Новости

Умная система контроля ГСМ: экономия, безопасность и оптимизация в геологоразведке

Российская компания «Биорг», резидент инновационного центра «Сколково», разработала интеллектуальную систему на основе искусственного интеллекта (ИИ), которая оптимизирует логистику и потребление горюче-смазочных материалов (ГСМ) в геологоразведке. Система уже внедрена в «ТНГ-Групп» (холдинг «ТАГРАС»), ведущем российском нефтегазовом сервисе с глобальным присутствием, и демонстрирует впечатляющие результаты: экономия ГСМ достигает 20-30% на отдельных типах техники, в том числе в арктических условиях.
ИИ обрабатывает большие объемы разноформатных данных из различных источников, обеспечивая комплексный анализ, ранее недоступный из-за разрозненности информации. Это позволяет значительно повысить точность оценки проектов и эффективность закупок для геологоразведочных работ. Система также повышает безопасность работ, анализируя косвенные данные для определения состояния техники и своевременного реагирования на потенциальные инциденты.
Система разработана на основе платформы Beorg Smart Vision, создаваемой «Биорг» при поддержке фонда «Сколково».
«Работать над умной системой контроля ГСМ мы начали с этапа глубокой предпроектной аналитики бизнес-процессов в «ТНГ-Групп». Отмечу, что крупная компания проявила гибкость и высокую готовность к изменениям, которые потребовались в целях автоматизации. Не в последнюю очередь это стало возможно благодаря наличию у холдинга стратегии цифровой трансформации и людям, которые отвечают за её реализацию. Вместе мы смогли оцифровать сложный процесс логистики топлива и применить технологии ИИ для оптимизации и планирования. Мы также упростили формирование отчетности. Например, качество информации, которую выдает наша система-помощник, уже сегодня позволяет строить корректную бухгалтерскую отчетность», — говорит генеральный директор «Биорг» Руслан Алигаджиев.
Внедрение системы сократило время оперативного учета топлива с 10 до 1-2 дней. В планах — автоматизация создания нормативов потребления ГСМ и прогнозирование объемов завоза техники и топлива на основе анализа исторических данных и обучения ИИ.