“Ümid” yatağı: hasilatı AI ilə necə artırmaq olar

“Ümid” yatağı istismara veriləndən 2025-ci ilin noyabrın 1-dək təqribən 12,7 milyard kubmetr qaz və 1,9 milyon ton kondensat hasil edib. Bu təkcə “yaxşı rəqəm” deyil — bu, Azərbaycanın enerji təhlükəsizliyinin real dayaqlarından biridir. Üstəlik, nazirliyin açıqladığı gündəlik orta göstəricilər (~7 milyon kubmetr qaz, ~0,8 min ton kondensat) bir şeyi göstərir: yataq artıq yetkin mərhələdədir və burada əsas sual “neçə quyu qazacağıq?” yox, “mövcud sistemi necə daha ağıllı idarə edəcəyik?” olmalıdır.

Bu yazı “Azərbaycanın Energetika və Neft-Qaz Sektorunu Süni İntellekt Necə Dəyişdirir” seriyasının bir hissəsidir. Mənim mövqeyim sadədir: AI neft-qazda “gözəl təqdimat” deyil, istehsal intizamıdır. “Ümid” kimi platformalarda süni intellekt düzgün qurulsa, hasilatın sabitliyi, təhlükəsizlik və xərclər eyni anda yaxşılaşa bilər. Yanlış qurulsa, isə sadəcə bahalı “pilot” qalacaq.

“Ümid” yatağının rəqəmləri bizə nə deyir?

“Ümid” yatağının 15 illik kəşf yubileyi fonunda açıqlanan statistika iki mesaj verir: resurs var və idarəetmə keyfiyyəti daha da önəmlidir. Yataq 2010-cu il 24 noyabrda kəşf olunub, 2012-ci ildə istismara verilib. Operator şirkət Umud-Babek Operating Company (UBOC)-dur; pay bölgüsü 80% SOCAR, 20% Nobel Upstream.

Yetkin yataqda ən böyük itki: qeyri-sabitlik

Yetkin qaz-kondensat yataqlarında problem adətən “həcm”dən çox “stabillik” olur:

• Debitin dalğalanması (quyu davranışı dəyişir)
• Separator və kompressor rejimlərinin tez-tez yenidən tənzimlənməsi
• Su, qum, parafin/hidrat riskləri
• Planlaşdırılmamış dayanma və texniki xidmət “pikləri”

Burada AI-nın ən güclü tərəfi ortaya çıxır: dəyişən sistemi daim ölçüb proqnozlaşdırmaq.

Qış mövsümü faktoru: 2025-in sonu reallığı

Dekabr ayının sonu təbii qaz bazarı üçün həssas dövrdür. Qış tələbi artdıqca təchizatın etibarlılığı daha bahalı olur. Bu mövsümdə qaz hasilatında bir neçə saatlıq planlaşdırılmamış dayanma belə zəncirvari effekt yaradır: kompressor rejimi, boru xətti təzyiqi, balans, kommersiya öhdəlikləri.

AI-nın “dəyəri” məhz belə günlərdə ölçülür: hər şey qaydasında olanda yox, risk artanda.

AI “Ümid” kimi qaz-kondensat yatağında haradan başlayır?

AI layihələri ən çox iki səbəbə görə batır: ya birbaşa “böyük model”lə başlayırlar, ya da data keyfiyyətini görməməzliyə vururlar. Mənim gördüyüm ən işlək yanaşma: 3 praktiki use-case + ölçülə bilən KPI + 90 günlük pilot.

1) Real vaxt hasilat optimallaşdırması (production optimization)

Ən tez nəticə verən tətbiq budur: sensorlardan gələn axın, təzyiq, temperatur, separator göstəriciləri, kompressor yüklənməsi, quyu testləri bir yerdə analiz edilir və sistem operatora konkret qərar təklif edir.

AI burada nə edir?

• Qaz/konensat ayrılmasının (separation) daha stabil rejimini təklif edir
• Kompressor yükünü elə tənzimləyir ki, enerji sərfi azalsın, amma debi düşməsin
• Qazın keyfiyyət parametrlərində (məsələn, nəmlik) sərhədə yaxınlaşmanı əvvəlcədən göstərir

Praktiki KPI-lar:

• Planlaşdırılmamış dayanmaların sayında azalma
• Kompressor enerji sərfində azalma (kWh/Sm³)
• Gündəlik debi dalğalanmasının (variance) azalması

2) Proqnozlayıcı texniki xidmət (predictive maintenance)

Platformada ən bahalı “sürprizlər”dən biri fırlanan avadanlıqlardır: kompressorlar, nasoslar, generatorlar. Ənənəvi yanaşma ya qrafik üzrə (preventive) dəyişir, ya da sıradan çıxanda (reactive) təmir edir. AI üçün ideal mühit isə vibrasiya, temperatur, yağ analizi, yüklənmə kimi zaman sıralı məlumatlardır.

AI-nın verdiyi fayda:

• Arızanı “baş verməzdən əvvəl” risk kimi göstərmək
• Ehtiyat hissələri və işçi briqadasını əvvəlcədən planlamaq
• Platforma logistikasında (dənizdə təchizat) gecikmə riskini azaltmaq

Əgər bir kritik aqreqatın dayanması 8–12 saatlıq itki yaradırsa, hətta kiçik proqnoz dəqiqliyi belə böyük iqtisadi nəticə verir.

3) Təhlükəsizlik və əməliyyat risklərinin analitikası

Neft-qazda AI-nın “ən çox danışılan”, amma düzgün tətbiq olunmayanda ən tez etibar itirən sahəsi təhlükəsizlikdir. Dəniz platformasında risklər çox konkret olur: icazə sistemi (PTW), qapalı məkanlar, qaz sızması, isti işlər, PPE qaydaları.

AI-nı düzgün qurmaq üçün “nəzarət kamerası layihəsi” kimi yox, risk idarəetməsi layihəsi kimi düşünmək lazımdır:

• Video analitika ilə PPE uyğunsuzluğunun aşkarlanması (dəqiq proseslə)
• Qaz sensorları + hava axını + əməliyyat jurnalları əsasında anomaliya aşkarlanması
• Hadisə hesabatlarının (near-miss) mətn analizi ilə risk nümunələrinin çıxarılması

Bu yanaşmanın məqsədi cərimə yazmaq deyil. Məqsəd təhlükəli davranışın yaranma səbəbini tapmaqdır: prosedur çətindir, briqada tələsir, iş icazəsi gecikir və s.

“Ümid” yatağında AI üçün data haradadır (və nə çatmır)?

AI sistemi üçün əsas “yanacaq” üç qat data olur: proses datası, avadanlıq datası, iş proses datası.

Toplanacaq minimum data paketi

• SCADA/telemetriya: təzyiq, temperatur, axın, kompressor parametrləri
• Quyu testləri: debi, su/kondensat nisbətləri, choke dəyişiklikləri
• Dayanma səbəbləri: kodlaşdırılmış downtime qeydləri
• Texniki xidmət jurnalları və ehtiyat hissələri tarixi
• HSE/operasiya hadisələri: near-miss, PTW, yoxlama aktları

Ən çox görülən boşluq: “eyni həqiqət”in olmaması

Praktikada ən böyük problem model deyil, vahid məlumat modelidir. Eyni avadanlıq müxtəlif sistemlərdə fərqli adlanır, “dayanma səbəbi” hər növbədə fərqli yazılır, sensor kalibrlənməsi unudulur.

Mənim yanaşmam: əvvəlcə data keyfiyyəti üçün 4 qayda qoyun:

1. Avadanlıq üçün vahid identifikasiya (tagging)
2. Dayanma səbəbləri üçün standart taksonomiya
3. Sensor kalibrləmə və audit cədvəli
4. KPI-ların tərifi hamı üçün eyni olsun

Bunlar olmadan AI yalnız “gözəl qrafik” verəcək.

UBOC və SOCAR üçün ən real AI yol xəritəsi (90 gün + 12 ay)

AI tətbiqinin uğuru “böyük transformasiya” şüarından yox, idarə olunan mərhələlərdən keçir.

90 günlük pilot: bir sistem, bir komanda, bir məqsəd

• Bir kritik aktiv seçin: məsələn, kompressor xətti və ya separator qovşağı
• 3 KPI seçin: downtime, enerji sərfi, debi stabilliyi
• Data inteqrasiyasını minimum səviyyədə edin (amma düzgün)
• “Model+proses” cütünü qurun: yalnız proqnoz yox, qərar mexanizmi

Pilotun sonunda cavab verilməli sual budur: bu sistem operatorun gündəlik qərarını yaxşılaşdırdı, ya yox?

12 aylıq miqyaslama: rəqəmsal iplə bağlanan əməliyyat

Pilot nəticə verdisə:

• Digər aktivlərə yayma (quyular, kompressorlar, enerji sistemi)
• Təhlükəsizlik analitikası üçün prosesə inteqrasiya
• Rəqəmsal “digital twin” elementləri: rejim simulyasiyası, ssenari planlama

Burada vacib prinsip: AI əməliyyatın yanında yox, içində yaşamalıdır. Yəni, növbə təhvil-təslimində, planlaşdırmada, texniki xidmətdə onun çıxışı istifadə olunmalıdır.

“Ümid” yatağı niyə AI üçün ideal nümunədir?

Çünki “Ümid” yatağı həm strateji, həm də əməliyyat baxımından “təlim poliqonu” rolunu oynaya bilər:

• Stabil gündəlik hasilat var (model öyrənmək üçün yaxşı baza)
• Dənizdə logistika bahalıdır (proqnozlayıcı planlama daha dəyərlidir)
• Qaz ixracı və daxili təchizat üçün etibarlılıq kritikdir
• Operator strukturu (UBOC) çevik pilotlar üçün uyğun platformadır

Bir cümlə ilə: AI burada “təcrübə” yox, hasilat intizamı yaradır.

2026-a baxış: daha az risklə daha çox etibarlılıq

Bu gün “Ümid” yatağının açıqlanan həcmləri Azərbaycanın qaz-kondensat potensialını göstərir. Sabah isə eyni yatağın performansı “rəqəmsal əməliyyat mədəniyyəti”nə bağlı olacaq: doğru sensorlar, düzgün data, ölçülən KPI və real qərar dövrünə (decision loop) qoşulan AI.

Əgər siz SOCAR/UBOC ekosistemində, servis şirkətlərində, və ya enerji təchizat zəncirində işləyirsinizsə, növbəti addım çox praktikdir: bir use-case seçin və onu 90 gün ərzində ölçülə bilən nəticəyə bağlayın. Sonra miqyaslama özü daha asan olur.

Sizcə “Ümid” kimi yataqlarda ən böyük itki harada yaranır: avadanlıq dayanmasında, rejim optimallaşdırmasında, yoxsa təhlükəsizlik prosedurlarının icrasında?