Petronas жоспары: Қазақстанға AI арқылы өндірісті ұстау

Petronas 2026–2028 жылдарға арналған жоспарда бір нәрсені ашық айтты: өндірісті “өсірейік” емес, “түсірмей ұстайық”. Компания Малайзиядағы мұнай-газ өндірісін шамамен 2 млн баррель мұнай эквиваленті/тәу (boepd) деңгейінде тұрақты ұстау үшін барлау жұмыстарын күшейтіп, deepwater (терең су) жобаларын дамытуға және enhanced oil recovery (EOR) тәсілдеріне көбірек қаржы мен күш бөлмек.

Бұл жаңалық Қазақстан үшін қызық, себебі бізде де логика ұқсас: энергия қауіпсіздігі маңыздырақ болып барады, ал “оңай мұнай” азайған сайын өндірісті тұрақтандырудың құны өседі. Меніңше, дәл осы жерде жасанды интеллект (AI) нақты пайда әкеледі: геологиядан бастап ұңғыма қорының саулығына дейінгі шешімдерді жылдамдатып, тәуекелді азайтады.

Осы жазба Қазақстандағы “Қазақстандағы энергия және мұнай-газ саласын жасанды интеллект қалай түрлендіріп жатыр” сериясының контекстінде Petronas қадамын мысал ретінде алып, барлау–өндіру–EOR–операциялық тиімділік тізбегінде AI-дың қай жерде жұмыс істейтінін және қазақстандық компаниялар оны қалай практикалық түрде енгізе алатынын тарқатады.

Неге Petronas өндірісті “ұстап тұруға” ставка жасап отыр

Жауап қысқа: кему (decline) заңын ешкім отмена жасаған жоқ. Көптеген кен орындарында табиғи дебит төмендейді, жаңа жобалар ұзақ циклды, ал капитал қымбат.

Petronas-тың риторикасында “энергия қауіпсіздігі” алдыңғы орынға шықты. Бұл 2020-жылдардың ортасынан бері бүкіл әлемде күшейген тренд: елдер ішкі өндірісті сақтау арқылы импорт тәуелділігін азайтқысы келеді. Малайзияда да дәл сол мақсат.

Қазақстанда да мәселе таныс:

• жетілген (mature) кен орындары үлесінің артуы;
• су басу деңгейінің көтерілуі;
• жөндеуаралық кезеңді ұлғайту қысымы;
• жоспарлы тоқтау мен апаттық тоқтаудың құны.

Осы жерде “көп бұрғылау” әрқашан дұрыс жауап емес. Дұрыс дерек + дұрыс модель + дұрыс операция кейде жаңа ұңғымадан арзан түседі.

Барлау (exploration): AI геологиядағы белгісіздікті азайтады

Негізгі ой: барлаудағы ең қымбат нәрсе — бұрғылау емес, қате шешім. AI бұл жерде шешімді ауыстырмайды, бірақ оны дәлелдірек етеді.

Petronas барлауды күшейтетінін айтты. Барлаудың классикалық қиындықтары: сейсмиканы интерпретациялау уақыты, құрылымдық белгісіздік, дерек сапасының әркелкілігі. Соңғы жылдары мұнай-газда кең тараған тәсілдер:

Сейсмика интерпретациясы және ML

Сейсмикалық көлемдерде fault/қанат/қабат шекараларын белгілеу көп уақыт алады. Компьютерлік көру (computer vision) және deep learning модельдері:

• horizon picking-ті жеделдетеді;
• ұқсас фацияларды кластерлейді;
• интерпретаторға “ықтимал аймақтарды” ұсынып, қол еңбегін азайтады.

Қазақстан үшін пайдалы сценарий: қайта өңделген тарихи сейсмика мен жаңа деректі бірге пайдаланып, перспективті блоктарды ранжирлеу. Бұл әсіресе лицензиялау, геологиялық тәуекелді бағалау кезінде маңызды.

“Prospect ranking” және шешім қабылдау

AI-дың ең практикалық қолдануы — ондаған prospect арасынан:

1. геологиялық табыс ықтималдығын,
2. күтілетін ресурс диапазонын,
3. экономикалық шекті бір модельге жинап, портфельді жүйелі түрде салыстыру.

Бұл жерде адамдардың “интуициясы” жиі үстем болады. Менің тәжірибемде портфельді бірдей критериймен өлшемей, компаниялар ақшаны ең “дауысы қатты” идеяға құя салады. AI бұл жерде тәртіп береді.

Deepwater және күрделі жобалар: цифрлық егізсіз болмайды

Тікелей жауап: deepwater-дың құны мен тәуекелі жоғары болғандықтан, жобалық шешімдер сандық модельге сүйенуі керек.

Petronas deepwater дамытуды жоспарлайды. Терең су жобалары:

• жабдыққа қойылатын талап жоғары;
• логистика күрделі;
• тоқтау құны өте қымбат;
• қауіпсіздік тәуекелі жоғары.

Қазақстанда deepwater масштабы басқа болуы мүмкін, бірақ күрделі офшор/оншор активтер үшін логика бір: жоспарлау – орындау – бақылау тізбегін дерекпен басқару.

Digital twin (сандық егіз) не үшін керек

Сандық егіз — активтің “цифрлық көшірмесі” ғана емес. Дұрыс жасалған digital twin:

• нақты уақыттағы датчиктермен жұмыс істейді;
• жабдық деградациясын (pump, compressor, ESP) модельдейді;
• операциялық режимдерді салыстырып, ең тиімдісін ұсынады.

Қазақстандағы мұнай-газ үшін ең тез нәтиже беретін жер — айналмалы жабдық (rotating equipment) пен қысым/дебит динамикасы.

EOR: өндірісті ұстайтын негізгі құрал, ал AI — оның “миы”

Жауап: EOR-дың табысы “қанша химия құйдық” емес, қай қабатқа, қандай режимде, қандай уақыт терезесінде жасадық дегенге тіреледі. AI дәл осыны есептеуге көмектеседі.

Petronas EOR-ға басымдық береді. Бұл mature кен орындары үшін логикалық қадам. Қазақстанда да су айдау, газ айдау, полимер/ПАВ сияқты тәсілдерге қызығушылық бар, бірақ қиындық көп:

• қабаттың гетерогендігі;
• су кесімі;
• инжектор-продюсер байланысы;
• химреагент құны;
• операциялық тәртіптің бұзылуы.

AI қай жерде нақты жұмыс істейді

1. Pattern recognition: су кесімінің күрт өсуі, қысымның аномалиясы, ұңғыма “қартайюы”.
2. Inflow/Outflow модельдері: ұңғыма өнімділігін режим бойынша салыстыру (choke, насос жиілігі, қысым).
3. Injection optimization: инжекторлар бойынша айдау көлемін, қысымды, кезектілікті есептеу.
4. Surveillance automation: күнделікті инженерлік мониторингті автоматтандыру (есеп, триггер, ұсыныс).

Мұнда “бір модель бәрін шешеді” деген жоқ. Бірақ дұрыс интеграция болса, EOR бағдарламасы инженердің қолында калькулятор емес, диспетчер пульті сияқты жұмыс істейді.

Snippet-worthy ой: Өндірісті тұрақтандыру — бұл жаңа ұңғымалар жарысы емес, бар активтен ақылды түрде көбірек алу.

Қазақстан үшін практикалық жоспар: 90 күнде бастауға болатын 6 қадам

Негізгі жауап: AI енгізу “үлкен трансформациядан” басталмайды. Ол дұрыс таңдалған 1–2 use case-тен басталады.

Мына жоспарды мұнай-газ активтері бар кез келген компания қолдана алады:

1. Бір KPI таңдаңыз: мысалы, жоспардан тыс тоқтауды 10–15% азайту немесе ұңғыма жөндеу жиілігін төмендету.
2. Дерек инвентаризациясы: SCADA/PI, ұңғыма тарихы, жөндеу актілері, лаборатория, геология деректері қайда және сапасы қандай.
3. “Таза” пилот use case:
   • ESP failure prediction,
   • су кесімін ерте болжау,
   • инжекция-өндіру байланысын анықтау,
   • drilling NPT (non-productive time) классификациясы.
4. MLOps пен өндірістік енгізу: модельді ноутбукта қалдырмаңыз; диспетчер/инженер қолданатын интерфейс қажет.
5. Экономикалық эффектті есептеу: ақшаға аударылған нәтиже ғана масштабтауға жол ашады.
6. Қауіпсіздік және комплаенс: OT/IT сегментациясы, рөлдер, журналдау, дерекке қолжетімділік.

Менің ұстанымым: пилоттың мақсаты — дәлдік емес, өндірісте қолданылатын әдет қалыптастыру. Егер модель 92% дәл болып, бірақ ешкім ашпаса — ол нөл.

“People also ask”: жиі қойылатын сұрақтар

AI барлауды толық автоматтандыра ма?

Жоқ. Бірақ ол интерпретацияны жеделдетіп, альтернативаларды көбірек қарауға мүмкіндік береді. Соңғы сөз бәрібір геолог пен портфель комитетінде.

Мұнай бағасы құбылғанда AI жобалары тоқтап қалмай ма?

Ең өміршең AI жобалары — OPEX үнемдейтін және тоқтауды азайтатын жобалар. Олар баға төмендегенде де керек.

Қазақстанда ең тез ROI беретін use case қайсы?

Көп активте бұл — жабдықтың істен шығуын болжау (predictive maintenance) және өндірістік режимді оңтайландыру. Себебі дерек бар, әсері тез көрінеді.

Petronas қадамының Қазақстанға сабағы

Petronas-тың 2026–2028 жоспарындағы үш тірек — барлау, deepwater, EOR — бір ғана мақсатқа қызмет етеді: 2 млн boepd деңгейін ұстап қалу. Бұл “қорғаныс стратегиясы” сияқты көрінуі мүмкін, бірақ шын мәнінде бұл — тәртіпке құрылған операциялық стратегия.

Қазақстанда да дәл қазір ең ұтымды сұрақ: “Қай жерде жаңа инвестиция керек?” емес, “Қай жерде дерек пен AI арқылы тәуекелді азайтып, өнімділікті ұстай аламыз?”. Энергия қауіпсіздігі тек көлеммен өлшенбейді. Ол — тоқтаусыз, болжамды, қауіпсіз өндіріс.

Егер сіз мұнай-газ компаниясында барлау, өндіру, EOR немесе техникалық қызмет бағытын басқарып жүрсеңіз, мен ұсынар едім: бір актив таңдаңыз да, 90 күндік AI-пилотты нақты KPI-мен бастаңыз. Содан кейін ғана масштабтау туралы айту әділ.

Ал сіздің активіңізде өндірісті ұстап тұруға ең көп әсер ететін “бір көрсеткіш” қайсы: жоспардан тыс тоқтау ма, су кесімі ме, әлде бұрғылаудағы NPT ме?