司钻越来越多地使用人工智能、机器学习和计算机视觉技术来通知人员性能限制，确保钻井人员的安全

图1 Patterson-UTI的规则引擎交换系统(REX)提醒钻井人员注意可能限制钻井平台性能的潜在问题，以便他们采取行动。该公司计划在今年年底之前在10个钻井平台上完成该系统的试点安装。

随着油井变得越来越复杂，钻井过程中加入了新的自动化技术，钻井人员越来越依赖报警系统，因为报警系统既可以保护人们免受诸如掉落物体等危险，也可以帮助他们管理来自地面设备和井筒中各种传感器的大量数据。

随着与安全相关的警报的出现，最近的进展将计算机视觉技术推向了最前沿，主要是通过对重型钻井设备运行的区域进行连续、动态的监测，以及严重伤害或死亡风险最高的区域。通过将人工智能和机器学习与安装在危险区域的摄像头相结合，这些系统有助于减少人类监控钻机平台时产生的潜在盲点和错误。

Seadrill的PLATO数字平台经理Richard McConomy表示:“我们的主要目标是保证工作人员的安全，我们将利用一切可能的工具即视频分析、人工智能、机器学习来帮助我们实现这一目标。”该数字平台帮助公司利用大数据集做出更好的决策。“人工智能支持的视频分析是一种有效的工具，可以通过发送警报来实时检测和管理安全问题，以防止事故发生。”

对于更多与设备和操作性能相关的警报，公司专注于利用先进的数据分析，这可能涉及将数据处理从云端转移到钻井平台现场，以便尽早发出警报。

Patterson-UTI钻井优化经理Trevor Olson说:“我们希望在我们把性能放在桌面上的时候得到通知，而不是在我们意识到我们受到限制的时候得到井后分析。“如果泥浆泵离线，而我们无法在某个部分获得足够的流速，那么我们的工作效率就没有我们想要的那么高。我们希望能够看到这种情况的发生，并积极主动地解决这些限制因素。”如图1所示。

最大限度地提高性能

图2 Patterson UTI的REX系统已验证并提供83个警报。另外30个更新的警报，更多地关注安全和危险事件，正在进行验证。

去年，Patterson-UTI开始推出其规则引擎交换(REX)，这是一种基于云的实时警报系统，用于监控设备并最大限度地提高性能。它使用来自电子钻井记录仪、钻机控制系统、早间报告和钻机现场计算的实时模型的数据，通过短信、电子邮件和在线界面近乎实时地发送操作事件警报。

用户可以根据自己的需要定制系统，订阅特定类型的警报，甚至为自己创建新的警报。有三类警报可用：简单的操作事件，如钻机开始或完成起下钻或达到井的总深度；设备警报，当特定设备进入故障或警告状态时通知用户；以及数据质量警报，当给定钻机上的传感器返回不正确的值时，它会告诉用户。如图2所示。

Patterson-UTI去年完成了REX开发的第一阶段，即构建其后端基础设施和用户界面，将其安装在云计算网络上，并完成验证系统有效性的现场试验。从那时起，该公司一直致力于下一个开发阶段，其中包括添加警报以覆盖额外的性能限制场景和设备问题，以及将REX引擎直接安装到帕特森-UTI钻机上的服务器上。该公司计划在今年年底之前将该系统完全安装在所有钻井平台上。

Olson先生表示，为REX系统直接在钻机上运行构建基础设施将使该公司能够在本地部署警报，而不是通过基于云的基础设施。通过在该公司的CORTEX KEY边缘服务器上安装该系统，该服务器安装在每个钻机上，并连接到钻机控制系统和电子钻井记录仪，该公司相信它将能够减少处理数据和向钻井人员发出警报所需的时间。

Olson表示:“目前云计算的主要障碍是，我们的处理速度只与接收到的最慢数据一样快。”“我们基本上可以实时获得钻机控制系统数据，但我们从服务提供商那里获得的EDR数据是5分钟的数据包，因此我们必须在至少5分钟后运行钻机警报系统。然后需要几分钟的时间来运行代码并传递警报。通过将所有这些存储在CORTEX KEY中，将无需时间获取其中的数据。我们将能够在一分钟内收到通知，而不是在五到七分钟内收到通知。”

Olson表示，减少延迟对于Patterson-UTI来说非常重要，因为它在REX系统中集成了更多针对井控丢失可能性的警报。

该公司目前在REX系统上验证并可用83个警报，另外30个警报正在验证中。新的警报更侧重于安全和危险事件检测，往往比为系统开发的初始警报更复杂，必须通过一组样本数据集验证其效率。新警报的例子包括识别潜在的钻机停电、泥浆泵消耗性故障、卡管和井控程序合规性。

Olson说，像这样的新警报是将REX直接安装在钻井平台服务器上的关键驱动因素。“对于REX上的几乎所有警报，延迟不一定会影响系统的质量。它并没有减少，因为在大多数情况下，这些警报并不是针对那些你需要在它们发生时就知道的事情。但随着我们对井控警报等问题的深入了解，我们希望在事情发生的第一时间了解情况，以便我们能够迅速采取行动。”

Patterson-UTI表示，预计将于2023年第四季度在10个钻井平台上完成REX的试点安装，然后在2024年第一季度之前将其安装在所有钻井平台上。

设法解决物体坠落风险

图3 H&P的PDS Redzone计算机视觉系统可以分解在管道输送系统的红色区域周围拍摄的单个摄像机画面，当PDS被激活时，如果检测到有人在红区内，就会发出声音警报。

与钻井行业的其他公司一样，警报系统对Helmerich&Payne(H&P)来说并不新鲜。该公司集成了许多定制警报，为客户测量各种性能目标。它有一个监测发动机过度使用的警报系统，旨在节省钻机上的发动机功率。它还具有避免井下井筒碰撞的报警系统。

然而，该公司最近开发的一些技术和系统都是围绕降低物体掉落风险展开的。H&P即将推出的一项技术旨在使人们在高风险活动中远离管道输送系统(PDS): PDS Redzone，如图3所示。

H&P美国地区高级副总裁Mike Lennox说：“我们正从我们最脆弱的领域着手解决这个问题，我们最大的机会在哪里？在PDS和钻台周围。这是我们最大的机会。”

为了减少PDS区域严重伤害的可能性，现有的程序已经到位：使用适当的缓冲区和路障，设备检查，以及彻底的作业前计划，以确保所有设备部件都处于良好的工作状态，并遵守安全程序。尽管如此，在红色区域(H&P定义为距离PDS机架45英尺半径的区域)，仍然存在严重伤害或死亡(SIF)的风险。

PDS Redzone计算机视觉系统使用神经网络将传入视频的单个帧分解成更小的部分，并检测出基本特征。神经网络在包含图像或视频的大型数据集上进行训练，这些图像或视频被标注了临界点的位置，例如PDS的顶部或人体的特征。它学会检测并将这些关键点与特定的身体部位或特征联系起来，使它能够在新的、看不见的图像中估计物体或人的位置和运动。

当PDS被激活，并且操作条件满足检测一个人或多个人的指定逻辑标准时，系统会自动触发声音警报和闪光灯，提醒个人进入禁区，同时停止PDS液压系统。

在二叠纪盆地的钻机上进行了现场测试，对系统进行了改进。重构PDS Redzone代码后，帧率提高了150%，视野更宽，每张图像的像素增加了4倍。摄像机系统也从钻台下方重新安置到PDS后部绞车附近，主要集中在PDS顶部。

此外，H&P的目标是为PDS上方红色区域以外的禁区建立一个扩展的管理协议，与现有的使用物理路障和缓冲区的做法保持一致。Lennox先生表示：“我们希望将其设置为在管道输送系统的各个侧面都有一个缓冲区。我们不只是监测PDS附近的区域，而是希望进一步监测，因为管道的暴露程度仍然很高。”他补充道，该公司计划在明年某个时候在其整个团队中全面推出该应用程序。

H＆P的Caliper Calculator应用程序也是为了减少掉落物体事件而设计的。2011年，由于电梯尺寸不匹配，发生了一起套管坠落事件，这表明需要为这项任务创建一个更好的系统。Caliper Calculator位于钻机的平板电脑上，直接链接到其FlexChecks电子作业前计划应用程序，当需要内径和外径验证时，它会提醒钻机工作人员。它被设计为自动确定测量值是否在允许的公差范围内，从而减少使用尺寸错误的升降机的风险。

另一款H＆P应用程序Rough Drilling也旨在降低钻柱在井下移动时振动水平超过预期水平时掉落物体的风险。

该公司根据钩载和扭矩的标准偏差来定义“Rough Drilling”。该应用程序实时计算这些偏差：如果它检测到偏差严重到可能导致严重振动即“Rough Drilling”的阈值取决于钻机和正在钻探的地层，它会在司钻舱的监视器上显示一个红色标牌并发出警报，提醒司钻清理钻台。如果该警报超过了预定的时间段，另一个警报将要求检查行进设备和桅杆，以确定任何需要干预的潜在问题。

Lennox说：“尽管我们可能无法消除粗暴的钻井，但我们可以通过确保员工意识到危险并在这些活动中远离钻台来防止暴露。我们必须牢记员工的安全，并消除这些危险。”

Rough Drilling应用程序于2021年推出，目前可在所有H＆P钻机上使用。

监测个人防护装备缺失

图4 Seadrill与巴西技术开发商Altave合作，在其在巴西近海作业的三艘钻井船上安装Altave Harpia PPE检测和红区监测系统，其中包括West Tellus号。使用安装在管甲板等交通繁忙区域的摄像头，通过系统内的人工智能和机器学习算法对拍摄到的视频进行处理，以检测钻井人员中是否缺少个人防护装备。如果系统检测到这样的缺失，则向司钻发出警报。

过去一年，Seadrill已经向巴西国家石油公司的巴西近海Búzios油田部署了三艘钻井船进行勘探工作：2022年9月部署了West Carina和West Tellus，今年2月部署了West Jupiter。对于所有三个钻井平台，运营商和承包商都同意安装Altave Harpia，这是一个巴西开发的个人防护设备检测和红区管理系统，用于提醒钻井者红区的潜在事故风险，如图4所示。

该技术利用计算机视觉来解释从连接到终端的六个摄像机收集的数据，终端是处理数据输入和输出的硬件系统。摄像机安装在管道甲板、钻台和隔水管甲板上，这些都是有大量移动设备的高流量区域。软件中内置的人工智能和机器学习算法用于检测位于红色区域内的人是否缺少个人防护装备。如果检测到这种情况，软件会向司钻发送警报，然后司钻可以决定适当的行动方案。除了司钻室内的弹出警报外，还可以在安装在驾驶台、公司人员办公室、工具驾驶员办公室、甲板驾驶员办公室、HSE办公室以及位于平台上的每台起重机上的监视器上看到警报。

与以前的监测系统相比，像Alave Harpia这样基于摄像头的系统可以让Seadrill在分析中有更好的粒度。McConomy表示，这可以提高监测效率，因为它可以最大限度地减少人为解读数据带来的错误。他说：“由于摄像头系统是由人工智能驱动的，因此它是实时检测和管理安全问题以及发送警报以防止事故发生的有效工具。人工智能的机器视觉允许某些模式被自动检测，比如区分戴手套的手和不戴手套的手，或者确定一个人是否在红色区域。跟踪和趋势分析很常见警报为我们提供了改进运营计划的简单机会。”

虽然Seadrill尚未公布巴西钻井平台的任何安全指标，但McConomy先生表示，他相信计算机视觉技术将成为司钻安全工具箱中的重要工具。“我坚信摄像头将作为未来的传感器发挥巨大作用。我们只是触及了他们的能力和技术进步的表面，不仅在相机质量方面，而且在处理能力方面。巴西目前是我们这项特定技术的试验台，但系统的质量正在不断提高，我们可以从标准化中受益。”（By Stephen Whitfield）