Sistemas expertos e IA en el mundo de las prospecciones petrolíferas

Friday, February 22, 2019

Sistemas expertos e IA en el mundo de las prospecciones petrolíferas

Escrito por Sergio Sancho

No es la primera vez que os hablamos de sistemas expertos y de su evolución en este blog. Hoy, hablaremos de los comienzos de la inteligencia artificial en uno de los campos que más ha condicionado el avance del ser humano durante los últimos años, el campo de las prospecciones petrolíferas y la extracción de combustibles fósiles. Comenzaremos hablando de Dipmeter Advisor, un sistema experto temprano desarrollado en 1980 por Schlumberger Doll Research para ayudar con el análisis de los datos recolectados durante las exploraciones petrolíferas.

Explotación petrolífera.
Figura 1: Explotación petrolífera.

El sistema experto se componía por un motor de inferencia y una pequeña base de conocimientos basada en tan solo 90 reglas. Sin embargo, era capaz de asesorar a los trabajadores y trabajar como una estación de trabajo completa. Dipmeter  estaba escrito en INTERLISP-D y se ejecutaba sobre una maquina Dolphin Lisp desarrollada por Xerox que permitía a la herramienta disponer de un menú fácil de utilizar para los trabajadores. Su desarrollo se llevó a cabo por un pequeño grupo de personas, entre las que se encontraban Reid G. Smith, James D. Baker y Robert L. Young y tuvo una gran repercusión mediática, no porque fuese un gran avance técnico, sino porque fue uno de las pocos proyectos exitosos durante los comienzos de la inteligencia artificial.

Las reglas de Inteligencia Artificial de Dipmeter Advisor derivaban del trabajo de AI Gilreath, el ingeniero de interpretación de Schlumberger  que desarrolló el método de los patrones de colores (rojo, verde, azul) de la interpretación Dipmeter. Por desgracia, Dipmeter fue desarrollado para las prospecciones petrolíferas de la costa del Golfo, lo que supondría serias limitaciones para la herramienta al utilizarse en entornos geológicos más complejos. Dipmeter Advisor se utilizaba principalmente dentro de Schlumberger como una herramienta de visualización gráfica para asistir en la interpretación de geofísicos entrenados y,  a pesar de sus limitaciones, esta herramienta supuso un gran acercamiento a las estaciones de trabajo con interpretación gráfica de la información geológica.

Durante los años 80 y 90 Dipmeter Advisor causó un gran impacto en el que entonces era un sector todavía en desarrollo. En la actualidad, otras compañías como IBM o Galp han tomado el relevo a este pequeño sistema experto con la creación de nuevas herramientas que estudian la actividad sísmica de las áreas de explotación petrolífera y de gas con el fin de evaluar el riesgo de realizar las prospecciones y optimizar la ubicación de los pozos a través de informes geológicos mucho más precisos.

Expendedor de combustible.
Figura 2. Expendedor de combustible.



Este nuevo proyecto ha estado en periodo de desarrollo durante unos tres años y el resultado ha sido un asistente inteligente para geofísicos. Este asistente es capaz de localizar y evaluar los mejores lugares en los que perforar los pozos. Su conocimiento está basado en todos los trabajos que ha realizado previamente y a la experiencia recogida por Galp, desde sus comienzos en el mundo de las prospecciones. Además, a medida que se van realizando proyectos, la base de datos del asistente aumenta y va adquiriendo más experiencia con la que realizar mejor su trabajo.

Todos los datos recogidos durante las prospecciones se integran en una plataforma única con los análisis de contexto y las prácticas de los usuarios. Además, los geólogos y geofísicos también pueden introducir pequeñas anotaciones o sugerencias con los que aumentar la precisión de la herramienta. Gracias a su capacidad para examinar grandes volúmenes de datos el asistente es capaz de identificar las estructuras geológicas con más probabilidad de almacenar gas y petróleo y de evaluar los riesgos que podría conllevar la perforación. Aunque los combustibles fósiles sean cada vez más escasos, gracias a la inteligencia artificial, su extracción podría convertirse en un proceso más eficiente y se podría reducir parte del impacto ambiental que generan las prospecciones.



Para mantenerte al día con LUCA visita nuestra página web,  suscríbete a LUCA Data Speaks o síguenos en TwitterLinkedIn YouTube.

No comments:

Post a Comment