چگونه رایکا انرژی با YDOS از داده‌های حفاری برای کاهش توقف‌های عملیاتی و افزایش ۱۴٪ نرخ نفوذ استفاده کرد.

چکیده پروژه

در صنعت حفاری نفت و گاز، دو دشمن اصلی ما هزینه و زمان هستند؛
جایی که هر توقف ناخواسته عملیات (به‌اصطلاح Trip)، ضررهای سنگینی به همراه دارد. شرکت رایکا انرژی با توسعه نرم‌افزار بهینه‌سازی YDOS تلاش کرد این وضعیت را تغییر دهد.
این سیستم با تبدیل داده‌های خام بالادستی به تصمیم‌های عملیاتی در لحظه، ترکیبی از تجربه گذشته و هوش مصنوعی را برای پیش‌بینی و جلوگیری از مشکلات آینده به کار می‌گیرد.
پیاده‌سازی این راهکار ماژولار در یک پروژه عملی در یکی از میادین مشترک جنوب غرب ایران، با پایش پارامترهای لحظه‌ای و تحلیل رفتار چاه‌های مجاور، علاوه بر حذف توقف‌های ناخواسته، نرخ نفوذ حفاری (ROP) را حدود ۱۴ درصد افزایش داد.

مسئله واقعی صنعت

در حفاری نفت و گاز، مشکل اصلی کمبود داده نیست؛ اتلاف میلیون‌ها دلار به‌دلیل نادیده‌گرفتن داده‌هایی است که همین حالا در اختیار ماست.
سال ۱۴۰۴ برای ما نقطه‌ای بود که نتیجه چند سال توسعه و آزمون YDOS را در یک پروژه عملیاتی مشاهده کردیم.
داستان از اینجا شروع شد که فهمیدیم در شرکت ملی نفت ایران، بخش قابل توجهی از داده‌های تاریخی حفاری ثبت و نگهداری می‌شوند، اما کمتر وارد تصمیم‌های عملیاتی روزمره می‌شوند.
همین مشاهده، یک سؤال بنیادین را برای ما ایجاد کرد:
چرا در صنعتی که هر روز حجم عظیمی از داده تولید می‌کند، هنوز بسیاری از تصمیم‌ها بدون استفاده از همان داده‌ها گرفته می‌شوند؟

این سؤال برای ما فقط یک دغدغه فنی نبود. در حفاری، برخی از پرهزینه‌ترین اتفاقات زمانی رخ می‌دهند که عملیات متوقف می‌شود.
هر بار که به دلیل یک مشکل فنی، رشته حفاری باید از چاه خارج شود (عملیات Trip) یا عملیات متوقف بماند، زمان، هزینه و برنامه‌ریزی پروژه به شدت آسیب می‌بیند.
ما تصمیم گرفتیم این داده‌های خام را زنده کنیم و به یک منطق ساده رسیدیم: چطور می‌توان تجربه چاه‌های گذشته را وارد تصمیم‌های حفاری امروز کرد تا چاه جدید، اشتباهات چاه‌های قبلی را تکرار نکند؟

داده زیاد اما استفاده محدود

در حفاری، داده کم نیست.
از گزارش چاه‌های مجاور و سوابق عملکرد مته‌ها گرفته تا لاگ‌های حفاری و اطلاعات ژئومکانیکی، سال‌ها داده تولید و ذخیره شده است؛ اما مسئله این بود که بخش بزرگی از این دانش، با وجود ثبت و نگهداری، کمتر وارد تصمیم‌های روزمره حفاری می‌شد. ایده اصلی YDOS از همین نقطه شکل گرفت؛ اینکه اطلاعات و تجربه چاه‌های گذشته فقط در آرشیو باقی نمانند و بتوانند در تصمیم‌های عملیاتی چاه‌های بعدی نقش داشته باشند. هدف ما صرفاً توسعه یک نرم‌افزار جدید نبود؛ می‌خواستیم راهی پیدا کنیم که سیستم بتواند ارتباط میان داده‌های گذشته و شرایط فعلی حفاری را بهتر نشان دهد، ریسک‌ها را زودتر تشخیص دهد و به تیم عملیاتی فرصت واکنش پیش از وقوع مشکل بدهد. برای رسیدن به این هدف، YDOS را بر اساس یک رویکرد ماژولار طراحی کردیم تا هر ماژول، یکی از حوزه‌های بحرانی و تصمیم‌های کلیدی حفاری را پوشش دهد؛ رویکردی که در نهایت به یک هدف مشترک ختم می‌شود: حفاری سریع‌تر، ایمن‌تر و ارزان‌تر.

موانع اجرای پروژه

بخش قابل توجهی از پیچیدگی پروژه، در زمان استقرار عملیاتی سیستم نمایان شد. 
ما در این مسیر با دو چالش جدی روبرو بودیم:

چالش اول (کمبود داده‌های ساختاریافته): داده‌های خام حفاری اغلب پراکنده، ناقص و غیراستاندارد بودند. استخراج، پاک‌سازی و ساختاردهی این حجم از اطلاعات تاریخی برای ورود به YDOS، خود یک پروژه بزرگ و سنگین بود.

چالش دوم (مقاومت انسانی): در محیط‌های عملیاتی سنتی، تغییر روش همیشه با شک و تردید همراه است. کارکنان باتجربه گاهی به روش‌های قدیمی خود وابسته‌اند و با ابزارهای جدید بیگانه‌اند. ما مجبور بودیم با صبر و نشان دادن نتایج کوچک در ابتدا، اعتماد آن‌ها را جلب کنیم.
چالش اصلی ما این بود که چگونه این داده‌های خام و بیکارمانده را به یک تصمیم قابل اعتماد در لحظه حفاری تبدیل کنیم.

طراحی استراتژیک YDOS

در ابتدای پروژه، تمرکز ما روی خودِ چاه نبود؛ روی تجربه چاه‌های قبلی بود.
بررسی‌های اولیه نشان می‌داد بخش قابل توجهی از زمان‌های غیرمولد حفاری، ریشه در مسائلی دارد که نمونه آن‌ها قبلاً در همین میدان یا چاه‌های مجاور رخ داده است، اما این تجربیات به شکل نظام‌مند وارد تصمیم‌های بعدی نمی‌شوند.
به همین دلیل، نخستین گام ما تجمیع و تحلیل داده‌های تاریخی بود.
سوابق عملکرد مته‌ها (Bit Records)، گزارش‌های روزانه حفاری، اطلاعات ژئومکانیکی، لاگ‌های عملیاتی و داده‌های چاه‌های مجاور را در یک ساختار واحد گردآوری کردیم تا بتوانیم الگوهای تکرارشونده، نقاط ضعف عملیات و عوامل مؤثر بر کاهش راندمان حفاری را شناسایی کنیم.
پس از استخراج این الگوها، تمرکز پروژه به سمت تصمیم‌هایی رفت که بیشترین تأثیر را بر زمان، هزینه و ریسک عملیات داشتند.
به جای اتکا به فرضیات اولیه یا تجربه‌های پراکنده، طراحی مسیر چاه، انتخاب مته، پارامترهای هیدرولیکی، طراحی لوله جداری و تحلیل پایداری سازند بر پایه داده‌های واقعی چاه‌های مشابه بازبینی و بهینه‌سازی شد.
اما بخش مهم پروژه به مرحله طراحی محدود نمی‌شد.

تجربه نشان می‌دهد بسیاری از مشکلات حفاری در زمان اجرا و تحت تأثیر شرایط واقعی میدان شکل می‌گیرند.
به همین دلیل، بخش پایش لحظه‌ای (Real-time Monitoring) به هسته اصلی YDOS تبدیل شد.

سامانه در طول عملیات، به‌صورت مستمر پارامترهای مکانیکی و هیدرولیکی چاه را پایش می‌کرد و رفتار لحظه‌ای عملیات را با الگوهای استخراج‌شده از چاه‌های مشابه مقایسه می‌کرد.
هدف این بود که نشانه‌های اولیه ریسک‌هایی مانند گیر لوله (Pipe Sticking)، لرزش رشته حفاری (Vibration)، گل‌گرفتگی مته (Bit Balling)، هرزروی سیال یا کاهش راندمان انتقال کنده‌ها، پیش از تبدیل شدن به توقف عملیاتی شناسایی شوند.

در این فرآیند، سیستم صرفاً نقش یک ابزار هشداردهنده را نداشت.
برای هر سناریوی محتمل، مجموعه‌ای از پیشنهادهای اصلاحی در اختیار تیم عملیاتی قرار می‌گرفت تا امکان اصلاح پارامترهای حفاری پیش از بحرانی شدن شرایط فراهم شود.
این رویکرد باعث شد بخشی از تصمیم‌هایی که پیش‌تر صرفاً بر پایه تجربه فردی اتخاذ می‌شد، با داده‌های تاریخی، تحلیل‌های مهندسی و رفتار واقعی میدان پشتیبانی شود.
در نهایت، استراتژی اصلی پروژه بر یک اصل ساده استوار بود:
استفاده از تجربه ثبت‌شده چاه‌های گذشته برای بهبود تصمیم‌های چاه فعلی؛ رویکردی که هدف آن فقط افزایش سرعت حفاری نبود، بلکه کاهش ریسک، جلوگیری از توقف‌های پرهزینه و استفاده مؤثرتر از دانش انباشته‌شده میدان بود.

از پیش‌بینی تا تصمیم‌سازی در لحظه

به دلیل الزامات محرمانگی، امکان اشاره به نام میدان یا شماره چاه وجود ندارد؛ اما این راهکار در یکی از میادین مشترک جنوب غرب کشور به کار گرفته شد؛ پروژه‌ای که هر تصمیم عملیاتی در آن می‌توانست روی زمان، هزینه و ریسک حفاری اثر مستقیم بگذارد.
در طول عملیات، ارزش اصلی سیستم زمانی مشخص شد که هشدارهای پیشگیرانه آن پیش از تبدیل شدن برخی شرایط پرریسک به توقف عملیاتی، در اختیار تیم حفاری قرار گرفت. این موضوع به تیم اجازه داد بخشی از اصلاحات لازم را قبل از بحرانی شدن وضعیت انجام دهد.
یکی از مهم‌ترین نتایج پروژه، جلوگیری از وقوع دو Trip ناخواسته بود.
در عملیات حفاری، چنین توقف‌هایی معمولاً فقط به معنای چند ساعت تأخیر نیستند؛ بلکه زنجیره‌ای از هزینه‌های مستقیم و غیرمستقیم، از زمان از دست‌رفته‌ی دستگاه حفاری گرفته تا استهلاک تجهیزات و به‌هم‌ریختگی برنامه عملیات را به همراه دارند.
در کنار کاهش توقف‌های عملیاتی، نرخ نفوذ حفاری (ROP) نیز نسبت به چاه‌های مشابه حدود ۱۴ درصد افزایش یافت.
اگرچه این عدد در نگاه اول ممکن است یک بهبود تدریجی به نظر برسد، اما در مقیاس پروژه‌های حفاری، همین میزان افزایش می‌تواند به معنای چندین روز صرفه‌جویی در زمان حفاری و کاهش قابل توجه هزینه‌های عملیاتی باشد.
مهم‌تر از خود اعداد، تغییری بود که در فرآیند تصمیم‌گیری ایجاد شد. بخشی از تصمیم‌هایی که پیش از این عمدتاً بر پایه تجربه فردی گرفته می‌شد، این‌بار با پشتوانه داده‌های تاریخی، تحلیل‌های مهندسی و پایش لحظه‌ای عملیات پشتیبانی شد؛
موضوعی که به تیم عملیاتی دید بهتری نسبت به شرایط واقعی چاه و ریسک‌های پیش رو می‌داد.

مهم‌ترین دستاورد این پروژه برای ما یک بینش عمیق بود:
مسئله این صنعت این است که معمولاً زمانی به این دانش مراجعه می‌شود که اتفاقِ ناگوار رخ داده است. 
YDOS تلاشی موفق بود برای اینکه بخشی از این اطلاعات، دقیقاً در «لحظه‌ی تصمیم‌گیری» و پیش از وقوع مسئله وارد جریان عملیات شود.
تجربه‌ای که از این پروژه به دست آمد، امروز بخشی از مسیر توسعه نسخه‌های بعدی این محصول و گسترش آن به میادین دیگر در سال ۱۴۰۵ است؛
چرا که ثابت شد هرچه فاصله میان «آنچه می‌دانیم» و «آنچه بر اساس آن تصمیم می‌گیریم» کمتر شود، پایداری عملیات بیشتر خواهد بود.