eoperasjoner OMS oppgaver

Transkript

1 Computas AS kunnskap system eoperasjoner OMS oppgaver Roar Fjellheim, prof. II, IfI/OMS Slide

2 eoperasjoner Floater Sanntidskontroll Oil platform Distributed operations, collaboration Fiber cables smart sensors and sensor and control networks Subsea Datasystemer for leting, boring, klargjøring, produksjon, transport, salg,... Slide 2

3 CODIO prosjektet UiO R. Fjellheim Experts Operators Collaboration infrastructure Service providers A. Waaler M. Giese ConocoPhillips Collaborative decision making Dynamic decision model Decision implementation Computas + partnere Real-time well operations data Ontologies Well operations knowledge base Slide

4 MSc oppgaver - Forslag 1. Agentorientert arkitektur for beslutningssystemer 2. Bayesianske nettverk (BN) for beslutningsstøtte i dynamiske situasjoner 3. Ontologibasert integrasjon av G&G databaser 4. HTM (Hierarchical Temporal Memory) for overvåking av boreprosess Slide

5 Oppgave 1. Agentorientert arkitektur for beslutningssystemer Bruker Interaksjon Observasjon Oppgave Interaksjon En agent er et persistent objekt med autonom operasjon En intelligent agent er rasjonell og har kunnskap, mål og planer En kooperativ agent kjenner og kan samarbeide med andre agenter Agent Interaksjon Oversikt over tidligere forskning om agentsystemer brukt for beslutningsstøtte, særlig i tidskritiske anvendelser Relasjon til SOA (Service Oriented Architecture) Innspill til konkret arkitektur for beslutningssystem innen integrerte boreprosesser Slide

6 Oppgave 2. Bayesianske nettverk (BN) for beslutningsstøtte i dynamiske situasjoner Mud weigh t Back press ure High permeable zone Depleted reservoir Gas kick Fracture Alarm Gas reaches surface Decision: 1. Stop drilling (std. procedure) 2. Choke, circulate 3. Choke, mud weight, circulate Equipment wear Choke max. pressure exceeded Choke malfunction Activate BOP Lost time Repeating problem BN include nodes for actions and utilities: Information about current state Information about possible actions States that will follow from actions Utilities of these states BN support rational, utility-based decisions Pay off BN er mye brukt for å modellere usikkerhet og opsjoner i beslutningsproblemer Tidsavhengighet innfører ytterligere kompleksitet Problemstillingen skal studeres og en forenklet problemstilling innen boring skal modelleres som et case Slide

7 Oppgave 3. Ontologibasert integrasjon av G&G databaser Oljeselskaper står ovenfor store utfordringer ved integrasjon av G&G databaser (geologi og geofysikk) Ontologier (OWL) Felles begrepsapparat, presis definisjoner Explisitte metadata (RDF) Data om data, explisitt struktur Eksempler fra andre industrier viser at en ontologibasert integrasjon kan bidra til løsning Problemstillingen skal utredes og en prototyp skal utvikles Slide

8 Oppgave 4. HTM for overvåking av boreprosess HTM (Hierarchical Temporal Memory) er en ny teknikk for mønstergjenkjennelse og prediksjon, basert på nevrovitenskap HTM capabilities Discovering causes in the world Inferring causes of novel input Making predictions HTM skal beskrives og sammenlignes med andre teknikker for tilsvarende oppgaver Last ned HTM software og bygg prototyp for overvåking av boreprosess Using prediction to direct motor behavior Slide

9 Hvis du er interessert Spør veilederne nærmere om oppgavene Arild Waaler, Roar Fjellheim, Send en meget kort søknad til veilederen Søknaden kan inneholde: Karakterer i viktige kurs / karakterer du er stolt av Dine faglige interesser Kurs du har tatt og tar dette semesteret Frist 31. august Resultatet kunngjøres den 11. september Slide