行业寒冬期，油气企业应当如何破局？

　　石油行业 数字化 虚拟仿真
　　共2700字｜建议阅读时间5分钟
　　受多重利空影响，近期国际油价接连上演暴跌行情。传统油气企业面临利润跳水，成本挤压等不利局面。市场前景不明朗对油气企业的经营韧性提出了新的挑战。如何应对新形势下的严峻挑战，让传统油气企业＂大象＂在快速变化能源局势中能够＂偏偏起舞＂？数字化转型，大力推进创新驱动发展或是当前破局之法。
　　近年来，全球能源格局正在发生深刻变化，新一代数字化技术已然成为传统油气行业变革的助推器。世界经济论坛研究数据表明，油气行业的数字化之路已经开启，到2025年数字化可为石油和天然气行业提供约1.6万亿美元的价值。数字化技术与油气行业的深度融合正驱动油气数字化转型。结合业务场景的数字化，人工智能技术，实现数据协同和数据驱动决策，正在成为国际油气企业的数字化战略重点。敏捷，高效，灵活的数字化新模式正引领油气颠覆性技术创新，必将给整个油气行业带来巨大变革。
　　01、数字驱动，敏捷研发
　　敏捷研发的关键是数字驱动。以客户为中心和市场导向对油气行业研发快捷高效和灵活柔性提出了很高的要求。石油行业的领导者正在使用数字解决方案重新定义产品创新。通过引入信息化，人工智能，虚拟仿真等数字化手段，实现传统经验驱动到数字驱动的研发理念转变，有效降低研发成本，提高研发效率，加快产品上市，是数字化转型助力敏捷研发的核心，是企业保持竞争力和可持续性的关键。
　　＂虚实融合，业务智能＂是新一代＂体验孪生＂在油气研发领域的最佳实践。
　　油气行业的研发工作集中在实验室中进行，如何将实验室的日常研发工作有效数字化，并与现有成熟信息技术进行融合，是油气研发数字化转型的关键。针对这一关键挑战，达索系统BIOVIA通过整合＂实验室全面数字化＂，＂科研数据智能＂和＂材料虚拟仿真＂三个方向，引入＂数据＂，＂智能＂，＂仿真＂三项能力，支撑研究实验室，开发实验室和检测实验室的具体业务目标，有效结合实体实验和虚拟实验优势，借助人工智能和机器学习技术，实现虚拟现实的数据协同。
　　02、敏捷研发第一步：全面数字化实验室
　　实验室数据的有效数字化，是实现研发数字化转型的前提。油气作为实验密集的传统行业，其实验过程和实验结果的记录往往需要通过人工方式来实现。尽管现阶段一些先进分析仪器或实验装置能够自动输出检测结果，LIMS（实验室信息化管理系统）也已经在部分检测实验室得到了使用。但在进行实验记录时，科研人员仍习惯于将实验步骤，过程和结果誊写至纸质实验记录本上。低效率，规范性差，管理存储困难等问题已经不能适应当今高速发展的研发需求。这就为能够全面追溯记录实验过程的数字化解决方案提出了迫切要求。
　　实验过程的数字化一般通过电子实验记录本（ELN，Electronic Lab Notebook）来实现。电子实验记录本是数字时代的实验记录本。在实现传统纸质实验记录替代的同时，能够享受数字化所带来的实验数据检索与共享协作，图像、语音等非结构数据的链接记录等红利，从而更有利于实验室经验知识的传承和分享。ELN系统以实验操作的记录为核心，支持实验室工作流程管理，能够对记录数据按照权限进行跨实验、多样本的对比分析。其广泛灵活的数据兼容使实验室的各种数据（非结构化数据，例如实验过程记录，音视频等；结构化数据，例如化学结构，原材料信息，仪器设备信息，电子表格等）均能够得到全面有效的管理，保证了数据完整性和可用性。
　　油气行业所使用ELN系统主要包含如下几大功能：
　　一、智能辅助实验设计
　　二、规范化实验过程执行与数据记录
　　三、数据比对与分析展示
　　四、智能数据搜索
　　五、自动数据采集
　　六、信息系统集成
　　03、敏捷研发第二步：科研数据智能
　　在当今竞争激烈的油气行业，研发机构都希望通过集成的、数据驱动的方法，将强大的预测模型与先进的数据分析和机器学习结合起来，以获得新的洞察力，加快创新速度并降低成本，从而实现创新。当前在油气研发领域，数据探索和分析工作流程存在如下难点：脱节的系统和不同的数据源阻碍了充分利用数据的能力当前的数据科学解决方案无法提供研发所需的专用领域功能数据科学上手困难，阻碍模型的广泛部署和使用
　　达索系统的科研数据智能解决方案，通过实施先进的预测性分析和机器学习技术来解决这些问题。该技术能够在数据中揭示有意义的模式，帮助科学家和工程师理解复杂的系统，破译分子和原子行为，优化流程，并就如何快速、高效地推进项目的进展做出更快、有数据依据的决策。
　　在油气研发领域，基于全面实验室数字化所得有效数据，能够使用数据科学工具针对业务场景进行数据智能应用，最典型的应用场景包括：配方推荐系统，实验数据看板和智能搜索引擎。
　　在生产领域，还能够通过图像识别和IoT技术结合，对生产质量回溯，生产质量管理和设备预测性维护等方向进行有效的数据科学应用。
　　科研数据智能通过汇集多个数据源并简化复杂分析和机器学习任务的创建，使复杂的数据处理和分析任务自动化。凭借其易于使用的图形化开发环境，使数据科学家能够设计出满足其需求的数据科学和机器学习解决方案，然后将这些工作流程作为最佳实践在整个组织中共享。
　　04、敏捷研发第三步：材料虚拟仿真
　　基于分子模拟和人工智能的新一代材料虚拟仿真，是第四科研范式的重要支撑。以材料虚拟仿真技术为核心的材料基因工程融合数字化技术和材料研发，是＂中国制造2025＂的关键内容之一，已作为重大战略任务在＂新材料重大工程＂专项中布局。自上世纪80年代起，国际各大石油化工企业广泛将材料虚拟仿真技术应用于研发领域，并将材料虚拟仿真技术与信息化技术结合，有效提高研发效率。在油田化学、催化剂研制、高分子设计、化学工程及重油特征化等领域，分子模拟技术有着越来越广泛的应用。
　　在产品开发中引入基于计算机仿真技术的材料虚拟仿真和高通量虚拟筛选，能够有效降低试错成本，缩短产品开发设计周期，增强企业竞争力。
　　材料虚拟仿真能够实现：先于实验预测材料性能，进行配方筛选，优化工艺流程设计，从而缩短研发周期、降低项目淘汰率，提高研发效率，降低开发风险；部分代替化学合成、结构分析、物性检测等实验，减少仪器占用率，降低总体研发成本。提高企业的管理创新、业务拓展、降本增效、信息化水平及核心竞争力水平。
　　材料虚拟仿真在催化剂开发中能够基于量子力学预测反应活性位点，考察催化反应机理。针对润滑油，高分子和流体微观分析，材料虚拟仿真在纳米尺度采用基于分子力学的物理模型能够预测扩散、渗透、表面吸附分子取向和粘度等性质。针对高分子、新型复合材料，材料虚拟仿真在微米尺度采用基于介观方法的物理模型进行仿真预测。针对液相热力学行为，材料虚拟仿真能够基于COSMO-RS预测极性组分的分配系数，萃取及液液相平衡，溶解度和固液相平衡，气体溶解度和复杂体系增气压，吸附模型，界面张力，纯物质的密度和粘度等。
　　并通过引入高通量虚拟筛选，快速筛选目标材料。
　　点击：2020 达索系统工业新体验在线研讨会