Kiruna сабақтары: энергия жобаларын AI қалай басқарады

113 жылдық ағаш шіркеуді толық күйінде көтеріп, шамамен 3 шақырымға жуық қашықтыққа жылжыту — бұл тек әсерлі инженерлік трюк емес. Швецияның Арктикадағы Кируна қаласында дәл осындай оқиға 2025 жылдың қысқа жазында екі күн ішінде болды: кен өндіру компаниясы тұтас ғимаратты жаңа орынға көшіру арқылы әлем назарын өзіне аудартты. Бірақ шіркеудің көшірілуі — негізгі сюжет емес. Негізгі сюжет: темір кені өндірісін кеңейту үшін бүкіл қаланы кезең-кезеңімен көшіру.

Көп адам мұны «Еуропадағы бір ерекше жағдай» деп қабылдайды. Мен олай ойламаймын. Кируна — ресурстық жобалардың ең қиын сұрағын ашық көрсететін мысал: өндіріс өссе, инфрақұрылым, қауіпсіздік, қоғам және экология қалай қатар басқарылуы керек? Қазақстандағы мұнай-газ және энергетика саласында дәл осы сұрақ күн тәртібінде тұр. Айырмашылық — бізде жауап беру құралдары күшейіп келеді: жасанды интеллект (AI), цифрлық егіздер, болжамды аналитика, өндірістік деректер платформалары.

Бұл жазба «Қазақстандағы энергия және мұнай-газ саласын жасанды интеллект қалай түрлендіріп жатыр» сериясының логикалық жалғасы. Кирунадағы қала көшіру жобасына қарап отырып, Қазақстан компаниялары үшін AI қай жерде нақты пайда әкелетінін — жоспарлау, қауіпсіздік, экологиялық тәуекел, мүдделі тараптармен коммуникация — практикалық тілмен тарқатамын.

Кируна оқиғасы не айтады: «жоба» емес, «жүйе» күрделілігі

Кирунаның мәні қарапайым: қала кен өндірісімен бірге пайда болған, енді кен өндірісін кеңейту үшін қаланың өзі орын ауыстыруы керек. Бұл — бір объектіні басқару емес, бір-біріне тәуелді жүйелерді басқару.

Ресурстық кеңею жобаларында негізгі қиындық көбіне «техника жетпейді» емес. Қиындық — тәуелділіктердің көптігі:

• Геология, өндіріс жоспарлары және қазба жұмыстарының қауіпсіздігі
• Инфрақұрылым (жол, электр, жылу, су, байланыс)
• Қоғамдық кеңістік (мектеп, аурухана, мәдени мұра)
• Рұқсаттар, экологиялық нормалар, қоғамдық келісім
• Бюджет, мердігерлер, жеткізу тізбегі

Осы жерде AI-дың рөлі анық көрінеді: ол «бәрін автоматтандыру» үшін емес, күрделі жүйені өлшеп, болжауды және шешім қабылдауды жылдамдату үшін керек.

Сабақ: Үлкен өндірістік кеңею — ERP/кесте деңгейіндегі жоспарлау емес. Ол нақты уақыттағы тәуекелдер мен мүдделі тараптар күтулерін қатар ұстайтын басқару моделі.

AI ірі жобаларды қалай «жинақтайды»: жоспарлау, тәуекел, мерзім

AI-дың ең күшті тұсы — әртүрлі дерек көздерін бір логикаға келтіріп, басшыларға «не болып жатыр?» емес, «келесі апта/айда не болады?» деген сұраққа жауап беруі.

Цифрлық егіз: «жобаның Google Maps-і»

Кеніш немесе кен орны, компрессорлық станция, құбыр, электр торабы, тіпті қалашық инфрақұрылымы — бәрі кеңістікте өмір сүреді. Digital twin (цифрлық егіз) BIM/SCADA/IoT/GIS деректерін біріктіріп, жобаны карта сияқты «тірі» етеді.

Қазақстандағы мұнай-газ және энергия компаниялары үшін цифрлық егіздің нақты қолданылатын жерлері:

• Құбыр желісінің қауіпті учаскелерін модельдеу
• Қондырғылардың шектік режимдерін симуляциялау (қысым/температура)
• Құрылыс-монтаж кезеңінде логистика мен кран/ауыр жүк қозғалысын жоспарлау
• Апат сценарийлерін (HSE) алдын ала «ойнатып көру»

Болжамды аналитика: мерзім мен бюджетке «ерте ескерту»

Ірі жобаларда кешігудің себебі әдетте біреу емес: жеткізу кешігуі + ауа райы + мердігер өнімділігі + қайта жобалау. AI үлгілері өткен жобалар деректерінен үйреніп:

• критикалық жолдағы ауытқуды ерте табады;
• мердігерлік тәуекелді (өндірім, сапа, safety) индикаторлар арқылы көрсетеді;
• материал жеткізу кешіксе, қай учаске тоқтайтынын есептейді.

Практикалық қадам: жобалық офис үшін 6–10 негізгі «early warning» метрика жеткілікті: жоспар-факт ауытқуы, қайта жұмыс (rework) пайызы, safety near-miss жиілігі, жеткізу lead time, техника тұрып қалуы, ауа райы тәуекелі.

Қауіпсіздік және өндірістік сенімділік: AI-сыз бұл енді қымбат

Ресурстық кеңеюдің ең үлкен бағасы — апат. Оның құны тек айыппұл емес: тоқтап қалу, бедел, лицензиялық тәуекел.

Predictive maintenance: тоқтап қалуды азайту

Қазақстандағы мұнай-газ және энергетикада көп актив «ақылды» сенсорлармен толық жабдықталмағанының өзінде, AI үшін бастапқы базаны мына деректер береді:

• SCADA/телеметрия (діріл, температура, қысым)
• жөндеу тарихы (CMMS)
• оператор журналдары (мәтіндік жазбалар)

AI мұнда «сиқыр» жасамайды, бірақ бір нәрсені жақсы жасайды: қалыпты режимнен ауытқуды ерте байқап, қай агрегат тәуекелде тұрғанын көрсетеді. Тәжірибеде бұл:

• жоспарланбаған тоқтауды қысқартады;
• қосалқы бөлшек қорын нақтылайды;
• жөндеуді «уақытпен» емес, «жағдаймен» жоспарлауға көмектеседі.

Computer vision: қауіпті жағдайды оқиғаға жеткізбей тоқтату

Кеніште де, мұнай-газда да бір мәселе ортақ: адамдар көп, техника ауыр, тәуекел жоғары. Камерадан түсетін бейнені AI талдаса:

• PPE (каска/көзілдірік/жилет) ережесін бұзуды;
• қауіпті аймаққа кіруді;
• техника мен адам арақашықтығын;
• түтін/өрт белгілерін ерте анықтауға болады.

Менің ұстанымым: HSE үшін AI — «бақылау» емес, «алдын алу». Дұрыс енгізілсе, ол жұмысшыларға қарсы құрал емес, қауіпті бірлесіп азайтудың құралы.

Экология және қоғам: «лицензия to operate» дерекпен қорғалады

Кирунадағы қала көшірудің ең сезімтал бөлігі — қоғаммен келісім. Қоғамның сұрағы әрдайым бір: «біздің қауіпсіздік, өмір сапасы, мәдени мұрамыз қайда қалады?»

Қазақстанда энергетика және мұнай-газ жобалары да дәл осы логикаға тіреледі. AI мұнда үш бағытта пайдалы.

1) Экологиялық мониторингті нақтылау

AI спутниктік суреттерді, дрон деректерін, экобекеттер көрсеткіштерін біріктіріп:

• алаңның кеңеюін, шаң/шығарындылар тәуекелін бақылауға;
• су көздерінің өзгерісін ерте байқауға;
• рекультивация нәтижесін объективті бағалауға көмектеседі.

Бұл жерде маңыздысы: ESG есебі үшін әдемі презентация емес, тексерілетін дерек.

2) Рұқсаттар мен комплаенсті жеделдету

Рұқсат процестері құжатқа толы. NLP (мәтінді өңдеу) құралдары:

• талаптарды автоматты түрде чек-параққа айналдырады;
• аудитке дайындықты жеңілдетеді;
• мердігер құжаттарының толықтығын тексереді.

3) Қоғаммен коммуникацияны «бір терезеге» жинау

Әлеуметтік тәуекел көбіне ақпараттың кешігуінен туады. AI қолдайтын коммуникация платформасы:

• тұрғындардың өтініштерін тақырып бойынша жіктейді;
• жауап SLA-ларын бақылайды;
• жиі қайталанатын сұрақтарды (FAQ) автоматты жаңартады;
• «қай ауыл/аудан бойынша қандай мәселе өсіп жатыр?» дегенді көрсетеді.

Бір сөйлемдік ереже: қоғаммен жұмыс — PR емес, бұл өндірісті тоқтатпау стратегиясы.

Қазақстанға бейімдеу: AI енгізудің 90 күндік жоспары

Көп компания AI-ды «үлкен трансформация» ретінде бастап, ұзақ концептте тұрып қалады. Мен тиімді тәсілді басқаша көремін: 90 күнде өлшенетін нәтиже беретін 1–2 кейс.

1-қадам (1–2 апта): дерек картасы және бизнес-мәселені қысу

Мақсатты тым кең қоймаңыз. Мысалдар:

• «Компрессорлық станциядағы жоспардан тыс тоқтауды 10–15% азайту»
• «Құрылыс жобасында кешігуді 4 апта бұрын болжау»
• «PPE бұзушылықтарын 30% қысқарту»

2-қадам (3–6 апта): минималды өнім (MVP)

• 2–3 дерек көзін ғана қосыңыз (SCADA + CMMS сияқты)
• бір цех/бір учаскеде пилот жасаңыз
• нәтиже метрикаларын алдын ала бекітіңіз

3-қадам (7–12 апта): өндірістік енгізу және басқару

• модельді мониторингтеу (drift, false alarms)
• HSE/операция персоналын оқыту
• регламентке енгізу (кім қарайды, кім шешім қабылдайды)

Ең жиі қателік: AI-ды IT жобасы деп қарау. Дұрысы — бұл операциялық өзгеріс.

Kiruna-дан алынатын ең пайдалы ой

Кирунадағы шіркеудің көшірілуі әсерлі көрінеді, бірақ ол тек символ. Нағыз мәні — ресурстық жобалар қоғамның, экологияның, қауіпсіздіктің ішінен өтеді. Ал осы күрделілікті қолмен басқару барған сайын қымбаттап барады.

Қазақстандағы энергия және мұнай-газ саласын жасанды интеллект қалай түрлендіріп жатыр деген үлкен әңгіменің бір өзегі бар: AI өндірісті ғана емес, шешім қабылдау мәдениетін де өзгертеді. Қай жерде тәуекел өсіп жатыр, қай жерде тоқтау қаупі бар, қай жерде қоғамның сенімі әлсіреп барады — осының бәрін ерте көріп, нақты әрекет етуге мүмкіндік береді.

Егер сіздің компанияңыз кеңейту жобасын (кеніш, кен орны, ЖЭО/ЖЭС жаңғырту, құбыр, жаңа ұңғыма қоры) жоспарлап жүрсе, бір сұрақты қазірден қойыңыз: біз жобаны кестемен ғана басқарамыз ба, әлде дерекпен басқарамыз ба?