AI Alimentando L’Industria petrolifera E del Gas: Intervista Con Tim Custer A ApacheAI & Dintorni

In settori in cui i dati sono fondamentali per acquisire un vantaggio competitivo, intelligenza artificiale, machine learning sono diventati una necessità. Questo è sicuramente il caso del petrolio e del gas che flusso e riflusso nel tempo, come la domanda di mercato cresce e cala per le risorse critiche siamo venuti a dipendere.

In una recente AI Oggi l’episodio del podcast, Tim Custer, Senior Vice president

del Nord America, terra, sviluppo del business e immobiliari con Apache, una grande energia, azienda, azioni come AI condiziona anche il modo in cui il business della produzione di energia funziona.. Dopo l’assunzione del ruolo di terra manager per gli ultimi dieci anni, Custer ha condiviso come legata al settore immobiliare e tradizionale, non le imprese di energia il settore petrolifero e del gas, e il ruolo che la macchina di apprendimento e AI è giocare notevolmente cambiare il modo in cui l’industria dell’energia si occupa di documenti.

Più Popolari: AI

Secondo Custer, AI e di apprendimento automatico sono l’estrazione di dati preziosi da dati non strutturati. L’industria petrolifera e del gas è particolarmente dipende da una complessa serie di processi e di document-centric esigenze per la locazione di terreni. Gas

i contratti di leasing sono di vitale importanza per l’industria dell’energia come determinare i diritti e le rivendicazioni di un olio o di un giacimento di gas mentre che regolano il commercio e l’estrazione di queste risorse. Apache, Custer note circa 60.000 carta e documento incentrato sui contratti di locazione, che può variare in lunghezza da appena due pagine a più di cinquanta. Inoltre, ci sono disposizioni contenute in ogni pagina che deve essere situato e interpretato ogni volta che viene fatta la richiesta di un contratto di locazione. Questo compito può rivelarsi molto laboriosa, con l’ulteriore compito di trovare il giusto hardcopy contratto di locazione per iniziare con.

Il primo passo per una querelle di controllo di tali contratti di locazione è di digitalizzare i documenti in modo che le macchine possano capirle. Apache è riuscito a digitalizzare la maggior parte dei loro gas di contratti di locazione utilizzando il Riconoscimento Ottico dei Caratteri (OCR) e l’elaborazione del linguaggio naturale (NLP). Essi sono in grado di cercare attraverso questi documenti, non solo per la richiesta di locazione, ma la prestazione entro in una manciata di secondi. Questo non solo permette di velocizzare la ricerca processi di Apache, ma è anche risparmio di tempo per le squadre hanno bisogno di specifiche disposizioni per i loro progetti. Custer continua descrivendo l’ottimizzazione del processo di raggruppamento di disposizioni ‘come la scritta’ in vaste quantità di dati. Questi digitalizzazione e sistemi di NLP garantire l’integrità dei dati, aumentando la precisione e la rimozione di interpretazione umana.

Una curiosa particolarità di queste locazioni è che essi sono spesso vecchi, con i documenti, fatto a mano, di solito datato calligrafico scritto e stili. Alcuni dei più recenti documenti a mano di tipo scritto. Come tale, c’è un sacco di variabilità di leggibilità, tipi di carattere, la spaziatura, e in generale la qualità del documento. Apache ha applicato la macchina di apprendimento per i dati completi l’organizzazione e la ricerca dei processi più efficacemente e rapidamente di quanto sarebbe altrimenti possibile con gli esseri umani dover leggere ogni documento. Custer note che ci sono una varietà di documento di conoscenze che deve essere considerato come lettere, corrispondenza, note interne che sono collegato al gas di locazione stesso. AI sistemi abilitati per consentire significativamente migliore organizzazione di informazioni aggiuntive grazie alla sua capacità di classificare e categorizzare i documenti. Oltre a una maggiore efficienza ed efficacia, utilizzando un digitalizzazione e ML-based approach qui, inoltre, elimina la necessità di archiviare i documenti in mano nel file di armadi. Invece, questi documenti, una volta eseguita la scansione, può essere spostato per l’archiviazione a lungo termine di archiviazione per l’uso solo quando è necessario, come backup.

L’energia è fortemente regolamentato e che questo può rappresentare una sfida quando si tenta di implementazione della tecnologia. Custer, tuttavia, vede AI realisticamente essere applicata per l’industria dell’energia per molti unici casi d’uso che egli immagina per il futuro. In particolare, Custer note la relativa inefficienza della logistica e della gestione del settore energetico. Egli osserva che i progressi tecnologici che sono già stati fatti all’interno del settore e dare esempi di come l’imaging sismico che può eseguire la scansione per serbatoi sotterranei e gli esercizi che si possono praticare sia verticalmente che orizzontalmente nel terreno. Custer riconosce queste applicazioni come enormi progressi tecnologici nel settore. Tuttavia, Custer note che c’è stato il minimo progresso nel suo dominio di gestione del territorio e di sviluppo del business negli anni, che si riferisce a come le persone erano preoccupati per cominciare, ma sono lentamente riscaldato l’idea di AI nel settore energetico. Egli aggiunge che questa accettazione è particolarmente evidente quando le disposizioni e i contratti di leasing sono coinvolti a causa del suo tempo-il salvataggio di file e capacità organizzative. Apache come energia altre imprese sono sempre più accogliente il continuo progresso tecnologico, godendo di tempo e di costi, benefici del risparmio.

Custer elabora anche il risparmio di tempo che aspetto di questi sistemi di intelligenza artificiale, in particolare quando viene applicato a un provvedimento noto come il ‘consenso espresso anche per cedere.’ Questa disposizione è coinvolto all’interno di un obbligo contrattuale che decide se la proprietà può essere trasferita o meno. Custer note di un consenso espresso anche per cedere la prestazione può richiedere ore per esaminare manualmente, mentre AI sistemi abilitati possibile abbreviare il processo per una questione di minuti.

In generale, Custer crede che questa è solo la punta dell’iceberg per quanto riguarda i modi che AI può influire notevolmente l’industria energetica. Egli afferma che ci sono molte possibili progressi nel settore che può essere appreso da altri settori come la finanza, la sanità e la produzione, cercando in simili casi d’uso in cui i documenti, processi, e i dati possono essere efficacemente sfruttato e ottimizzato. Custer note proprio come molto più efficiente di analisi dei dati sarà e che la nostra capacità di estrarre informazioni preziose dai dati potranno essere migliorata solo con il passare del tempo.

social experiment by Livio Acerbo #greengroundit #live https://www.forbes.com/sites/cognitiveworld/2020/07/19/ai-fueling-the-oil-and-gas-industry-interview-with-tim-custer-at-apache/