Дмитрий Гаренских об опыте Групп компаний по внедрению ИИ в системы производственной безопасности
Дмитрий Гаренских, заместитель генерального директора по развитию цифровых технологий «Газпром бурение», рассказал в интервью Neftegaz.RU о развитии цифровых сервисов на базе ИИ, их преимуществах, сдерживающих факторах и их преодолении в Группах компаний «Газпром бурение» и «РусГазБурение».
Эффективность, безопасность, репутация. Опыт Групп компаний «Газпром бурение» и «РусГазбурение» по внедрению ИИ в системы производственной безопасности
Технологии искусственного интеллекта (ИИ) становятся все более и более востребованными в российской нефтегазовой отрасли. Группы компаний «Газпром бурение» и Группы компаний «РусГазБурение» не остаются в стороне от этого процесса, используя возможности нейросетей для повышения эффективности бизнеса и обеспечения производственной безопасности. О развитии цифровых сервисов на базе ИИ, их преимуществах, сдерживающих факторах и их преодолении в интервью Neftegaz.RU рассказал заместитель генерального директора по развитию цифровых технологий «Газпром бурение» Дмитрий Гаренских.
— Сегодня в Группах компаний «Газпром бурение» и «РусГазБурение» активно развивается направление искусственного интеллекта для повышения эффективности бизнес-процессов. Какие проекты сегодня включены в ваш цифровой портфель?
На текущий момент в нашем портфеле есть крупный проект – «Видеоаналитика», реализованный на объектах бурения. Система с помощью искусственного интеллекта анализирует видеопоток для выявления нарушений безопасности, поведение людей, распознает объекты. Это позволяет не только выявлять потенциально опасные ситуации, но и отслеживать эффективность работы персонала, выявлять и расшивать узкие места в технологическом процессе.
Еще одно решение – это внедрение инструментов предиктивной аналитики в процесс технического обслуживания и ремонта бурового и технологического оборудования. Предиктивная аналитика позволяет на основе анализа параметров работы оборудования предупреждать о возможных отказах и неполадках. Такая система позволяет значительно снизить риск внезапного выхода из строя оборудования и, соответственно, простоя, оптимизировать материальные затраты, и, опять-таки, вносит вклад в повышение производственной безопасности.
— Расскажите, пожалуйста, о проекте «Видеоаналитика». Какие объекты охватывает система, какие преимущества дает?
— Проект, в первую очередь, направлен на предотвращение нештатных ситуаций, связанных с жизнью и здоровьем наших сотрудников, предупреждения случаев производственного травматизма.
Реализацию проекта мы начали в 2023 году с пилотного участка на Уренгойском месторождении. На тот момент видеоаналитикой было охвачено всего 6 буровых, а нарушения фиксировались только по 5 детекторам (наличие защитной каски, перчаток, очков; наличие страховочной системы при работе на высоте, безопасное передвижение по лестнице).
При запуске, конечно, были сложности, и это нормально, но несмотря на это мы получили хороший результат по испытаниям на первых шести буровых установках и приняли решение о масштабировании данной технологии уже на других участках. Сейчас видеоаналитика работает уже на 18 буровых установках, это значит, что мы покрываем пятую часть работающего парка буровых установок. Также мы увеличили количество детекторов, сейчас их уже около десяти.
На самой буровой установке система работает в 3 зонах. Первая – непосредственно сама роторная площадка, где осуществляются основные работы, и вход на нее, где, например, отслеживается, держится ли сотрудник за перильные ограждения при подъеме по лестнице. Вторая – зона верхового помощника бурильщика, это работа на высоте и у помбуров особые условия. Третья зона, охваченная видеоаналитикой, – зона приготовления бурового раствора.
У нас есть еще одно направление по этому проекту. В прошлом году мы запустили систему определения номеров автомобилей. Таким образом мы отслеживаем перемещение материальных ценностей со склада на буровую – фиксируем, марку и госномер автомобиля который проезжает через КПП на складе и на буровой площадке, что она завозит или вывозит.
— В вашем решении для анализа данных используются искусственный интеллект, но буровая установка для аналитики является очень сложной сценой (сложная конфигурация пространства, много движущихся механизмов и т.п.) Насколько сложно было обучать нейросеть? Как решается вопрос с ложными срабатываниями?
— Искусственный интеллект развивается очень быстро, сейчас нет потребности обучать его с нуля. Существуют готовые программные продукты, крупные компании дорабатывают их под себя.
Так поступили и мы. У нас внедрен один из лучших на сегодняшний день продуктов, который в том числе сопровождает видеоаналитику крупнейших промышленных компаний, но многое дорабатывали самостоятельно. Сегодня погрешность по ложным срабатываниям у нас составляет чуть более 1%.
Процесс отладки видеоаналитики, действительно, довольно сложный, но самое главное – настроить систему на определенную зону и на определенные детекции. При запуске система может выдавать, к примеру, порядка 30-40% ложных срабатываний, но каждое маркируется как истинное или ложное, и далее нейросеть сама быстро обучается.
И вообще, чем больше информации получает система на базе ИИ, тем точнее она работает, тем уровень погрешности становится все меньше.
— Как на практике идет разворачивание системы «Видеоаналитика»? Какое оборудование требуется, есть ли сложности с выбором точек установки камер?
— Наши буровые установки по умолчанию оборудованы в среднем порядка 10-12 камерами, некоторые наши заказчики устанавливают повышенные требования, и мы оборудуем их до 17 видеокамер. По сути, для проекта «Видеоаналитика» мы закупили только саму систему и небольшие промышленные серверы, которые устанавливаются непосредственно на буровых. Это работает так: на буровой на сервер поступает видеопоток со всех видеокамер, видеоаналитика обрабатывает данные, фиксирует нарушение, специалистам по промышленной безопасности в офис ппередаётся лишь небольшой фрагмент видео, касающийсясамого момента нарушения с небольшим временным интервалом до и после (весь ролик с нарушением около 30 секунд), система сама формирует этот фрагмент из видеопотока, плюс несколько фотографий события. Мы не сидим и не смотрим весь поток информации, иначе зачем вообще нужна была бы видеоаналитика?
Сервер хранит записи за определенный промежуток времени. Это необходимо, если потребуется детальный разбор ситуации. Тогда мы можем подключится к серверу на буровой, чтобы скопировать весь нужный массив информации.
— В начале вы упомянули об еще одном решении в вашем портфеле – проекте по управлению активами. Расскажите, пожалуйста, о ходе внедрения, какие результаты на сегодняшний день.
Система управления активами – это программный комплекс, который разработан специально для работы с производственными активами группы компаний, такими как буровое и технологическое оборудование, спецтранспорт, в целях повышения операционной эффективности. Цифровая система управления ремонтами и обслуживанием материальных активов сегодня реализована на пилотных 6 буровых установках и 75 единицах сервисного оборудования «РусГазбурение». Проект стартовал в 2022 году с технологических сервисов, а в 2024 году мы приступили к внедрению данного сервиса на наших буровых установках на Ковыктинском месторождении – одном из ключевых проектов нашего холдинга. Все, что касается планово-предупредительных ремонтов, учетов узлов оборудования, показателей эксплуатации, все это ведется в этой системе. Она показывает, в какое время должно пройти техническое обслуживание, на каком узле должны пройти регламентные работы, где нужно что-то заменить, на что нужно обратить внимание. В перспективе планируем расширение до 40 буровых, это позволит нам полностью охватить ключевые активы в Восточной Сибири.
Это очень важная составляющая, но для повышения эффективности проекта мы планируем запустить тестирование системы предиктивной аналитики. Этот инструмент позволяет прогнозировать возможный выход из строя оборудования. Основой системы является специально разработанная нейросеть, которая в режиме реального времени анализирует и интерпретирует параметры работы оборудования с 80% точностью и предупреждает сотрудников механо-энергетической службы за 15 и более дней о необходимости ремонта конкретного узла.
Для этого программа собирает данные с различных специальных датчиков (акустических, вибрационных и т.д.), которыми «обвешиваются» определенные узлы и агрегаты, анализирует их, выявляет отклонения в работе оборудования и предупреждает о возможном выходе его из строя. То есть нейросеть смотрит на определенные параметры работы оборудования (крутящий момент или давление в системе), которые позволяют определить, корректно сейчас работает узел или некорректно.
Предиктивная аналитика у нас находится в стадии проработки. Сейчас мы ведем оценку по данному направлению и в случае, если мы рассчитаем положительный экономический эффект, то данную технологию планируем протестировать уже в этом году.
— Системы предиктивной аналитики, при всех их преимуществах не нашли пока широкого распространения в нефтегазовой отрасли (по некоторым оценкам — 10-15% компаний отрасли используют этот инструмент). Какие по вашему мнению препятствия мешают их внедрению и как их преодолеваете вы?
— В первую очередь цена. Так было и с видеоаналитикой, когда мы к ней подступались, она тоже была очень дорогой. Спустя некоторое время она стала более доступной. Это обычная ситуация – когда какое-то нововведение только появляется, оно бывает очень дорогим.
Мы, например, ищем дополнительные пути оптимизации. Как я уже говорил, мы использовали видеокамеры исключительно из собственного парка, также взяли на себя весь монтаж и настройку, отладку. Мы активно работаем с поставщиками, таким образом мы стараемся найти симбиоз и по максимуму использовать собственные ресурсы, чтобы удешевить внедрение и сделать технологию доступной.
По предиктивной аналитике пойдем тем же путем – будем вести оценку ее экономической составляющей в части обслуживания нашего механического фонда, рассматривать варианты, как ее удешевить. Экономика здесь решает.
И возвращаясь к системе видеоаналитики – это было нашим внутренним решением, призванным предупредить тот или иной возможный риск, связанный с жизнью и здоровьем наших работников. Не побоюсь сказать, но мы, наверное, одна из немногих компаний, которая этот сервис подняла собственными силами, и сама для себя. Это была наша инициатива, мы несем все затраты, связанные с этим, но это, прежде всего, безопасность наших работников и наша репутация.