除了對于變化的懷疑，各能源企業(yè)還在斟酌新型技術到底能否真正實現(xiàn)。

人工智能（簡稱AI）已經(jīng)證明了自身對于石油與天然氣公司的價值，但在行業(yè)之內大量采用AI技術仍然面臨著一系列障礙。Tessella公司（專門提供工程與咨詢服務，旨在幫助全球各能源公司通過數(shù)據(jù)確定提升鉆井平臺運作及企業(yè)整體運營效率的方法）能源部門主管RayHall指出，“石油公司在AI技術的采用方面面臨著諸多挑戰(zhàn)。除了對于變革的天然抗拒之外，對于現(xiàn)有知識是否充分以及新型技術能否真正實現(xiàn)等仍存在疑慮。”

Hall同時表示，“我們的相當一部分客戶已經(jīng)在各大技術方案供應商身上投入了巨額資金。然而，盡管分析結論具有吸引力，但實際回報卻令人失望?！?/p>

Hall解釋稱，石油企業(yè)多年以來一直在供應鏈平臺以及煉油規(guī)劃當中利用模型預測控制（簡稱MPC）等分析方法。

Hall指出，“他們一直在運用結構化數(shù)據(jù)處理方案以及分析技術。然而，由于這些舊有技術極少與新型分析技術相結合（例如通過機器學習提升業(yè)績水平），因此各企業(yè)往往在這一領域缺少值得關注的進展?！?/p>

從競爭的角度來看，最重要的是石油與天然氣企業(yè)由于面臨著其它行業(yè)所難以想象的多方面挑戰(zhàn)，因此在克服AI及其它新興技術難題方面處于主動地位。

一方面，石油與天然氣行業(yè)存在著長期的價格不確定性。Hall表示，“單桶原油超過100美元的日子已經(jīng)一去不復返，全球需求下降與生產(chǎn)能力上升使得油價一路走低，同時意味著石油企業(yè)必須大幅度降低生產(chǎn)與煉油成本?！?/p>

這意味著應用新型技術以提高效率，能夠幫助各石油與天然氣企業(yè)實現(xiàn)顯著的成本節(jié)約效果。Hall強調稱，“舉例來說，機器人也許能夠在生產(chǎn)資產(chǎn)中發(fā)揮作用以處理鉆井與開采流程?！?/p>

除此之外，這一領域還面臨著從業(yè)人員老齡化問題。Hall指出，“分析領域已經(jīng)就此作出大量預測，而且人們普遍意識到，未來五到十年當中將有高達40%的石油與天然氣員工退休。用人力取代這部分具備豐富經(jīng)驗的勞動力將極具挑戰(zhàn)性;利用認知與機器學習解決方案增加自動化決策支持，從而降低對于經(jīng)驗的依賴就顯得非常重要?！?/p>

最后，隨著對于石油及天然氣資源依賴性的降低，這一行業(yè)內的從業(yè)企業(yè)亦需要轉變自身業(yè)務以成為掌握可再生能源的完整能源供應商。

Hall表示，“為了實現(xiàn)這一目標，各企業(yè)需要以有利可圖的方式同時運營化石能源與可再生能源。這將需要建立起一套更為現(xiàn)代化的技術環(huán)境，從而更為有效地滿足客戶需求并優(yōu)化能源結構。”

Tessella公司已經(jīng)幫助多家石油企業(yè)利用AI技術改善業(yè)務流程。舉例來說，其曾經(jīng)與一家石油公司客戶合作，幫助后者提升對現(xiàn)有鉆井設備使用壽命及腐蝕水平的了解，并希望借此獲得更為可觀的開采收益。

Hall介紹稱，“該公司擁有大量歷史數(shù)據(jù)，但卻缺乏充分的分析與理解。我們收集了全部油井運營數(shù)據(jù)歷史記錄，并利用一系列AI統(tǒng)計技術識別數(shù)據(jù)結構，找到歷史數(shù)據(jù)與腐蝕水平之間的關聯(lián)性，而后立足潛在變量以了解歷史記錄中的哪些因素與腐蝕情況有關。”

這項工作允許客戶更為自信地基于風險作出決策，進而充分了解各類不確定性、風險與敏感性因素。Hall總結稱，“這將帶來巨大的反響。了解腐蝕狀況對于項目實施至關重要?！?/p>

更多資訊請關注工業(yè)機器人頻道