エヴァン・シューマン
エネルギー業界の幹部は、2050年までにネットゼロを達成するなど、効率性と持続可能性の目標に取り組む必要があることを認識しています。しかし、地球にとって最善の未来を切り開くには、世界中の消費者がガソリン車から電気自動車への移行など、大きな変化を起こす必要があります。こうした変化には非常に長い時間がかかるだけでなく、エネルギー業界の幹部には、その変化を劇的に変える力に限界があります。
しかし、エネルギー業界の経営者ができることは、既存の業務を変革し、より効果的、生産的、そして効率的なものにすることです。今日、テクノロジーをより積極的に活用することで実現できる持続可能性の向上は、人間が行動や嗜好を調整しようと努力する、しばしばゆっくりとした動きをはるかに上回ります。
人工知能（AI）と機械学習（ML）の機能は、エネルギー企業に、掘削場所、掘削時期、そして発見した資産を最も効果的に活用する方法を判断するための貴重な洞察を提供します。持続可能性に基づくROI（投資収益率）を目標とすれば、これは他のどの取り組みよりもはるかに大きなエネルギー配当をもたらすでしょう。
温室効果ガス排出量削減における最も重要な要素の一つ、二酸化炭素（CO2）回収・貯留（CCS）について考えてみましょう。この複雑なプロセスには、地下水と塩分濃度、水の流れ、そして帯水層にCO2を注入するための最適なプロセスが関わってきます。
このプロセスには、物理学、地質学、数学といった膨大な数の要素が絡み合っており、AIアルゴリズムにとって理想的な環境です。AI、特に機械学習の活用により、エンジニアは物理空間で測定できる範囲に制約されることがなくなり、自分にとって意味のある特徴をいくつでも自由に作成できるようになります。AIは生データを用いて、物理的な特性を模倣した特性を作り出します。水を押しのける性質や、利用可能な空間の限界への対処方法などを理解しています。
ここで問題となるのは、どの程度の効率向上でしょうか？ 数桁もの時間短縮です。通常、純粋な物理学に基づくアプローチでは1年かかるところ、AIを用いたアプローチでは数分で分析を完了できます。AIの時間制約は、もしあるとすれば何でしょうか？ 関連データのアップロードと分析に必要な時間よりもわずかに短い程度です。当然ながら、データの収集と準備にかかる時間に加えて、さらに時間がかかります。
[tc_unified_video コード=”0feb9f0b-f9de-3c5e-a1b2-6a5005eadc4f”]
Beyond Limitsが他のAIソフトウェア企業と一線を画すのは、専門知識です。Beyond Limitsは、エネルギー企業がエネルギー源をどのように発見・抽出するかを専門とする博士号取得者を擁し、顧客のニーズを理解しているチームと連携しています。つまり、ソリューションの効果を高めるために必要なエンジニアリング上の課題は、ソフトウェアとBeyond Limitsのサポートチームに既に組み込まれているということです。これは、顧客チームによるプログラミング作業を必要とするAIアルゴリズムのみを提供する他社とは対照的です。
AIは2050年ネットゼロ目標の達成にどのように貢献できるでしょうか？人類がより持続可能な代替手段に移行するのを待つよりも、発電所におけるCO2回収の取り組みを改善する方がはるかに容易かつ効果的であることを考えると、最も大きな効果は発電の最適化と需給予測の改善によって得られるでしょう。
これはAIとMLソリューションにとって理想的なソリューションです。なぜなら、再生可能エネルギーの生産量や天気予報など、常に変化する変数を継続的に分析することで精度が向上するからです。問題が数学的に複雑であればあるほど、AIは業務改善に効果的に貢献します。AI、特にMLは、非常に複雑なデータセットから傾向やパターンの逸脱を予測するように設計されています。例えば、Beyond Limitsは、 AI導入後に精度が大幅に向上したお客様と頻繁に協業しています。エネルギー抽出業務の改善だけでなく、予測精度の向上はダウンタイムの最小化、精度と効率性の向上にもつながります。
当然のことながら、運用と効率性の向上プロセスは、現在のシステム効率のレベルから始める必要があります。そして、エネルギー分野における課題の一つは、多様なプラットフォームからのレガシーデータを統合することです。AIは、元のフォーマットに応じて、自然言語処理や高度な画像認識など、様々な機能を適用しますが、制約となるのはコンテキストです。アルゴリズムは、古いデータをどのように解釈し、再取り込みするかを判断するために、過去のコンテキストを把握する必要があります。
しかし、これらの取り組みは極めて重要です。なぜなら、古いデータセットは履歴と豊富な環境を提供し、AIによる予測やガイダンスの精度向上につながるからです。この課題は、今日のIT部門が構造化データと非構造化データを扱う際に直面する課題と似ています。AIは、YouTube動画やZoomライブセッション内の議論を分類し、例えばスピーチの感情を分析するための適切なタグ付けスキームを考案する必要があります。
とはいえ、レガシーデータを扱う際には、考慮すべき重要な問題がいくつかあります。チームは取得したデータの精度にどの程度の信頼を置いているのでしょうか？古いデータの何パーセントが取得済みで、そのデータの信頼度はどの程度なのでしょうか？最後に、そしてしばしば見落とされがちな点として、取得できなかったデータの割合はどれくらいで、そのデータにはどのようなものが含まれている可能性があるのでしょうか？
例えば、チームが対象のレガシーデータの85%が取得済みで、その精度が97%であると確信しているとします。これは非常に役立ちますが、残りの15%に何が含まれているかがわからなければ、有意義な推奨事項を作成することは困難です。もしその15%に、ネガティブな結果がすべて含まれていたらどうなるでしょうか？これは、取得されたデータが過度に楽観的である可能性があることを意味します。
ほとんどのエネルギー企業は、何が不足しているのか、そして取得したデータの精度と信頼度をどの程度把握できる専門知識をチーム内に備えているでしょうか？Beyond Limitsはまさにこの分野に注力しており、データセットの一部が欠落していたり不完全であったりする場合でも、データのデジタル化と解釈を専門とするチームを擁しています。彼らは、適切な専門知識に基づき、データのクリーニングと準備を行う技術を習得しています。
エネルギー企業にとって最も現実的な影響の一つは、気象予測、過去の利用傾向、人口変動など、様々な要素から得られる送電網の障害対策です。こうした過去のパターンを高い信頼度で把握することは、分析において極めて重要です。そして、企業が過去のデータを分析できなければ、それを活用することはできません。さらに悪いことに、何がわからないのかを知らなければ、データから正確に外挿して何が欠けているのかを的確に推測することさえできません。
そのため、Beyond Limitsは説明可能なAIレイヤーを必ず組み込んでいます。つまり、このソリューションは監査証跡を通じてエンドユーザーに推奨事項の根拠と計算方法を説明するため、「人間がループに参加している」ユーザーは、推奨事項を受け入れるか否かについて十分な情報に基づいた判断を下すことができます。信頼度とは、単にデータの正確性だけでなく、エンドユーザー/意思決定者がAIによる推奨事項をどれだけ安心して受け入れられるかを指します。推奨事項の説明は、意思決定者が推奨事項をより安心して信頼できるようにするためのものです。利害関係者は、信頼できない推奨事項から利益を得ることはできません。信頼度が高まれば、より多くの推奨事項が受け入れられ、ひいては生産性と効率性の向上が期待通りに実現されます。
例えば、Beyond Limitsは、新しいLUMINAI Refinery Advisorによって、こうした分析をすべて次のレベルに引き上げました。このソフトウェアはクラウドベースの意思決定支援ソリューションであり、製油所のオペレーターが生産経済計画の目標を達成できるように支援し、操業と立ち上げにおける信頼性を向上させます。このアプリケーションは、変化し続ける様々な制約条件にも対応可能です。エンジニアのように考え、製油所全体の問題を解決するための専門家のガイダンスを提供するように設計されたこのアドバイザーは、従来の自動化重視のアプローチと連携し、さらにその先を行くことで、プロセス目標が常に達成されることを保証します。
LUMINAI Refinery Advisorは、計画、エンジニアリング、運用チーム間のコミュニケーション障壁を取り除きます。このソフトウェアはオペレーターに迅速に導入され、15分ごとにプロセス状態を検知し、実用的なアドバイスを提供することで、計画を再開するための使いやすく具体的な指示を提供します。この機能は、自社開発のアプローチよりも安価であり、他の製油所最適化アプリケーションの一般的なコストのほんの一部で済みます。これにより、エネルギー企業は 重質原油の選定オプションを拡大し、運用チームは多様なキャンペーン原料を横断的に最適化できるようになります。
