ИИ применили для повышения эффективности добычи нефти

Исследователи из Казанского федерального университета применили методы машинного обучения к решению задач по поиску неисправностей в интегральных схемах, предназначенных для регулирования деятельности нефтедобывающего производства. Результаты работы были представлены на 19-м Международном симпозиуме по качественному электронному дизайну (ISQED), в Санта-Кларе, Калифорния.

Еще недавно информационные технологии редко использовались в сфере нефтедобычи и нефтепереработки, однако уже сегодня они активно применяются в этих областях. Каждое месторождение — сложнейшая система, состоящая из пластов, скважин, объектов поверхностных сооружений и инфраструктурных объектов. В ней так много параметров, с помощью которых можно управлять эффективностью, что найти решение, позволяющее получать максимум при минимальных затратах энергии, возможно только при использовании искусственного интеллекта.

Ученые КФУ предложили новые способы выбора характеристик микросхем, позволяющие минимизировать время обучения нейронной сети на этих устройствах, повысить точность предсказания и, самое главное, повысить качество диагностики неисправностей. Получается, что при меньших вычислительных затратах открывается возможность оценивать качество готового изделия, находить неисправности в изготавливаемых микросхемах и, соответственно, выпустить на рынок только те изделия, которые успешно прошли все тесты. В случае неудачи диагностика покажет причину и суть дефекта.

В рамках эксперимента ученые проводили обучение нейронной сети для тестирования проектируемого устройства и поиска в нем неисправностей. С помощью математического моделирования осуществлялось накопление характеристик, отражающих поведение схемы, с учетом влияния возможных неисправностей на работу соответствующих устройств. Источник