Модели и инструменты предикативной аналитики для нефтегазовой отрасли

• Номер работы:
  733013
• Раздел:
  Все работы   →   Магистерские работы   →   Инновационный менеджмент
• Год добавления:
  20.02.2022 г.
• Объем работы:
  88 стр.
• Содержание:
  ОГЛАВЛЕНИЕ
  
  ВВЕДЕНИЕ 3
  ГЛАВА 1. ПРОБЛЕМЫ ПРИМЕНЕНИЯ ПРЕДИКТИВНОЙ АНАЛИТИКИ 6
  1.1 Проблемы промышленности в работе с данными 6
  1.2 Варианты использования предиктивной аналитики в промышленности 14
  1.3 Проблемы применения предиктивной аналитики в промышленности 20
  ГЛАВА 2. КЛАССИФИКАЦИЯ И СИСТЕМАТИЗАЦИЯ ИСПОЛЬЗОВАНИЯ ИНСТРУМЕНТОВ И МОДЕЛЕЙ В ПРОМЫШЛЕННОСТИ 25
  2.1 Обзор инструментов предиктивной аналитики для использования в крупных промышленных компаниях: сравнительный анализ 25
  2.3.1 Модели обучения с учителем 41
  2.3.2 Модели обучения без учителя 41
  2.4 Особенности практики использования инструментов и моделей предиктивной аналитики в промышленности и нефтегазовой отрасли 42
  ГЛАВА 3. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ ПРЕДИКТИВНОЙ АНАЛИТИКИ В НЕФТЕГАЗОВОЙ ОТРАСЛИ 54
  3.1 Характеристика состояния нефтегазовой отрасли в РФ 54
  3.2 Исследование статистических данных по отрасли 62
  3.3 Построение модели прогнозирования промышленных данных в нефтегазовой отрасли РФ 72
  ЗАКЛЮЧЕНИЕ 80
  СПИСОК ЛИТЕРАТУРЫ 84
  ПРИЛОЖЕНИЯ 88
  
  
• Выдержка из работы:
  Некоторые тезисы из работы по теме Модели и инструменты предикативной аналитики для нефтегазовой отрасли
  
  
  ВВЕДЕНИЕ
  
  Актуальность темы исследования состоит в том, что на современном этапе развития предиктивная аналитика выступает одним из наиболее эффективных инструментов повышения производительности в нефтегазовой отрасли. В промышленности и энергетике задействовано дорогое и сложное оборудование. Чтобы избежать его поломок, простоев и неоптимального использования, применяют методы предиктивной аналитики – предсказание различных событий. Такая аналитика основана на собранных больших данных и методах машинного обучения.
  Анализ процессов, происходящих в бизнесе или на производстве, позволяет успешно предвидеть возможные ошибки в будущем и предотвратить их заранее, тем самым избегая потерь и повышая эффективность – с помощью технологий предиктивной аналитики.
  Предприятия, которые используют предиктивные инструменты, в 1,8 раз чаще перевыполняют целевые показатели и сообщают о повышенных темпах роста прибыли примерно в 3 раза больше, чем в среднем по отрасли (Forbes). По данным компании ЛАНИТ, благодаря использованию предиктивной аналитики возможно значительно уменьшить затраты на обслуживание оборудования – в среднем на 20-30%. По оценкам экспертов, прогноз оптимизации затрат при использовании технологий предиктивной аналитики составляет 15-20% численности штата ремонтных бригад и уменьшения времени простоя оборудования во время ремонтов.
  ........................
  ГЛАВА 1. ПРОБЛЕМЫ ПРИМЕНЕНИЯ ПРЕДИКТИВНОЙ АНАЛИТИКИ
  
  1.1 Проблемы промышленности в работе с данными
  
  Промышленная отрасль является важным экономическим сектором, в котором наблюдается большое количество разного рода данных. Данные в промышленности охватывают большой спектр сфер, например, финансовые данные промышленной отрасли, данные о работе оборудования, данные о полезных ископаемых. При этом, по оценкам экспертов, темпы цифровизации в промышленности ниже, чем в других отраслях [12].
  Статистические данные свидетельствуют, что лишь 14-16% предприятий промышленности использовали данные для оптимизации производства в период 2019-2020 гг. [35]. Требует исследования вопрос причин такого отставания и разработка траекторий развития стратегий использования промышленных данных. Также следует сказать, что некоторые исследования говорят о значительных успехах промышленности в цифровой трансформации [20], а кейсы вроде компании СИБУР показывают, что на производстве есть примеры получения быстрого и заметного бизнес-эффекта от анализа данных. Но работая над проектами в разных отраслях мы видим, что в целом промышленные компании пока не используют все возможности для развития бизнеса, которые дают данные [22].
  .......................
  СПИСОК ЛИТЕРАТУРЫ
  
  1.BP invests in new artificial intelligence technology [online resource] – access mode: https://www.bp.com/en/global/corporate/news-and-insights/press-releases/bp-invests-in-new-artificial-intelligence-technology.html (access date: 02.02.2022)
  2. A. Sircar, K. Yadav, K. Rayavarapu, N. Bist, H. Oza. Application of machine learning and artificial intelligence in oil and gas industry// Petroleum Research. Volume 6, Issue 4, December 2021, Pages 379-391. – Access mode: https://www.sciencedirect.com/science/article/pii/S2096249521000429 (date of access: 03.02.22)
  3. Нефтегазовая отрасль: 2021 год — время перемен [Электронный ресурс]. – Режим доступа: https://www.accenture.com/ru-ru/insights/energy/oil-gas-need-change (дата обращения: 15.02.2022)
  4.Цифровые технологии в российских компаниях [Электронный ресурс]. – Режим доступа: https://assets.kpmg/content/dam/kpmg/ru/pdf/2019/01/ru-ru-digital-technologies-in-russian-companies.pdf (дата обращения: 01.02.2011)
  5.Цифровизация позволит сделать нефтегазовую отрасль более эффективной и экологичной [Электронный ресурс]. – Режим доступа: https://www.bashinform.ru/news/economy/2021-07-12/tsifrovizatsiya-pozvolit-sdelat-neftegazovuyu-otrasl-bolee-effektivnoy-i-ekologichnoy-2456748 (дата обращения: 16.02.2022)
  .........