa mfano, upenyezaji wa hifadhi ya mchanga unatarajiwa kuwa katika safu ya millidarcy, lakini kutokea kwa maelfu ya darcys badala ya darcys huonyesha hitilafu ya kitengo au kuhariri bila kuelezea kwa undani.

12. Ni ipi njia thabiti zaidi ya kuthibitisha matokeo wakati wa kuchapisha msimbo wa uchambuzi wa data ya uzalishaji kwa AI ukitumia Python?

  • A) Ikiwa nambari inafanya kazi na haitoi kosa, ukubali matokeo kama sahihi.
  • B) Kulinganisha na upimaji wa kitengo, ukaguzi wa kikomo halisi na mbinu huru na sampuli ndogo inayojulikana ✔
  • C) Kutegemea idadi kubwa ya mistari ya msimbo
  • D) Kuangalia ikiwa pato la picha limepakwa rangi

Ufafanuzi: Ingawa nambari iliyotengenezwa inaonekana laini na sahihi, inaweza kuwa na hitilafu zilizofichwa (kitengo kisicho sahihi, tarehe iliyohamishwa, data iliyovuja, mkusanyiko usio sahihi). Uthibitishaji thabiti zaidi ni kukokotoa mwenyewe matokeo yanayotarajiwa kwenye sampuli ndogo inayojulikana, kuithibitisha katika msimbo (jaribio la kitengo), kuangalia matokeo ya kati dhidi ya vikomo vya kimwili (kama vile hakuna kiwango hasi cha mtiririko), na kuyalinganisha na mbinu huru.

13. Ni kauli gani sahihi zaidi ya kutumia utabiri wa EUR unaozalishwa na AI katika kuripoti hifadhi (k.m. PRMS/SEC)?

  • A) Idhini ya mtathmini sio lazima kwani pato la AI ni halali kiotomatiki
  • B) AI inasaidia; mbinu, pembejeo na kutokuwa na uhakika lazima kufuatiliwa, kurekodiwa na kuidhinishwa na mtathmini stadi ✔
  • C) Muundo ulio na thamani ya juu zaidi ya EUR unapaswa kupendelewa kila wakati.
  • D) Tamko la akiba linaweza kuwa otomatiki kabisa na udhibiti wa kibinadamu unaweza kuondolewa

Ufafanuzi: Ripoti za akiba ni hati zinazoweza kukaguliwa ambazo ni msingi wa maamuzi ya mwekezaji na udhibiti na ziko chini ya wajibu wa mtathmini mwenye sifa za hifadhi. AI inaweza kusaidia katika kusafisha data, kuweka ndoto, na kuunda mazingira; hata hivyo, mbinu, pembejeo, na kutokuwa na uhakika wa takwimu lazima ziandikwe kwa njia inayoweza kufuatiliwa na kuidhinishwa na mtathmini aliyeidhinishwa. AI pekee haiwezi kutangaza hifadhi.

14. Ni taarifa gani iliyo sahihi zaidi kuhusu dhima kuu ya matumizi ya AI katika uhandisi wa mafuta na gesi?

  • A) Kwa kuwa AI inazalisha pato, jukumu hupita kwa kampuni ya programu
  • B) AI hutoa msaada na kuongeza kasi; Jukumu la uamuzi na ripoti linabaki kwa mhandisi aliyeidhinishwa, matokeo lazima yathibitishwe na kupitishwa na mwanadamu ✔
  • C) Uidhinishaji wa mhandisi hauhitajiki kwani pato la AI ni halali kiotomatiki
  • D) Wajibu ni wa timu ya uwanja tu, haimhusu mhandisi wa ofisi

Maelezo: AI ni zana yenye nguvu katika kazi ya usaidizi kama vile usindikaji wa data, kuandaa rasimu, ugunduzi na kuongeza kasi ya uboreshaji; Hata hivyo, jukumu la ripoti iliyotiwa saini, uamuzi muhimu wa usalama, muundo wa kisima na tamko la akiba linasalia kwa mhandisi/mtathmini aliyeidhinishwa. Matokeo yanapaswa kukaguliwa, kuthibitishwa na kuidhinishwa na binadamu.

Iliyotangulia Kamilisha moduli