Applications de l'IA dans le secteur du pétrole et du gaz
Machine learning informé par la physique pour l'ingénierie de réservoir
Combinez lois de conservation et physique des réservoirs avec le machine learning pour créer substituts, prévisions et solutions inverses crédibles.
Aperçu
Un apprentissage pratique pour le transfert en situation de travail.
Combinez lois de conservation et physique des réservoirs avec le machine learning pour créer substituts, prévisions et solutions inverses crédibles. Les participants suivent cinq modules reliés à l'aide de données propres à la discipline, de calculs et d'un cas de décision appliqué.
Prérequis
Une expérience préalable des données pétrolières, statistiques et workflows de machine learning est recommandée.
Objectifs
- Interpréter physique des réservoirs et ml scientifique à partir de preuves traçables et d'un critère de décision explicite.
- Calculer formulation des réseaux neuronaux informés par la physique à partir de preuves traçables et d'un critère de décision explicite.
- Diagnostiquer substituts, émulateurs et modèles réduits à partir de preuves traçables et d'un critère de décision explicite.
- Évaluer problèmes inverses, incertitude et validation à partir de preuves traçables et d'un critère de décision explicite.
- Produire atelier d'un cas réservoir informé par la physique à partir de preuves traçables et d'un critère de décision explicite.
Public cible
- Ingénieurs pétroliers, data scientists et responsables produits IA industrielle
- Spécialistes OT, risque modèle et assurance technique
- Praticiens de l'assurance technique, des données et de la fiabilité
- Superviseurs et responsables de discipline chargés des décisions opérationnelles
Programme
Une structure claire pour le parcours d'apprentissage.
Programme
Les points du programme sont regroupés dans un seul bloc au lieu de créer un module par ligne.
Module 1 : Physique des réservoirs et ML scientifique
Interpréter les mesures sources, les hypothèses d'ingénierie et les critères d'acceptation régissant Physique des réservoirs et ML scientifique
Calculer ou modéliser les grandeurs de performance de Physique des réservoirs et ML scientifique et rapprocher le résultat des données terrain
Réaliser un exercice Machine learning informé par la physique pour l'ingénierie de réservoir transformant les constats de Physique des réservoirs et ML scientifique en décision technique documentée
Module 2 : Formulation des réseaux neuronaux informés par la physique
Calculer ou modéliser les grandeurs de performance de Formulation des réseaux neuronaux informés par la physique et rapprocher le résultat des données terrain
Diagnostiquer les modes de défaillance, l'incertitude et les limites opératoires associés à Formulation des réseaux neuronaux informés par la physique
Construire une check-list d'assurance, un responsable d'action et un déclencheur de revue pour Formulation des réseaux neuronaux informés par la physique
Module 3 : Substituts, émulateurs et modèles réduits
Diagnostiquer les modes de défaillance, l'incertitude et les limites opératoires associés à Substituts, émulateurs et modèles réduits
Réaliser un exercice Machine learning informé par la physique pour l'ingénierie de réservoir transformant les constats de Substituts, émulateurs et modèles réduits en décision technique documentée
Interpréter les mesures sources, les hypothèses d'ingénierie et les critères d'acceptation régissant Substituts, émulateurs et modèles réduits
Module 4 : Problèmes inverses, incertitude et validation
Réaliser un exercice Machine learning informé par la physique pour l'ingénierie de réservoir transformant les constats de Problèmes inverses, incertitude et validation en décision technique documentée
Construire une check-list d'assurance, un responsable d'action et un déclencheur de revue pour Problèmes inverses, incertitude et validation
Calculer ou modéliser les grandeurs de performance de Problèmes inverses, incertitude et validation et rapprocher le résultat des données terrain
Module 5 : Atelier d'un cas réservoir informé par la physique
Construire une check-list d'assurance, un responsable d'action et un déclencheur de revue pour Atelier d'un cas réservoir informé par la physique
Interpréter les mesures sources, les hypothèses d'ingénierie et les critères d'acceptation régissant Atelier d'un cas réservoir informé par la physique
Diagnostiquer les modes de défaillance, l'incertitude et les limites opératoires associés à Atelier d'un cas réservoir informé par la physique
Supports fournis
- Cahier technique propre à la formation
- Jeux de données d'ingénierie et exercices de diagnostic
- Modèles de décision et check-lists qualité
- Étude de cas finale appliquée
- Certificat de participation 4D
Options de formation
Les programmes peuvent être organisés en entreprise, en ligne ou dans un format hybride selon le calendrier, la localisation et les objectifs de vos équipes. Lorsqu'un certificat ou un examen externe est inclus, les règles et frais de certification restent soumis aux politiques de l'organisme certificateur, tandis que 4D assure la formation et l'accompagnement à la préparation.
Pourquoi choisir 4D
4D adapte la profondeur technique, les données, les calculs et les décisions finales aux actifs, au contexte opérationnel et aux responsabilités des participants.
Formations liées
Analytique de forage en temps réel et aide à la décision
Cette formation pratique aide les professionnels à maîtriser données forage temps réel, dashboards, alarmes, suivi KPI et workflows de décision. Le programme relie les concepts clés, les cas d’usage réels, les risques, les outils et les décisions opérationnelles afin que les participants puissent appliquer les acquis dans leur environnement de travail. La formation peut être adaptée au secteur, aux systèmes internes, au niveau des participants et aux objectifs de performance de l’organisation.
View courseApplications de jumeaux numériques pour actifs pétrole et gaz
Cette formation pratique aide les professionnels à maîtriser concepts de jumeau numérique, modèles asset, intégration données temps réel, simulation et cas d’usage opérationnels. Le programme relie les concepts clés, les cas d’usage réels, les risques, les outils et les décisions opérationnelles afin que les participants puissent appliquer les acquis dans leur environnement de travail. La formation peut être adaptée au secteur, aux systèmes internes, au niveau des participants et aux objectifs de performance de l’organisation.
View courseConception de cas d’usage IA et évaluation ROI pour leaders pétrole et gaz
Cette formation pratique aide les professionnels à maîtriser sélection des cas d’usage IA, cadrage valeur, évaluation ROI, gouvernance et planification pour dirigeants. Le programme relie les concepts clés, les cas d’usage réels, les risques, les outils et les décisions opérationnelles afin que les participants puissent appliquer les acquis dans leur environnement de travail. La formation peut être adaptée au secteur, aux systèmes internes, au niveau des participants et aux objectifs de performance de l’organisation.
View course