Функция AutoCrop от Imago задействует все мощности и возможности машинного обучения ИИ в вашей работе с данными бурения

Бурение может быть длительным и дорогостоящим процессом, поэтому вам необходимо максимально использовать данные, собранные в результате этих инвестиций, и обеспечить эффективное управление данными, легкость их поиска и доступность еще долгое время после отбора керна.

Несогласованные, разрозненные или слабо интегрированные данные создают серьезные препятствия для сотрудников компаний, которые полагаются на точные и оперативные данные, чтобы принимать решения на основании поступающей информации.

В Seequent мы всегда стараемся найти способы помочь нашим клиентам работать эффективнее, свести к минимуму обработку данных вручную и принимать более обоснованные решения, поэтому нам было легко решиться на погружение в мир искусственного интеллекта и машинного обучения ИИ.

И первым шагом на этом пути стал запуск инструмента AutoCrop в Imago. Технология машинного обучения ИИ используется в функции AutoCrop для автоматической обрезки фотографий керна и размещения их в том порядке, в котором керн был извлечен из скважины, устраняя необходимость обрезать фотографии вручную и ускоряя процесс съемки и регистрации изображений.

Более точная обрезка скважинных данных и отображение фотографий керна в линию вдоль ствола скважины улучшают визуализацию и анализ изображений керна, отобранного в ходе алмазного бурения. Данные изображений проверены на достоверность, последовательны и систематизированы; они готовы к использованию в целях проверки и верификации данных, подкрепления принимаемых решений и внесения в ваши геологические модели.

К примеру, интеграция Imago с Leapfrog позволяет пользователям отображать фотографии керна, отобранного в скважинах, рядом со смоделированными стволами скважин в Leapfrog, обеспечивая проверку и верификацию данных модели по мере ее построения и поддерживая более глубокий анализ рудного тела. Фотографии керна подкрепляют принимаемые в ходе моделирования решения относительно вмещающих структур и литологических разностей и являются ключевой частью рабочего процесса верификации модели, в котором данные подвергаются проверке в трехмерном отображении, а также при помощи двумерного инструмента Drillhole correlation (Корреляция скважин).

Функция AutoCrop ускоряет съемку и обрезку фотографий, и благодаря этому разрабатывающие модель геологи быстрее получают возможность использовать эти изображения в своих моделях. За счет более быстрого получения ценных данных из высококачественных изображений путь от бурения скважин до принятия решений становится гораздо эффективнее.

Возможности AutoCrop также распространяются на данные, собранные в предыдущие периоды: как те, что содержатся в архивах текущих проектов, так и данные, переданные вам предыдущим владельцем в случаях, когда вы приобретаете уже существующий проект.

Объединение всех архивных данных по проекту в стандартизированном централизованном хранилище значительно экономит время работающих над проектом специалистов: после загрузки архивных изображений AutoCrop автоматически обрежет их, отобразит фотографии керна в линию вдоль ствола скважины и зарегистрирует, ускоряя их доступность за счет синхронизации с вашим облачным порталом, где они становятся доступны для просмотра и рассылки коллегам за считанные секунды. Это позволяет визуализировать, анализировать ваши изображения из архива и управлять ими логичным и последовательным способом, а также предотвращает потерю архивных данных.

Аналогичным образом унаследованная от предыдущих исследователей архивная информация может быть невероятно ценной, поскольку укажет вам путь к лучшим разведочным участкам и убережет вас от ошибок, допущенных прошлыми владельцами месторождения. Однако попытки извлечь ценные сведения из более ранних изображений — низкого качества и разной степени согласованности — отнимают много времени и не отличаются надежностью.

AutoCrop устраняет разрозненность данных, собирая и объединяя все изображения керна в доступном централизованном месте.

Решения по управлению данными, такие как Imago, обладают всеми возможностями и преимуществами машинного обучения ИИ, стандартизируют и централизуют данные; их внедрение сокращает время от сбора данных до построения моделей, благодаря чему вы сможете быстрее принимать более обоснованные решения, что позволит сэкономить средства и улучшить результаты буровой кампании, а главное — добиться максимальной отдачи от ваших инвестиций и повысить итоговые показатели.