Faglig innhold

Tradisjonell utdanning innen petroleumsfag gir ikke tilstrekkelig eksponering for digitalisering og automatiseringsteknologier. En solid forståelse av disse områdene gjør det mulig for petroleumsingeniører og beslutningstakere å identifisere muligheter for digital transformasjon innen sine fagfelt, kommunisere effektivt med teknologileverandører og utviklere, maksimere verdien av innovasjonene, vurdere deres forretningsmessige påvirkning, samt identifisere og håndtere tilhørende risikoer.

Dette emnet har som mål å bygge bro over dette kunnskapsgapet for ingeniører, forskere og beslutningstakere ved å integrere digitale og automatiserte konsepter i boreoperasjoner.

Emnet dekker følgende temaer, med fokus på anvendelse av digitalisering, automatisering og datadrevne metoder i olje- og gassindustrien:

• Måling og innsamling av boredata, inkludert sanntids- og rådata.
• Datatransmisjon og nedihulls måleteknikker.
• Introduksjon til programmering i Python for boreapplikasjoner.
• Bruk av Python og NumPy-biblioteket for ulike boreberegninger.
• Bruk av Pandas-biblioteket for datahåndtering i boreprosesser, inkludert brønnhydraulikk, managed pressure drilling (MPD), belastningsanalyse av foringsrør (CML), deteksjon av boreproblemer, brønnkontroll og borebanedesign.
• Visualisering og analyse av boredata med Matplotlib.
• Automatisering av boresekvenser og analyser ved hjelp av Seaborn og Scikit-Learn-biblioteker.
• Maskinlæringsteknikker relevante for boring, som lineær regresjon, random forests, beslutningstrær og gradient boosting.
• Implementering av maskinlæringsmodeller for bore- og geovitenskapelige applikasjoner, inkludert optimalisering av penetrasjonshastighet (ROP) og prediksjon av formasjoner.

Læringsutbytte

Kompetanse

Etter fullført emne kan studenten:

• Identifisere muligheter for anvendelse av digitale og automatiseringsteknologier i oppstrøms olje- og gassoperasjoner.
• Vurdere egnethet, implementering og forretningsmessig påvirkning av Python-baserte og AI-drevne løsninger i bore- og geovitenskapelige arbeidsprosesser.
• Kommunisere effektivt med teknologileverandører og interessenter for å støtte digitale transformasjonsinitiativer.
• Vurdere risiko og foreslå risikoreduserende tiltak knyttet til implementering av automatisering og maskinlæring.

Kunnskap og ferdigheter

Etter fullført emne kan studenten:

1. Forstå grunnlaget, fordelene og begrensningene ved digitalisering og automatisering innen petroleumsingeniørfaget.
2. Anvende Python-programmering og relevante biblioteker (NumPy, Pandas, Matplotlib, Seaborn, Scikit-Learn) for analyse av bore- og geovitenskapelige data.
3. Utføre datainnsamling og overføring, inkludert sanntids- og nedihulls målinger.
4. Bruke maskinlæringsmodeller (f.eks. lineær regresjon, beslutningstrær, random forest, gradient boosting) for boreoptimalisering og formasjonsprediksjon.
5. Analysere borehydraulikk, foringsrørdesign, brønnkontroll og borebanedesign ved hjelp av datadrevne metoder.
6. Automatisere boresekvenser og arbeidsflyter ved bruk av Python og maskinlæring.
7. Oppdage og tolke boreproblemer ved hjelp av digital analyse og prediktiv modellering.
8. Vurdere integrering av digitale verktøy i avanserte boremetoder som Managed Pressure Drilling (MPD), Controlled Mud Level (CML) og Dual Gradient Drilling (DGD).
9. Utforme og kritisk vurdere implementeringsplaner for digitale løsninger i boreoperasjoner.
10. Presentere og kommunisere tekniske funn og forretningsmessige vurderinger av digitale teknologier innen petroleumsingeniørfaget.

Læringsformer og aktiviteter

Emnet er en del av NTNUs videreutdanningstilbud, og har kursavgift. Se NTNU Videre. Det forutsettes et tilstrekkelig antall studenter for at emnet skal bli undervist. Emnet er samlingsbasert, med to samlinger per semester, hver på tre dager, med egenstudier, øvinger og et prosjekt mellom samlingene. Emnet undervises på engelsk.

Anbefalte forkunnskaper

Erfaring i oppstrøms petroleumsteknologi.

Forkunnskapskrav

Ingeniør-/bachelor- eller mastergrad innen tekniske fag.

Kursmateriell

Lecture notes, selected papers and publications.

Digitalization: Python Application for Drilling & Geoscience Engineer

- ISBN: 978-620-6-18422-5