Equinor

艾哈迈德Khamassi
内容:艾哈迈德Khamassi -前数据科学副总裁

Ahmed Khamassi, Equinor前数据科学副总裁,拥有12年以上的全球顶级公司经验,包括摩根大通、Wipro Digital、PayPal和谷歌。

在进入石油和天然气行业之前,您曾在谷歌、SAS和其他数字化公司工作。然而,石油和天然气行业并非如此。

在文化上,我与典型的石油和天然气员工非常不同。在石油和天然气行业,我们关心的第一件事是安全,确保一切正常运行,即使我们没有最创新的方法来做到这一点。

如果你在谷歌Photos中注入一小段代码,它会在第二天产生一个小错误,它会被回滚,没有人会受到伤害。但如果你在一个平台上做出了错误的决定,那么你就会产生巨大的影响。这意味着我需要以不同于我习惯的速度工作,以接受更少的变化。

Equinor拥有自己的数据平台;告诉我们更多。

Omnia是一个基于云的数据平台,我们在这里开发管理数据的解决方案。我们的主要合作伙伴是微软Azure。我们使用最多的数据类型是传感器数据,Omnia平台将允许我们从IMS系统中获取这些数据并对其进行管理。

我们还将其用于文本数据、安全数据、地下数据和其他所有数据。这是一个不断发展的元素,因为我们不断解决问题,并随着我们的进展添加案例。这也是一个我们可以合作的地方。我们把我们做的很多事情标准化;在Omnia中,我们有一个共享数据的公共模式的地方。

据我所知,Omnia是独一无二的,因为它很难将所有数据放在一个地方,然而,Equinor做到了这一点。

尽管在数据方面,Equinor不是谷歌,也不是Facebook,但它在过去没有犯过严重的错误。Equinor负责处理其数据。这帮助我们加快了速度。在数字化方面,Equinor也很早就开始思考云和平台的问题,甚至在整个数字化计划制度化之前,Equinor就已经进行了大量的试验。另一件事是我们有一个数字卓越中心。几乎我们所有的项目都消耗大量的数据,都发生在一个地方,那就是数字卓越中心。这使得我们能够标准化和种植Omnia。Omnia开始做传感器数据,然后我们有一个产品专注于使用文本来了解以前的安全事故,所以我们需要解决如何处理文本的问题,如何处理文本的计算,如何处理知识图。这有助于我们有一个地方,我们有文本数据,这个知识图坐在传感器数据旁边。我们今天没有合并它们,但Omnia给了我们一个关于合并的警告。

现在处于什么阶段?

它在增长,但还不成熟,原因是我们主要关注两件事。一是自动化,二是规模化。我们将创建9000个机器学习模型,用于预测性维护。

Omnia。预防项目?

是的。我们会在挪威大陆架上的所有地方都这样做。Omnia。作为一家油气公司,Prevent是我们的关键价值潜力之一。一般来说,你有一台机器,你有传感器数据,你知道当它失败时,你试着用机器学习来预测这些失败。这是一个非常漫长的过程。Omnia。预防将问题陈述颠倒过来。我们有带传感器的设备,我们需要能够了解其中一个什么时候正常工作,什么时候不正常。所以我们需要人工智能来区分我期望看到的传感器值和我不期望看到的值。 This is where the engineers help. And if I do that in an automated way, then I can have machine learning everywhere.

遵循的链接观看完整的采访。

这一集是在国会期间拍摄的AUTOMA 2019致力于自动化、数字化。