Расширенные инструменты Нажмите Цифровые знания

© botulinum21 / Adobe Stock

Previous Next

Инновационные методы поиска оптимизируют доступ к цифровой информации для принятия решений

Старшее руководство принимает стратегические решения на основе надежной информации, которая собирается вспомогательным персоналом. После большой смены экипажа состав и навыки вспомогательного персонала сильно различаются и делятся на две категории:

1. Опытные отраслевые эксперты (МСП), которые прочитали и написали многочисленные отчеты компаний и имеют многолетний практический опыт.
2. Новички и молодые инженеры, которые являются новыми сотрудниками, имеют ограниченный опыт работы на местах и оснащены стандартными инструментами корпоративного поиска.

Конечно, информация, собранная обеими группами, будет отличаться в зависимости от профессионального опыта и опыта. Различия в базах знаний влияют на принятие решений. Поскольку многие старшие МСП уже вышли на пенсию, компаниям необходим более эффективный способ хранения информации о своих компаниях и передачи опыта менее опытным сотрудникам.

Сохранение интеллектуальной собственности компании с помощью передовых решений
Инновационные системы и программное обеспечение могут собирать знания опытных МСП и обеспечивать доступ к новым инженерам и вспомогательному персоналу. Обработка естественного языка (NLP) - это инновационная технология, которая позволяет просматривать и извлекать неструктурированную цифровую информацию из цифровых текстовых файлов. Несколько отраслей промышленности успешно используют виртуальные советники на основе НЛП для помощи сотрудникам в запросах цифровых документов. [1] Такие методы напоминают использование МСП для мгновенного ответа на вопросы с дополнительным преимуществом одновременной доступности всей команде. [2,3]

Решения Enterprise NLP основаны на «понимании» контекстной лексики и грамматики, которые используют специалисты отрасли. Хотя понимание в алгоритмах выглядит по-разному, практическая полезность похожа на то, как человек находит правильные решения технических проблем, связанных с эксплуатацией и безопасностью. Хорошо построенный инструмент НЛП может:

• Принять вопрос
• Извлечь цель запроса
• Тщательно ищите фразы и абзацы в исторических цифровых файлах
• Верните соответствующую информацию, чтобы удовлетворить цель вопроса.

Такие возможности стоят десятки миллиардов в хорошо документированных процессных отраслях, таких как нефть и газ (O & G). Для многих энергетических, производственных и нефтегазовых компаний операционная эффективность является первоочередной задачей; К сожалению, отраслевые практики тратят 80% своего времени на поиски ответов, заблокированных в информации компании. [4]

Так почему же решения НЛП не так широко используются в нефтегазовой отрасли? Сложность заключается в разработке инструмента НЛП, который работает для O & G, но не ограничивается одним вариантом использования. Крупные консалтинговые фирмы предлагают инструменты для поиска информации, но эти решения предназначены для более широкого применения в различных отраслях. В результате емкость предложения является наименьшим общим знаменателем. Для применения в нефтегазовой отрасли эти «чистые» инструменты требуют от клиента значительного и дорогостоящего времени на обучение этому инструменту. Кроме того, общая возможная стоимость готового инструмента уменьшается, если базовые модели не предназначены для O & G.

И наоборот, разработка инструмента, специфичного для одного приложения O & G, является сложной бизнес-моделью. Размер рынка для случая одноразового использования сравнительно невелик и, следовательно, ограничивает инвестиционные возможности. Эффективный инструмент должен быть специально ориентирован на нефтегазовую отрасль, но также достаточно гибок, чтобы обрабатывать различные приложения внутри.

© katwijksenieuwe / Adobe Stock Innovation отвечает потребностям нефтегазовой отрасли
Появилось современное решение, ориентированное на потребности нефтегазового бизнеса. Этот инструмент имел успешное коммерческое применение в геологии разведки для нефтяной компании. Этот же инструмент успешно применяется в операциях по переработке и проектированию для многонациональной химической компании. Более прогрессивные фирмы, внедряющие передовые решения НЛП, получат конкурентные преимущества в меняющихся рыночных условиях.

Испытание инструмента виртуального советника на основе НЛП. Были проведены исследования, чтобы качественно измерить эффективность виртуального консультанта на основе НЛП и сравнить его с современными методами нефтегазовой промышленности. Хорошо зарекомендовавший себя технический форум, принадлежащий разработчикам виртуальных консультантов на основе НЛП, побуждал пользователей публиковать технические вопросы, касающиеся проблем, связанных с восходящим и нисходящим потоками. Также на форуме собраны ответы экспертов отрасли. Пользователями форума были операторы, инженеры и МСП со всего мира (Канада, Китай, Германия, Индия, Филиппины, Саудовская Аравия, Южная Корея, Тайвань, Великобритания и США). В июне 2018 года на форуме был добавлен виртуальный советник, основанный на НЛП, и теперь он имеет доступ к его содержимому для выработки наиболее точных ответов на запросы. Чтобы обеспечить достаточные знания и ресурсы, которые имела бы крупная международная нефтегазовая компания, перед началом сравнительного исследования на форум было записано 6000 цифровых неструктурированных текстовых файлов.

В упражнениях для доказательства МСП были показаны пары вопросов и ответов от виртуального консультанта на основе НЛП. МСП пришли к выводу, что виртуальный консультант на основе НЛП мог интерпретировать и обрабатывать технические нюансы информации, как это делал бы опытный человек. Например, когда его спросили: «Каковы спецификации бензиновых продуктов?», Виртуальный консультант на основе НЛП нашел ответы, относящиеся к «двигательному духу», преимущественно британскому местному языку. Эта связь моторного спирта с бензином была выведена системой из собственных исследований, как это было бы сделано МСП.

Время против точности
В дополнение к демонстрации качественных преимуществ, это исследование также исследовало сравнительный успех решений между форумом и виртуальным консультантом на основе НЛП. Успех измерялся временем, необходимым для получения и ответа на вопрос, а также точностью полученной информации. Время, когда человек отвечает на вопрос форума, составляет в среднем 1,5 дня. Во многих случаях некоторые пользователи просматривали предыдущие сообщения в поисках ответов, потому что соответствующая информация была скрыта большим количеством ненужной информации.

Для сравнения, виртуальный советник на основе NLP может получить ответы в течение нескольких секунд. Из интервью с пользователями высказано предположение, что это резкое сокращение времени для получения ответов привело к увеличению количества последующих запросов по периферийным материалам, а не только к переписыванию первого вопроса. Получение обратной связи в режиме реального времени побудило любопытство узнать больше о предмете, таким образом имитируя информативный разговор с МСП.

Помимо сокращения времени на получение информации, виртуальный консультант на основе НЛП смог вернуть более точные ответы, чем предоставленные форумом. Среднее число ответов, отправленных пользователями на заданный вопрос на форуме, составляло два по всем взятым образцам. Тем не менее, среднее число ответов, генерируемых виртуальным консультантом на основе НЛП на основе всей информации форума, составляло 10 во всех выборках. Возвращая несколько ответов на каждый вопрос, виртуальный советник на основе НЛП с большей вероятностью выявляет противоречия в нерешенных проблемах, дополнительную информацию, формирующую более полный ответ, и ложные предположения, которыми владеет пользователь.

© Серж Бертасиус / Adobe Stock

Пример. Когда виртуального консультанта на основе НЛП спросили: «Какова скорость потока, обрабатываемая станцией швартовки с одним буйком (SBM)?», Он вернул ответ, относящийся к конкретному экземпляру станции SBM. Он также возвратил «Скорость потока, обрабатываемая SBM, варьируется в зависимости от размера трубопровода», а затем объяснение того, как это происходит. Эти два ответа, если смотреть вместе, указывают на то, что существует более одного проекта для станции SBM и что необходимо учитывать диапазон или конкретный SBM. Без виртуального консультанта на основе NLP возрастает вероятность того, что менее опытная пользовательская информация по поиску найдет одно значение в документе и завершит поиск неполной или дезинформацией. Оба являются проблемными действиями, способствуют использованию неправильных решений и создают опасную ситуацию.

Обычные пользователи виртуального советника на основе НЛП продемонстрировали удовлетворение полученными ответами. Всякий раз, когда пользователь отправлял вопрос в инструмент виртуального советника, ему предлагалось разместить этот вопрос на общем форуме. Удовлетворенность этим инструментом оценивалась как вероятность того, что пользователь решит не публиковать свой вопрос на общем форуме. Вполне возможно, что у пользователей были другие причины не публиковать свои вопросы. Количество случаев размещения сообщений на форуме, как правило, составляло почти 1 из 20 во всех выборках, что приводило к уровню удовлетворенности примерно 95%.

Сохранение корпоративных знаний
У нефтегазовых компаний есть множество цифровых данных и знаний. К сожалению, после выхода на пенсию опытных МСП новому техническому персоналу понадобятся современные инструменты для сбора ценной информации. Виртуальные консультанты на базе NPL могут быть обучены, чтобы понять детали нефтегазовой отрасли. Такие методы позволяют оперативно просматривать цифровые документы и предоставлять высококачественную информацию для принятия решений. Благодаря лучшим инструментам менее опытные сотрудники получают больше знаний и продуктивны.

Виртуальный консультант на основе НЛП может выступать в качестве виртуального персонального консультанта для технических групп в нефтегазовой отрасли и давать советы в режиме реального времени на основе понимания их собственных данных.

[1] Богданов В. «8 вызывающих размышления случаев использования НЛП и интеллектуального анализа текстов в бизнесе, 15 февраля 2019 года.

[2] Мейерс, Кейт, Браун и Мейерс, «Страховые компании используют технологию НЛП для анализа текста и снижения уровня мошенничества», 19 марта 2014 г.

[3] Чиковски Э., TechTarget, «5 примеров расширенной аналитики на предприятии», 20 августа 2019 г.

[4] Ларсен, Å. H., Эквинор CIO Keynote Address, Исследовательская группа по цифровому преобразованию Общества инженеров-нефтяников, Ежегодный конгресс по цифровому преобразованию, 10 мая 2019 г., Хьюстон, Техас.

Алек Уокер является генеральным директором и соучредителем фирмы искусственного интеллекта DelfinSia в Хьюстоне, штат Техас. Он получил степень магистра делового администрирования в Стэнфордской высшей школе бизнеса и степень бакалавра в области химического машиностроения в Университете Райса. Уокер руководил проектами по цифровой трансформации и внутреннему предпринимательству для ряда ведущих организаций, включая Intel, Inditex, AECOM и GM. Он работал в Shell инженером по техническому обслуживанию в группе по переработке углеводородов, менеджером по программным продуктам для технических инструментов и инженером по разработке нетрадиционных месторождений.