"Цифра" для нефти: в ТПУ прошел хакатон томского U-NOVUS

ТОМСК, 12 окт – РИА Томск. Цифровые решения для нефтегазового дела стали темой одного из хакатонов томского форума новых решений U-NOVUS. Студенческие команды разрабатывали алгоритмы, которые могли бы применяться в процессе цифровой трансформации отрасли. О проблемах и возможных решениях – в обзоре РИА Томск.

Ранее сообщалось, что в Томске с 9 по 13 октября проходит форум U-NOVUS. Его программа вместо традиционных панельных дискуссий, круглых столов и докладов включает площадки новых форматов: воркшопы, нетворкинг, дизайн-сессии, арт-резиденции.

Марафон программистов

В рамках форума в Томском политехническом университете (ТПУ) собрались эксперты научно-технического центра ПАО "Газпром нефть", компании "Эконофизика", Центра подготовки и переподготовки специалистов нефтегазового дела ТПУ, а также студенты и молодые программисты. В течение двух ней молодежи предстояло разработать решения реальных задач, стоящих перед "Газпром нефтью".

Слово "хакатон", как сообщается на сайте ТПУ, – это термин, получившийся в свое время от сочетания двух слов: "хакер" и "марафон". Сегодня хакатоны уже не относятся к хакерству, это просто "марафон программистов", где небольшие команды специалистов из разных областей разработки программного обеспечения и средств автоматизации сообща работают над решением какой-либо проблемы.

Четыре блока

Перед участниками хакатона в ТПУ поставили четыре задачи, связанные с автоматизацией процессов в нефтегазовой отрасли. О них РИА Томск рассказал директор Центра подготовки и переподготовки специалистов нефтегазового дела ТПУ Валерий Рукавишников:

– Первая задача – автоинтерпретация кривых каротажа с целью поиска пропущенных интервалов.

Что такое каротаж? Это определенные исследования нефтяной скважины различными методами. Проблема в том, что исторически данные этих исследований интерпретировали люди, а там очень много показателей от десятков тысяч скважин. И не всегда человек может все внимательно отсмотреть. В современных условиях, чтобы обработать весь этот массив данных, нужен алгоритм, который сделает это в автоматическом режиме. Причем алгоритм самообучающийся.

Вторая задача – автоматизированная сегментация шлифов и прогноз петрофизических свойств керна.

Керн – образец горной породы, который мы достаем из скважины. Его шлифуют и полируют, чтобы увидеть на камне характерные свойства. Это поможет определить свойства всего пласта, откуда мы будем добывать нефть. Шлифов за годы накопилось огромное количество, и раньше их интерпретировали вручную. Нужен алгоритм, который картинку распознает и сегментирует.

Что нам это даст? С таким алгоритмом мы сможем быстрее получать информацию, эффективнее подходить к разработке месторождения. И, как результат, сэкономим колоссальные ресурсы.

Третья задача – заполнение недостающих данных на основе поиска аналогов месторождений.

При оценке и разработке месторождений нефти количество данных для принятия управленческих решений всегда ограничено, тут нам может помочь мировой опыт разработки. Нам нужно найти похожий пример, чтобы понять, как другие специалисты до нас подходили к решению проблем такого месторождения.

Поиск аналогов, как правило, осуществлялся вручную. Но условных атрибутов у каждого месторождения насчитывается несколько сотен. Чтобы найти похожее в огромном количестве признаков и атрибутов, нужен опять же алгоритм.

И последняя, четвертая, задача – прогноз параметров сети соавторов журнала "Нефтяное хозяйство". Здесь цифровое решение поможет быстро находить специалистов по конкретным вопросам. Допустим, в компании существует какая-то проблема, и мы не знаем, что с ней делать, потому что пока еще не сталкивались. Значит, нужен алгоритм поиска людей, которые публикуются по данной тематике и могут выступить в роли экспертов.

Миссия выполнима

По словам Рукавишникова, все четыре темы являются актуальными как для компании "Газпром нефть", в которой идет цифровая трансформация бизнеса, так и для нефтегазовой отрасли в целом. И хакатон по теме является хорошим инструментом для поиска решений.

"Хакатон помогает увидеть людей, которые этим могут заниматься. Можно будет привлечь их в будущем в проектные команды как на предприятие, так и в университет. Такая форма работы – это еще и сбор новых идей от умных, прогрессивных, думающих программистов", – говорит Рукавишников.

Как отметил руководитель дирекции по технологиям "Газпром нефти", генеральный директор компании Марс Хасанов, хакатоны в области машинного обучения и Data Science дают новые решения больших и сложных задач.

"Научно-технический центр "Газпром нефти" занимается цифровизацией нефтегазовой отрасли и активно взаимодействует с российским инновационным сообществом. Здесь, на U-NOVUS, мы взяли актуальные бизнес-задачи, над которыми уже работаем, в том числе с привлечением партнеров, и сделали из них выжимку. Мы подготовили небольшой кусочек кода, который назвали базовым решением, и предлагаем участникам его улучшить", – цитируется Хасанов на сайте ТПУ.

По результатам хакатона, лучшей в решении первых трех задач стала команда Iteam (Вячеслав Бакулиз, Томский госуниверситет). Лидеры по четвертой задаче – команда Stack More Layers (Алексей Кулебякин и Алексей Войцеховский, Томский политехнический университет).

Как ранее сообщалось на сайте политеха, за лучшее решение по каждой из задач организаторы приготовили для участников денежное вознаграждение. По информации Рукавишникова, призовой фонд хакатона – 200 тысяч рублей.