Die Öl- und Gasindustrie steht vor großen Herausforderungen – die Kosten für die Förderung steigen, und der turbulente Zustand der internationalen Politik erschwert die Erkundung und das Bohren nach neuen Reserven. Angesichts dieser großen Probleme wenden sich die Schlüsselakteure Big Data zu, in der Hoffnung, Lösungen für diese drängenden Herausforderungen zu find
Big Data bezeichnet die Theorie und Praxis, fortschrittliche Computeranalysen auf die ständig wachsende Menge digitaler Informationen anzuwenden, die wir aus der Welt um uns herum sammeln und speichern können. In den letzten Jahren haben Unternehmen in allen Branchen begeistert datenbasierte Strategien entwickelt, um Probleme zu lösen und Herausforderungen zu bewältigen, und die Öl- und Gasindustrie bildet da keine Ausnahme.
Das "Große Ganze“
Eine Testumgebung für kundenorientierte Innovation.
Unser Kunde ist eines der größten Öl- und Gasunternehmen – eines der „Supermajors“, zu denen auch BP, Chevron, Total und ExxonMobil gehören – und das weltweit viertgrößte Unternehmen nach Umsatz. Seit einiger Zeit entwickelt unser Kunde die Idee des „datengetriebenen Ölfelds“, um die Kosten für das Bohren von Öl zu senken – die größte Ausgabe der Branche.
Eine aktuelle Umfrage von Accenture und Microsoft unter Ölgesellschaften und Unternehmen aus der Zulieferindustrie ergab, dass 86 % bis 90 % der Befragten angaben, dass die Verbesserung ihrer Analyse-, Mobil- und Internet-of-Things-Fähigkeiten den Wert ihres Unternehmens steigern würde. Die Suche nach neuen Kohlenwasserstoffvorkommen erfordert enorme Mengen an Materialien, Arbeitskräften und Logistik. Da das Bohren eines Tiefseeölbrunnens oft mehr als 100 Millionen US-Dollar kostet, möchte niemand am falschen Ort suchen.
Zwei kundenorientierte Anwendungsfälle vom Konzept zur Realität bringen
Die Erkundung potenzieller Standorte umfasst das Überwachen von niederfrequenten seismischen Wellen, die durch die tektonische Aktivität durch die Erde unter uns wandern. Sonden werden in den Boden des untersuchten Standorts eingebracht, die registrieren, ob das Wellenmuster beim Durchgang durch Öl oder Gas verzerrt wird.
Früher wurden bei einer typischen Untersuchung eines möglichen Bohrstandorts einige Tausend Messwerte erfasst. In den letzten Jahren hat sich die Technologie jedoch so weit entwickelt, dass mehr als eine Million Messwerte erfasst werden können – was die Menge an gesammelten Daten während der Exploration erheblich steigert.
Unser Kunde nutzt Glasfaserkabel, die in einer speziellen Partnerschaft mit Hewlett-Packard entwickelt wurden, für diese Sensoren, und die Daten werden auf private Server übertragen, die von Amazon Web Services betrieben werden. Dies liefert ein weitaus genaueres Bild dessen, was sich unter der Erde befindet. Die Daten eines potenziellen Ölfelds können dann mit denen Tausender anderer Standorte weltweit verglichen werden, um Geologen genauere Empfehlungen darüber zu geben, wo gebohrt werden sollte.
Eine aktuelle Umfrage von Accenture und Microsoft unter Ölgesellschaften und Unternehmen aus der Zulieferindustrie ergab, dass 86 % bis 90 % der Befragten angaben, dass die Verbesserung ihrer Analyse-, Mobil- und Internet-of-Things-Fähigkeiten den Wert ihres Unternehmens steigern würde. Die Suche nach neuen Kohlenwasserstoffvorkommen erfordert enorme Mengen an Materialien, Arbeitskräften und Logistik. Da das Bohren eines Tiefseeölbrunnens oft mehr als 100 Millionen US-Dollar kostet, möchte niemand am falschen Ort suchen.
Die Erkundung potenzieller Standorte umfasst das Überwachen von niederfrequenten seismischen Wellen, die durch die tektonische Aktivität durch die Erde unter uns wandern. Sonden werden in den Boden des untersuchten Standorts eingebracht, die registrieren, ob das Wellenmuster beim Durchgang durch Öl oder Gas verzerrt wird.
Früher wurden bei einer typischen Untersuchung eines möglichen Bohrstandorts einige Tausend Messwerte erfasst. In den letzten Jahren hat sich die Technologie jedoch so weit entwickelt, dass mehr als eine Million Messwerte erfasst werden können – was die Menge an gesammelten Daten während der Exploration erheblich steigert.
Unser Kunde nutzt Glasfaserkabel, die in einer speziellen Partnerschaft mit Hewlett-Packard entwickelt wurden, für diese Sensoren, und die Daten werden auf private Server übertragen, die von Amazon Web Services betrieben werden. Dies liefert ein weitaus genaueres Bild dessen, was sich unter der Erde befindet. Die Daten eines potenziellen Ölfelds können dann mit denen Tausender anderer Standorte weltweit verglichen werden, um Geologen genauere Empfehlungen darüber zu geben, wo gebohrt werden sollte.
Eine der ersten Aufgaben ist die Produktionsprognose – die Bestimmung des voraussichtlichen Ertrags des Reservoirs ist entscheidend, um festzulegen, welche Ressourcen für die Gewinnung aufgewendet werden sollten. Wenn diese Entscheidung datenbasiert getroffen wird, können die Betreiber mit größerer Zuversicht davon ausgehen, dass dies effizient geschieht.
Unser Kunde nutzt Big Data auch, um sicherzustellen, dass die Maschinen ordnungsgemäß funktionieren und so wenig Ausfallzeiten wie möglich aufgrund von Ausfällen und Störungen haben. Maschinen, die beim Bohren eingesetzt werden, müssen unter rauen Bedingungen über längere Zeiträume hinweg arbeiten und sind daher anfällig für Verschleiß und Schäden. Um dem entgegenzuwirken, sind die Maschinen mit Sensoren ausgestattet, die Daten über ihre Leistung sammeln und diese mit aggregierten Daten vergleichen, sodass Teile effizient ausgetauscht und Ausfallzeiten minimiert werden können, was die Betriebskosten weiter senkt.
Neben der Exploration wird Big Data auch genutzt, um den Transport, die Veredelung und den Vertrieb (Einzelhandel) von Öl und Gas zu optimieren. Unser Kunde ist vertikal integriert und somit an jedem Aspekt des Prozesses beteiligt, bis hin zur Verpackung und dem Verkauf an den Verbraucher als Kraftstoff für deren Autos oder zur Beheizung ihrer Häuser. Raffinerien haben eine begrenzte Kapazität, und Kraftstoffe müssen so nahe wie möglich am Einsatzort produziert werden, um die Transportkosten zu minimieren. Komplexe Algorithmen berücksichtigen die Produktionskosten für Kraftstoffe sowie verschiedene Daten wie wirtschaftliche Indikatoren und Wettermuster, um die Nachfrage zu bestimmen, Ressourcen zuzuweisen und die Preise an den Zapfsäulen festzulegen.
Natürlich sind wir uns seit langem bewusst, dass wir möglicherweise irgendwann das gesamte nicht erneuerbare Öl und Gas unter der Erde aufgebraucht haben – vielleicht früher, als wir denken. Während dies für uns alle eine ökologische Sorge ist, ist es für Unternehmen wie Unser Kunde ein finanzielles Problem. Sinkende Reserven bedeuten, dass die Kosten für die Gewinnung der verbleibenden Ressourcen steigen, da man gezwungen ist, tiefer in immer entlegenere Gebiete vorzudringen.
Eine Alternative bietet die wachsende Hoffnung, dass „unkonventionelle Ressourcen“ wie Schiefergas und Tight Oil die Lücke füllen werden. Diese in Schiefer und Sandstein eingeschlossenen Ressourcen machen mittlerweile 20 % des in den USA genutzten Gases aus, und ihr Einsatz verbreitet sich schnell weltweit. Sie erfordern jedoch neue Fördermethoden wie die hydraulische Frakturierung („Fracking“). Da dies relativ neu ist, liegen weit weniger Daten vor, sodass die Exploration mehr ein Glücksspiel sein kann. Neue Techniken werden jedoch entwickelt, um die gesammelten Daten aus der Erkundung und dem Bohren dieser Standorte zu nutzen, um andere potenzielle Standorte zu identifizieren, an denen Reserven versteckt sein könnten.
All diese Elemente bilden das „große Ganze“ – jedes davon muss synchronisiert werden, wenn ein Unternehmen in der teuren, gefährlichen und hart umkämpften Öl- und Gasproduktion erfolgreich sein will. Dank Big Data-Analysen kann die Verbindung zwischen diesen Geschäftselementen im Detail untersucht und überwacht werden. Dadurch können Modelle erstellt und Simulationen von Analysten durchgeführt werden, um zu erforschen, wie kleine Anpassungen in einem bestimmten Bereich der Betriebsabläufe große Auswirkungen auf die Produktivität oder Effizienz eines anderen Bereichs haben könnten. Die enorme Menge an Daten, die in allen Bereichen der Geschäftstätigkeit des Unternehmens gesammelt wird, bedeutet, dass die Ergebnisse der Simulationen hoffentlich der Realität so nah wie möglich kommen. Letztendlich sind Entscheidungsträger dadurch besser in der Lage, Entscheidungen zu treffen, die das Schicksal des Unternehmens beeinflussen.