钻井领域中边缘计算的出现，使我们能够通过将物联网传感器、人工智能、自学习模型与边缘计算相结合，来应对复杂的挑战。通过边缘计算与分析，实现实时钻井分析，并利用大量数据开发出分析模型。

钻井作业中的主要挑战

　　为油气行业提供钻井作业的服务商面临诸多挑战。即使是精心设计的油气井，在钻井作业期间也可能会出现挑战与问题。以下是面临的一些重大挑战：

　　由于设备故障而导致的停工，会影响整个钻井作业，从而造成更高的开采成本。

　　维持基础资产的正常作业时间。

　　钻井数据更新极快，需要处理大量数据来得出结果。

　　将实时数据从井场传输至终端用户工作站。

　　需要时间、材料、人力与设备来分析钻井问题，这大幅增加了钻井成本。

　　环境可持续性。

　　井场的带宽有限，无法将大量数据传输至井场之外，以进一步处理与监控。

　　现今如何处理钻井数据？

　　钻井关键设备采集的数据无法在井场进行处理与分析。钻机产生的大量数据必须从偏远井场传输到数据中心。数据的传输、分析与得出结论成为一个艰难且漫长的过程。因此，目前仅传输一部分数据用于分析。

　　海上深水钻井设施的日费可高达60-80万美元，停机时间可能会导致成本显著增加。而且，这种情况可能在一年中发生多次。预测停机时间可依靠预防性维护节省大量成本。通过分析这些数据，可减少意外停机时间、成本、伤害与环境影响。

边缘计算平台成为救星

　　借助当前可用的边缘计算与不同的自动化解决方案，可在钻井现场实时整合与分析数据，且延迟较低。同时，还能够即时处理物联网（IoT）传感器采集的数据流，并进行实时分析。使用人工智能/机器学习模型的自动化解决方案能够处理数据流、进行分析，并提供建议，以实时提高钻机的性能与效率。

　　使用基于机器学习的应用程序的关键目标之一是分析数据、做出预测并提供建议。不断监控机器学习模型的持续准确性也很重要。一旦预测分析获得所有需要的预测点，就可提供见解。此外，基于边缘计算的人工智能系统需要使用事件驱动架构的数据传输机制，因此使用基于事件的消息传递系统（如Kafka或RabbitMQ）连续发送和接收所需信息。利用监控、分析的信息进行预测性维护，可最大限度地缩短计划停机时间，并减少机器故障的发生。

　　开放地下数据论坛（OSDUTM）等技术联盟目前正致力于无缝集成钻井现场数据，并使用“钻井现场连接框架”将数据传输到场外环境。这些数据将进一步传输至“OSDU Edge”基准架构，用于落实建井阶段使用的钻机解决方案。

边缘分析应用案例

　　目前油气行业正在研发各种基于边缘计算的自动化解决方案，例如报警服务、向钻机控制系统发送自动设定值，以及组织钻机执行自动作业。以下为一些案例：

　　在边缘平台上为油气井与地面设施建立通用井场监测和控制（UWC）解决方案，可使井场控制变得更加开放与互通。从而能够监督各种设施控制，如监测储罐液面、化学品注入、流量控制等。

　　人工举升优化解决方案降低了井底的生产压力，从而获得更高的产量。电潜泵（ESP）、螺杆泵（PCP）、杆式举升、气体举升、柱塞举升等设备也可以进行类似的管理。

　　钻柱与井壁之间的摩阻扭矩是影响钻井极限深度的关键因素。在井场配备摩阻扭矩解决方案将有助于自动检测钻井异常情况，并有助于做出高效的作业决策。它可以查看、分析悬重变化趋势，并使用机器学习模型进行摩擦系数计算。通过比较设计与实际钻井结果，工程师可以进行实时分析并做出明智的决策。

　　钻进期间，若与邻井发生碰撞会对人员与环境造成灾难性影响。防碰技术是在钻井期间降低此类风险的有效手段。该解决方案可帮助用户观察、监控本井与邻井的相对位置，避免进入禁区。将结果绘制在图表中，以显示最近的潜在风险的距离，可帮助工程师快速做出决策。

成功应用边缘解决方案的关键要素

　　通过考虑钻井现场的基本特征、温度等位置因素、振动、天气因素、生态系统以及设备类型，开发一套获得各监管部门认可的边缘解决方案，将是高效钻井的关键。

　　可扩展性与可持续性：除了模拟的环境之外，必须要在真实设备上对设计的解决方案进行评估，以衡量其可靠性与灵活性。该解决方案必须设计为可在各种平台上工作。它需要适用于不同型号的设备、不同版本的软件应用程序以及不同设备上运行的操作系统。

　　易用性与性能：考虑到大多数钻井平台都位于偏远地区，或者更糟糕的是在海上，所设计的边缘解决方案必须易于部署。这包括易于安装和排除故障的软件、即插即用的模式，以简化应用。毋庸置疑，性能必须在可接受的范围内，以支持实时数据的处理。

　　冗余与风险降低：该解决方案必须考虑到持续监测的必要性，以发现系统使用期间可能出现的任何问题。在数据传输过程中若出现任何网络故障，该解决方案必须及时应对，在故障情况下重新传输数据。该设计的关键要求之一是能够进行远程故障排除与更新。

　　防御：边缘解决方案允许数据源机器与目标机器之间进行双向通信，这给设备的安全带来了独特挑战。确保网络免受所有威胁是任何作业的主要关注点。安全设计包括设备管理、授权，最重要的是防止误用。

　　边缘解决方案的主要目标：

　　获取所需的设备运行数据，对其进行分析，并将这些数据传输至集中服务器。

　　利用远程内容管理，为软件通用编程控制器与配置文件提供更新，及时更新所有设备的补丁。

　　对设备进行边缘处理，包括对设备进行远程与现场监控。

　　通过仔细检查每种技术的优点与边缘平台的适用性，以及信息的数量和类型，可以确定哪种方法最适合特定的作业。

结论

　　边缘平台是各种解决方案、算法与设备的集合。高级分析和各种预测算法都需要不同的自我学习模型。边缘计算在油气行业的发展前景十分广阔，其关键在于扩大边缘计算的应用范围。它的技术布局与组件必须简单、廉价、节能，并且易于适应现有架构。

　　然而，基于边缘计算的解决方案在油气行业的应用确实伴随着一些挑战。鉴于目前的技术差距与劳动力老龄化，必须进行技术人员再培训，以跟上技术进步的步伐。为了掌握未来的边缘解决方案，油气公司以及他们的服务商和供应商都需要进行高级培训。考虑到技术堆栈与技能提升要求，这些公司应该重新审视流程、投资、价值链和运营模式，以适应基于事件的新型边缘分析解决方案。