A indústria de óleo e gás (O&G) se depara com cenários cada vez mais competitivos, enfrentando desafios e buscando uma maior participação no mercado mundial através das tecnologias digitais. Em particular, a Ciência dos Dados tem permitido as empresas do setor de O&G identificar áreas que comportam melhorias significativas, criando ferramentas computacionais que apoiam os especialistas na tomada de decisões relacionadas a exploração e produção de reservatórios de petróleo.

A introdução da Ciência dos Dados nas áreas de petróleo e gás, já apoiadas pela computação de alto desempenho, muda a maneira como as indústrias de O&G tem investido em computadores, levando a uma maior adoção de GPUs (Graphic Processor Units) em redes dedicadas à inteligência artificial.

À medida que o desempenho dos sistemas computacionais aumenta e o armazenamento se torna mais barato, tornam-se viáveis novos modelos que dependem essencialmente do processamento de enormes quantidades de dados para gerar resultados de valor. Com o sucesso esmagador de métodos de Machine e Deep Learning, uma corrida por aplicações cada vez mais complexas veem gerando resultados espantosos na indústria de petróleo e gás. Para isso, recursos massivos de processamento paralelo implementados por unidades de processamento gráfico (GPUs) tornaram-se a solução perfeita para as necessidades de processamento de dados da inteligência artificial.

As tecnologias de GPU alimentam essa transformação ao impulsionar análises aceleradas de aprendizado profundo (deep learning) para o setor de petróleo e gás em todo o espectro de operações. Além disso, o maior diferencial no uso da tecnologia de GPUs está no processamento de modelos de machine learning para o aprendizado e a descoberta de conhecimento a partir de bases de dados não estruturados. Nesse contexto, as técnicas de aprendizado de máquina são, em muitos casos, mais eficientes do que a interpretação humana, uma vez que, podem ser repetidas exaustivamente em GPUs.

A análise preditiva e big data tem aplicações que se estendem por todo o setor de petróleo e gás - da geologia e exploração à produção e operações, transporte e refino e distribuição. A ciência de dados e todas as tecnologias novas e emergentes prometem viabilizar a descoberta de novas oportunidades, reduzindo drasticamente as incertezas existentes, gerando fluxos de trabalho mais eficientes, aumentando a segurança e reduzindo o custo operacional.

Há um grande número de problemas na exploração e produção de petróleo, inclusive no pré-sal, que demandam ferramentas computacionais sofisticadas e específicas para auxiliar os especialistas em tarefas como, por exemplo:

Construir modelos que representem as características dos reservatórios com maior fidelidade;

Elaborar projetos de exploração que permitam extrair volumes maiores de óleo, levando em consideração as restrições técnicas e econômicas;

Planejar a alocação de recursos exigidos pela cadeia produtiva de acordo com as tarefas a serem cumpridas e com o tempo disponível;

O papel do Big Data na indústria de petróleo e gás vai além da eficiência e análise grandes volumes de dados. O armazenamento de grandes volumes de dados, alertas e a visualização em tempo real são considerados as promessas mais importantes e incluem:

- Otimização do tempo e custo para o primeiro óleo

- Otimização da produção

- Gerenciamento de reservatórios

- Economias e melhoria de qualidade do refino

- Suporte à negociação e gerenciamento de risco

- Redução de riscos nas áreas de segurança e meio ambiente

- Detecção automática de falhas a partir de traços sísmicos

É importante destacar os sistemas de alarme prévio, especialmente desafiadores devido à complexidade e à natureza dos sistemas de alerta antecipado, onde inúmeros os fatores e suas combinações relacionados ao risco que podem desencadear suspeitas sobre possíveis problemas futuros. O problema é que muitos desses fatores não são estatisticamente significativos para modelos preditivos clássicos e somente redes de aprendizado profundo são capazes de identificá-los.