Aker BP og Schlumberger har sammen utviklet en ny applikasjon kalt DELFI Wellbore Interpretation Insights app. Den er skybasert og har som mål å samle, tilgjengeliggjøre og analysere data fra tidligere eksperttolkninger og metodevalg av brønner.
– Appens viktigste funksjon er at dataene blir mye lettere å få tak i, få innsikt i og analysere når de er samlet på ett sted, forteller Yngve Bolstad Johansen, chief petrophysicist i Aker BP.
Trapped knowledge – bortgjemt kunnskap – er motivasjonen. Tradisjonelt sett har de viktige tolkningene av brønner blitt lagret hver for seg i sine respektive «prosjektmapper».
Metodevalg og parameterisering har tidligere blitt brukt til kontroll av tolkede resultater. Nå er målet å også ta vare på valgene til ekspertene slik at man senere kan hente ut dataene knyttet til hva de har gjort for å produsere gode tolkninger i regioner.
Dette følger prinsippene til det som kalles Augmented Learning (AL). Ved å tillate maskinen å lære hvordan eksperten løste en oppgave, kan en automatisk initialisere tolkningsarbeid.
Ifølge Johansen vil dataene kunne analyseres ved hjelp av kraftige datamaskiner og vitenskapelig baserte algoritmer som tar i bruk kunstig intelligens (AI, Artificial Intellligence) til å velge gode beslektede brønner å lære fra.
Med dette for øyet har Aker BP sett viktigheten av å forene dataene i én database slik at de lett kan hentes frem når de for eksempel undersøker et nytt prospekt der de sitter på relevant geologisk eller teknisk kunnskap i form av historiske borehullsdata og tolkninger.
Brukergrensesnittet er designet slik at petrofysikerne som gjør formasjonsevaluering i Aker BP raskt kan hente ut den informasjonen de ønsker, som så kan visualiseres og analyseres. Én av appens styrker er at den kan presentere statistikk på en oversiktlig måte og også finne vektede gjennomsnittstall fra de mest relevante brønnene.
Dette skal kunne gi bedre resultater enn den tradisjonelle metoden der en manuelt henter ut den informasjonen fra prosjektdatabasene en selv anser som mest relevant.
Appen har så langt blitt testet i utvalgte sedimentære lagrekker tilknyttet olje- og gassfeltene Ivar Aasen og Hanz i Nordsjøen.
Ett av målene var å undersøke hvorvidt Aker BP og Schlumbergers AL-baserte løsning kunne levere bedre resultater enn de som er basert på maskinlæring og nevrale nettverk. Den sistnevnte løsningen går kort fortalt ut på å bygge fungerende algoritmer for analyser ved å mate dem med store mengder data.
Når det kommer til tolkningsdata av brønner, mener de to selskapene at AL-løsningen kan være optimal på grunn av begrenset mengde tilgjengelig data – maskinlæring krever gjerne en database med flere, større datasett for å kunne peke på unike løsninger.
– Resultatene av dette prosjektet er så langt lovende. Kvaliteten på tolkningene gjort av appen oversteg kvaliteten på tilsvarende resultater fra modeller som benytter nevrale nettverk, fremholder Johansen.
Schlumberger skal videreutvikle programvaren i tiden som kommer, og tilbakemeldinger og ønsker fra brukerne står sentralt i dette arbeidet, ikke minst fra Johansen og hans kolleger i Aker BP. Appen skal blant annet bli integrert i hele rekken av DELFI-produkter (en serie programvareprodukter for E&P-industrien). Det skal også utvikles nye verktøy som blant annet gir bedre innsikt i parametere tilknyttet formasjoner og reservoartyper, væsker med mer.
Yngve Bolstad Johansen vil fortelle mer om appen og en case study fra Ivar Aasen og Hanz-feltene under DigEx 2020-konferansen i Oslo 29. januar 2020.