数字技术的进步，数字化成本的下降，以及设备连接范围的拓宽，为能够充分利用数字化变革的上游油气企业提供了一个真正的竞争的机会。长期低迷的经营环境和不温不火的经营收益使公司将这种机会变成一种需求，数字化变革能够为油企节省数百万美元成本，最重要的是，使企业上亿美元的资产利用和配置更加智能和高效。
是什么在阻碍公司实现数字化呢？除了技术性因素之外，经常是混杂的数字阻碍了公司的走向成熟的变革。公司可以从战略定位出发，来评估每一项业务的数字化程度，并确定实现特定业务目标的数字化步伐。更为重要的是，它可以推动实现一个长期将核心资产数字化的目标，并且最终形成一种新的运营模式（从字节到桶油的进程）。
在一系列的石油天然气行业的数字化变革中，本文首先展示德勤的数字运营转型（DOT）模型—它以网络安全和数字文化为核心，解释了10个不同阶段的数字化变革历程，并且用它来确认物探开发、钻井和油气开采的前景价值。
在数据驱动分析上，虽然有些业务板块较为领先，比如地震勘探在分析和可视化信息中遥遥领先开发钻井，而油气生产板块仍然在努力探测数十年之久的老井或者利用一些老的生产数据。总体来说，我们可以从数字化领先的公司吸取经验，他们在资产和资产模型方面发生了巨大的变化。对于石油天然气行业来说这样做得到的回报将是相当大的–只要资本生产率提高1％就可以帮助抵消累计350亿美元的损失（数据来自2016年上市的上游、油田服务和综合公司报告）
数字化大潮来袭
数字化技术几乎正在帮助各个行业改写其运营格局，而石油天然气行业不能再甘于人后。数字化的潜在优势已经非常明显：生产率的提高，更安全并节约成本等。此外，对于正在应对油价疲软和收益不温不火的的石油天然气企业来说，采用数字化技术的一个最大优势就在于可以减缓并更好应对行业衰退的倾向。
然而，数字世界的快速变化，不同技术之间相互依赖，甚至同一技术的无法统一名称的情况使得行业的数字化转化变得困难。例如，从2000年至2016年期间，曾经被列在Gartner’sHype Cycle中的200多项技术中，超过50项技术只出现了一年随即消失，然而另外一些花了几年时间才被主流所应用。
德勤咨询公司从排名前五的科技期刊中抽取了5000份文章并展开分析，形成了数字化大洪水模型。突出的技术如人工智能和机器学习、增强现实和虚拟现实，在优势方面，他们几乎没有区别并高度依赖于对方。但结果是：技术本身、边缘化收益，以及没有边际、不能估量的数字化投资等相关因素导致转化成本增加。
虽然新数字技术的快速模型（“尽早失败，快速失败，学习更快“）在很多领域是可以被接受，但是对于资本密集型的企业，如石油天然气行业，是不能完全依靠试错或采取多技术路线来解决一个问题。“消费品行业和IT公司知道早起的鸟儿有虫吃，但是石油和天然气公司宁愿成为第二个吃螃蟹的人。这是因为，第一个采用新的创新技术就意味着高成本投入。”一位上游产品的高管表示。
此外，目前在石油石化行业的数字化推广往往很窄，并且采用自下而上的技术语言。怎么样才能帮助这个行业形成一种结构化的，自上而下的方法，这不仅是为了应对数字化大潮，还可以帮助石化行业高管完成一个综合性的、公司级别的数字化转型策略。简单地说，这种方法应该回答三个关于数字化的战略问题：“今天你的数字化程度如何？”“你应该怎样数字化？”和“怎样才能变得更加数字化？”
破解数字化大潮
考虑到不同的起点和一系列不同的选择，石油和天然气公司可能从一个持续统一的框架中受益，帮助他们实现近期商业目标，阶段性的衡量自身的数字化进程，更为重要的是，使他们能够最终转变其业务核心和真正的资产和商业模式。
数字化运营转化（DOT）模型按照这样一个路线图，它有10个里程碑的数字化进程。在这个模型里，它将网络安全和组织的数字特质作为核心，将一个阶段到另一个阶段的大进展视为达成具体业务目标。虽然对于特定的资产或者业务来说，这个过程理论上会在第10步结束，但是应该将其扩展并形成一个循环，以包括更广泛的资产或业务部门，最终包含整个公司的生态系统、供应链和外部的股东。
首先第一步，行业公司将使用液压、气动、或电气控制系统来实现机械化。这使得人们能够及时预测、并为一些故障设备做好相关的准备。接下来的进程就是从现实情况中获取信息（物理状态到数字领域），通过传感设备以及IT网络对信息数据进行传输。通过这样，石油和天然气公司可以根据现场的情况进行快速响应和远程监控操作。
下一个突破可以在公司打破学科之间的壁垒之后完成，实现隐藏的生产收益，提高数据的可用性，并确定新的可创造价值的领域。为此，数字化转化应该整合不同数据（使用云解决方案、服务器、数据标准等），利用最新的计算机和平台（例如，大数据分析、可穿戴设备和交互式工作站）分析可视化数据来扩充决策（例如自学机）。
通常，在石油和天然气领域，数字化思维和叙述方式通常在数据驱动的想法萌生时就止步了。但要成为数字化领袖，公司应该考虑将其核心资产进行更新换代（钻机，设备，平台和设施等）。换句话说，应该通过关闭现实-数据-现实循环来完成进程中的最后三阶段，来实现从字节到桶油的转变。
这一阶段从机器人化的设备设施开始，并逐步发展到改进新产品来提升设备的精确性，可靠性和设计。最终，该阶段结束时，通过创建数字化双线和数字线程来虚拟化整个资产基础，这不仅延长资产的使用寿命，而且从长远来讲，还能开展新的业务和资产模型。数字化双线、线程愿景将不可避免地引发思考，促成跨组织和跨平台工作流程将成为必然，这也是许多数字化转型的最大瓶颈。
如前所述，一旦这个现实-数字-现实的循环覆盖了资产，该循环就可以重新启动，并扩大到包含特定业务线或地理位置的资产系统，最终是关联整个供应链和股权持有人。一个安全的、抗风险系数高的、有弹性的综合网络风险管理计划，和组织文化（或数字DNA）使得数字化转化仍然是模型的核心。使用该模型，当前上游行业的各个版块将映射其数字化地位，确定上游企业为近期实现近期和远期目标而可能采取的数字化发展方向，并为勘探，开发和油气生产的重要决策提供解决方案。
为上游作业评估数字化转化之路
虽然数字化程度因公司而异，但总体来说，整个行业的勘探业务数字化程度先于钻井和油气生产。于此同时，积累几十年的地球科学认识和先进的成像技术有助于勘探，而复杂的生态系统和遗留资产基础分别限制了钻井和生产部门的数字化进程。
但是，并不是勘探领域的所有部门的数字化都处于领先地位。同样，钻井和生产中也有少部分部门正在适应并准备好进行数字化的飞跃。接下来的内容不会详细介绍每个分支部门，而是讨论每个部门（地震成像，开发钻井和生产作业）中的主要子部分，主要是他们中最需要数字转换或具有最高的创造价值的潜力部分。
1. 地震成像
地震成像 - 业界80多年来一直用来评估和成像新的复杂地下地层的方法 - 主要处于DOT框架中数据分析和可视化的高级阶段。由于标准化的地质数据和格式，公司对先进算法的投资以及向高性能计算机的发展，软件可以在几秒钟内分析数千口井的地球科学数据，从而解释了该领域的分析优势。例如，埃克森美孚公司正在使用地震成像技术来预测致密储层裂缝的分布情况，从而帮助其提高流量并优化井位。
同样，在成像领域，油企已经使用三维技术建立地质和速度模型，解释结构和地层情况，在分析深度图像上取得了长足进展。实际上，部分公司已经开始使用延时技术在四维模型上将投产后产量的变化数据纳入到油气藏分析中来。甚至更有一些公司已经将虚拟现实技术运用到地震成像中，以提高三维物体空间成像的可视度。例如，加拿大卡尔加里大学的一个研究团队就使用虚拟现实、增强现实等优化辅助“蒸汽辅助中立泄油技术（SAGD）”，更好地模拟三维空间内的油气藏资源。
那应该到此止步了吗？近来油价的回升在当下仍在影响着油气企业的经营目标。除了关注前沿阵地的新兴技术，企业的短期规划已经变为适度扩缩资源，其中包括次商业的、接近柘竭的部分。因为它们的经济效益一直在降低，并且持续消耗着企业内部的关键性资产。美国德文能源（Devon Energy）公司的CEO戴夫·哈格（Dave Hager）在接受采访时说道：“鉴于目前更为集中的资产基础和略微好转的财务状况，我们更愿意投入至价值更高的资源中，将多余的部分投资运用到最佳项目上。”
那么目前最紧要的是什么？仅仅在美国，就有65%的生产井是边际井，每日只生产不到10 bbl（约等于128～142公斤）的原油。同样，行业内已经开发的P2储量占到了P1储量的一半。
油公司和油服公司在上游资源上的不匹配正是造成这种“优质”和“劣质”资源之间形成差距的原因。截止2017年7月，超过1250家的上游资产已经在全球范围内被卖出，剩余100家在三年内还没有找到卖家。
如何减少这样的差距或是发现新领域内的增长点呢？企业家们应该考虑在“图像增强辅助技术”这一方面多做尝试。机器在分析解释地质情况时会通过迭代学习，将相关的条件、影响因素、模式、关系和场景自行统一起来分析。例如，一家地质资料解释公司就将认知领域方面的内容引入到日常工作流，将主成分分析法和自组织映射神经网络（一种基于神经网络的聚类算法）结合起来分析地震属性相关的烃类指标。
当企业在制定数字化战略时，也必须考虑到“图像增强辅助技术”能否在地震成像和“数据分析”、“专家解释”达成平衡。地震数据资料的分析是基础性工作，但它也随着地质科学家对视觉认知的研究而发展。在赤道几内亚，一家服务商就将认知工作流和色彩空间想结合，优化视觉体验，提高个人的认知能力。在得到更科学的解释成果后，油公司能更加多地了解新区块的信息，分析其前景和预期产量。
当在地震建模和解释中引入数据和储层周期时，认知技术的优势会成倍显现。尤其是在竞争相当激烈的美国页岩气市场，地质学家已经获取了大量的正钻井和生产井的数据资料。
2. 钻井技术
利用数字化运营来整合钻井的数据资料，目前还处于萌芽阶段。许多已开发出的分析平台还不能够建立标准、规范并统计多家供应商的数据。在钻井施工流程中，有15项工艺步骤有其独立的生产目标，整个行业中有超过300家油服企业有上百件专利设备、工具、软件，规范化数据模式的缺乏证明了整合的重要性，其结果也是行业内的企业不能支持PB级别的数据。阿帕奇（Apache Corp.）公司的高级钻井工程师迈克尔·伯南克（Michael Behounek）表示：“当在现场同时有井控系统、生产信息电子化平台、现场相关服务商（录井、固井）时，如果不能整合数据，现场立马就会出现问题。”
对于行业而言，想要持续提高效率并降低成本，打破运行管理的数据壁垒是至关重要的。过去五年间，以平台井为例的作业技术上的进步，帮助将钻井平均周期从35天下降至15天。但是目前作业上的进步趋势在放缓（主要体现在钻井天数和美国页岩气每部钻机新井作业情况上）。如果想取得更大的进展，就需要数字化技术的介入。
在当前低盈利还要持续的行业大气候下，上游的油公司和油服公司都在致力于作业技术上的进步以获取更多利润，同时也需要考虑在数字化技术上的共同投入。双方需要在数字化技术解决方案上找到投资回报的赢利点，相互配合形成一体的工作流，防止黑客利用分散的工作流进行破坏，一旦如此，利润也会随之减少。整个行业的创新步伐也会因此受挫。斯伦贝谢公司副总裁贾斯汀·洛恩斯（Justin Rounce）直言：“企业很难持续向不能获得价值回报的技术投资”。
要想获得赢利，企业自身也需要制定出适用的数据标准。但是，也需要考虑到其复杂性和整体的时间周期。标准制定协会就花了近四年来完成PPDM（专业石油数据管理系统）的试点计划和WITSML（单井信息转化成文档结构的代码）。上游公司想要实施数字化战略，必须和第三方合作以整合钻井工程数据，搭建框架，并确保能够安全运行。阿帕奇公司就在美国21个钻井现场搭建了数据整合系统，从井控系统、录井系统、固井设备处实时监控和分析数据。
一旦突破这个瓶颈，数字化战略就会取得较大突破。对油公司而言，仅单井投资就可减少3亿美元的支出。而对油服公司来说，可创收上亿的利润，尤其是在以下几个方面：井眼轨迹优化、提高钻时、降低磨阻、改善设备运行、钻柱振动等方面。传统公司一般会择优选几个项目做试点计划，然而在数字化战略中则会从公司层面进行一体整合实现价值最大化。
BHGE公司就尝试开发在海上钻井平台上运行的高级数据分析系统，以节约20%的成本。该公司计划利用数据分析优化钻井过程，包括建立新的绩效指标、分析驱动系统的高频特点，评估关键设备的使用强度。在钻井现场获得的数据会传输到陆上的研发中心，研究人员会通过预测算法发现可能产生的振动问题、温度问题等。这会比传统的自动运行系统早好几周提前发现问题。
尽管在钻井作业中引入“图像增强辅助技术”和发展线性和非线性方案（例如自动调整钻压）还存在一定争议，但企业应该思考从一体化层面解决问题。明确问题并解决问题，才能在未来真正实现自动化钻井方案。斯伦贝谢的“未来钻井计划”就正在使用第三方公司提供的开源架构整合多个系统。
对于工程情况复杂的、现场运行时间长的，需要多个相关方配合协调的项目而言，推动使用一体化钻井分析应用平台能够降低成本和时间。将钻井工程设计和工艺技术引入主传感系统内，传感器可以处理复杂数据。
3. 油气生产
与勘探、钻井有所不同，在油气生产板块，油企现有的大部分为“棕地”（被废弃闲置的，未得到充分利用的工商业设施）油气井站、设备、控制系统等。全球大约有40%的石油和天然气资源已被开发并使用超过25年。事实上，约有175个区块已经被开采超过100年以上。考虑到油气产量开采的可持续性和最关键的现金流问题，从业者发现他们始终在砸钱改造、升级、维护的无限循环中。简而言之，石油行业的一系列重资产都是传感设置配备少、数字化程度低、极易受到网络袭击的。
在许多由联合股份制企业投资的区块内，由于单井的开发周期和改造升级所消耗的成本都使得这部分重资产的“现代化”步伐相当迟缓。“实现对产量数据的实时监测对于建设方来说并不是新理念，但事实上只有大型和超大型的企业能够负担这一开支，甚至也只能监控到60%到70%的油气井站。”一家专门提供油气行业数据分析的公司高管这样说道。
解决这个问题在当下刻不容缓。对于许多企业来说，投资新项目可能造成的现金流不畅和成本上浮的问题，已迫使他们改变了经营目标，由企图开发新区块来获得赢利，转变为优化已开发的区块，且控制总投入。康菲公司的CEO莱恩·兰斯就总结道：“目前油企行业的首席财务官应该将‘低资本投入’视为工作的第一宗旨。”
但数字化战略应该如何在油公司的现有板块内实施呢？是选择一个大而泛包含所有的投资计划，还是有所甄别，仅投入在部分生产井呢？两者皆不是。毕竟前者无法贴合实际情况，而后者利润微薄，可操作的商业计划应是专门针对某区块进行方案设计，对于该区块下单井普遍适用，相对优化的策略（在油价低迷时期，油企就通过收购相邻区块的方案来平衡整体产能开发）。
具体来说，预期投产产量高的区块，可以配备高级传感器和智能设备来监控和地面及地下情况。预期产量中等的区块，可以在泵、闸阀、相关设备上配备兼容性强、普适度高的传感器（监控温度、振动、循环等），建立一个贴合现场运行维护情况的适配系统。产量低的区块，就只需要标准化的自动运行系统和监控方案来保持稳定即可。这样有所区分之后的数字化战略能够最终包含到所有资源，节省成本，总体优化。
一旦这种传感器梯级分布的方案得以实施，数字化战略就能成功一大步，也能在现场生产和设备优化层面创造出价值。比较显著的现场技术问题，例如气体干扰、抽水过量引起的抽油泵液面撞击、设备故障停机、都能通过云分析平台里的自动化运行协议提交报送至后台。尽管因为区块不同，优势特点也有所不同，但是根据测算，抛开设备故障和维修的成本规避部分，优化方案在每100口井一个区块的项目内就能每年节约2000万美金（全行业大约共计200亿美金）。
当数字化分析能够提升到油气藏层面时，其价值会得到更大幅提升。例如，在哈萨克斯坦的一家油公司，正面临着泵压不足和几个成熟凝析气井生产延期的情况。除了安装新的电潜泵（ESP），操作员通过使用实时分析，提前调整ESP参数，改良电机放大器来更好地适应每口单井不断变化的储层情况。这个储层信息分析减少了一个额外27%的停机时间，全得益于新的 ESP的使用。
中东一家运营商正在将这种预测方法应用于其一个包含1000多口单井的项目中，而无需投资于新的建模许可和工程分析，并预计将在技术和时间成本上节省数百万美元。
公司的长期目标
目前市场上的大多数数字解决方案都是为了降低该行业的运营成本，（石油行业）2016年的运营成本约为2.3万亿美元。不可否认的是，数字化已经并将继续降低该行业的运营成本，但在净财产、工厂、设备或生产资本方面(几乎未涉及现有的数字解决方案)还有3.4万亿美元的市场。需要注意的是，在这个已经相当可观的数字中，每年还会增加约5000亿美元的资本支出。
从这个数字来看，通过智能机器人减少未来机会成本，同时也确保资产和人的安全，通过按需快速3D打印降低生产资产的购买成本，或通过定期监测海上平台的结构完整性来延长海上资产的经济效益，资本生产率的提高高达一个百分点，这可能意味着节省约400亿美元。(把这一节约考虑在内，在全球范围内上市的上游、整合和油田服务公司报告称，2016年累计净亏损约350亿美元。)当数字化努力开始优化运营成本和资本成本时，石油天然气公司可以扭转其资本回报率(ROCE)的下降趋势，在较低的石油价格环境中更是如此。
石油天然气公司可以优化它的实体作业环境，并在三个阶段采用新的资本类型——增加领域内机器人的使用，甚至超越它们典型的监视和检查的作用；制造进入市场周期时间较长的特定部件，并可以自定义设计；创建物理资产的状态模型，或虚拟克隆(技术上称为“数字双线”)，结合物理模型和数据驱动的来进行分析。
虽然一些案例已经开始应用，可以说只是刚刚进入这个行业，却使其有形资产发生了巨大的变化。表1突出展示了一些有前景的行业的数字化应用案例，在三个方面应用其数字化解决方案。对于有关具体领域或运营的细节，我们预计会有重大的资本效率潜力。
这些运营案例仅仅是一个变革的开始。在一个公司层面上，该行业如何能够快速地从试点的验证到对数字化解决方案的应用，特别是当它拥有大量遗留的基础资产时，它的运营要依赖于多供应商的控制系统?行业内可以研究数字化领先的资本密集型产业，并从他们的进展和突破中吸取教训，而不是局限于寻找内部解决方案。
可再生能源，尤其是风能，为数字化解决方案提供了一个借鉴。从一个典型的基于资产的方法建立后，不断优化和完善形成近于完美的涡轮机。通用电气为每个涡轮机在风中的独特需求建立一个预测模拟(即数字双线)，确保每台风力机在农场经营的达到峰值性能水平。
包括汽车在内的制造业，有许多简单而又生动的例子，比如将智能技术引入旧的但仍可运行的机械资产之中。例如，在2010年，哈雷戴维森(Harley Davidson)改装了数百台装有传感器的工作机器，利用无线通信收集数据，并部署了一个软件系统，以期望成功地寻找机械故障的早期迹象。与其他独立解决方案相反，由于传感器成本的下降，完全的工厂化生产已经十分可行。然而，关键在于决定使用哪种传感器，以及为什么。
航空航天和国防继续在集成人员、过程、工具、材料、环境和数据与“数字双线”方面开展领先的实践。洛克希德•马丁公司(Lockheed Martin)将数字连接产品、制造流程和信息的概念与“数字双线”的概念相结合。通过使用新一代技术支持，该公司正在通过四个生态环节的集成——制造、测试、检验以及后续保障，并通过通用的数据语言和开放的系统架构，来创建每个产品的“数字双线”。(下图提供了关键的数字解决方案，可以帮助一家以海上业务为主的公司转变其核心业务。)
紧跟数字化脚步
一旦数字化运营转变（DOT）的第一轮循环在资产或运营层面完成，公司就应该考虑机械化和增加更多的棕色地带资产，并扩大公司中数字化覆盖范围，最终形成在一个生态系统的层面上。每一个完整的循环都可以为公司打开新的运营、资本和商业模式。
是什么让这个数字化车轮在以正确的速度和正确的方向移动呢?仅仅采用数字技术是不够的。对于数字化化趋势以及引领数字化潮流，上游公司也应该考虑展示和紧跟以下数字化行为:
促进学科交叉，跨公司合作趋势：通过投资于安全的集成平台以及改变数据科学家的新团队结构，使整个组织的信息民主化。
支持标准化，同时保持竞争优势：将供应商、合作伙伴和技术提供者聚集在一起，在具有高价值创造潜力和最低竞争优势的领域开发开放的平台解决方案。
在工作中实施系统性的变革，培养数字文化：通过在吸引数字人才方面给予奖励，并在企业和领导思维中带来根本性转变，以推动具有前瞻性的数字文化，重新塑造行业文化。
保持数字化和资产积累之间的速度：避免对数字投资进行次优化，而不坚持或推迟遗留资产、结构和决策的现代化。
从实验中获得动力以推动规模：研究数字化先进的行业，学习他们如何解决方案，集成系统，并转变商业模式的方法。
从长远的角度看数字化战略：确保董事会的长期决定，理解数字化的长期愿景和好处，其并不局限于减少运营成本。大约30%的数字化成熟公司的规划期是五年或更长时间。
（本文转自石油圈）
China
English
