壳牌的新“原油”：人工智能与大数据

壳牌有很多理由使用人工智能和数据来改变他们的业务。 

面对增加的能源需求、缺乏网络连接的环境和应对气候变化的压力越来越大，石油和天然气行业正处于十字路口。像壳牌这样的能源公司可以要么坚持现状，要么接受低碳能源未来的理念。

向更加分散、多样化和分散的能源系统过渡意味着优化端到端流程并对其进行大规模维护，在全球范围内快速部署的解决方案至关重要，这意味着壳牌必须成为一家人工智能驱动的技术公司。 

加速数字化转型

例如，去年 11 月，壳牌与贝克休斯、微软和企业 AI 公司C3 AI共同创立了Open AI Energy Initiative (OAI) ，以帮助加速能源行业的数字化转型。

壳牌计算科学和数字创新副总裁 Dan Jeavons 表示，OAI 为行业领导者提供了公开、公平和透明合作的机会。它使他们能够在人工智能应用程序之间创建可互操作的标准，并加速数字技术的采用，并在未来实现净零排放。

“我们已承诺到 2050 年或更早实现净零排放，到 2030 年将范围一和二的排放量减少 50%，”他说。 

虽然数字技术可能不是灵丹妙药，但它是壳牌用来加速能源转型的核心杠杆之一。Jeavons 补充说：“虽然我们需要改造大量硬件来改变能源行业，但我们也可以利用我们今天拥有的数据来改造系统。”

人工智能在壳牌的业务战略中发挥着关键作用

多年来，壳牌已经实施了多项人工智能计划，包括在其勘探和钻井计划中部署强化学习；在公共电动汽车充电站推出人工智能；并在服务站安装支持计算机视觉的摄像头。 

最近，该公司还推出了 Shell.ai 驻留计划，让数据科学家和人工智能工程师能够获得在壳牌所有业务中从事各种人工智能项目的经验。广告

目前，壳牌每年都会将 100 多个AI 应用程序部署到生产环境中。他们还开发了一个由 350 多名 AI 专业人士组成的中心社区，他们使用 Shell 内许多业务中可用的大量数据来设计 AI 解决方案。 

人工智能帮助壳牌进行预测性维护 

“可靠性和安全性是绝对基础的，”杰文斯说。“能够识别何时出现问题并主动干预一直是我们的首要任务。”

人工智能使壳牌能够使用预测性监控来增强他们已有的监控技术。 

从这个角度来看，Jeavons 声称它目前有超过 10,000 台设备正在被人工智能监控——从阀门和压缩机到干气密封件、仪器仪表和泵，同时人工智能还提供对潜在故障事件的预测。为了监控所有这些设备，300 万个传感器每周收集 200 亿行数据，而近 11,000 个机器学习模型使系统每天可以做出超过 1500 万次预测。

从历史上看，壳牌依靠基于物理的模型来做出这些预测。在 C3 AI 运行的预测性维护程序出现之前，该公司通常会在一段时间后更换零件。这种方法意味着零件经常在它们仍然处于良好状态时被更换。另一种策略是等到某些事情失败。由于设备故障，资产需要暂时关闭进行维修，影响生产。广告

基于人工智能的预测性维护使公司能够通过更有效地利用资源、减少生产中断和避免计划外停机来降低设备和维护成本。 

C3 AI首席执行官 Tom Siebel解释说，围绕 AI 存在许多基础架构和编排问题。

“建立机器学习模型并不难，”他说。“难的是把 200 万个机器学习模型投入生产，放到一个应用程序中。”

然而，通过主动技术监控方法，壳牌的数据科学家可以同时分析数千个数据点，并使工程师和其他人能够从这些数据中获得洞察力。

“我们的团队使用这些数据来了解在特定情况下整个资产库的正常行为是什么样的，包括压缩机、阀门和泵等设备，”Jeavons 说。“然后，我们对我们认为未来时期的正常情况做出预测。从该预测中，我们可以确定何时不再发生正常情况，然后将其与历史事件联系起来。”

用于优化的 AI 是 Shell 的下一个目标

现在，壳牌已将其使用 C3 AI 软件构建的 AI 预测性维护应用程序商业化。Jeavons 表示，展望未来，该公司现在专注于优化。

“这意味着我们可以找到更高效的生产方式，以相同的成本产生更多的产出，更重要的是，我们还可以查看这些过程的二氧化碳排放量并开始相应地进行优化，”Jeavons 说。 

他补充说，在不久的将来，壳牌还在探索如何利用人工智能来监测碳捕获、储存装置和甲烷水平。

“这些企业涉及使我们现有的业务更加有效和高效，但也在我们的能源转型战略中发挥关键作用，”他说。