Концепция автономизации процессов добычи нефти на основе мультиагентных LLM-систем

UDK: 681.518:622.276.5

DOI: 10.24887/0028-2448-2025-12-63-69

Ключевые слова: цифровая трансформация, интегрированные операции, большие языковые модели, мультиагентные системы, автономизация добычи, цифровые двойники, искусственный интеллект

Авт.: Б.М. Латыпов1, к.т.н. М.М. Хасанов2, д.т.н. Е.В. Юдин2, к.ф.-м.н. Н.С. Марков3, к.ф.-м.н. Р.А. Бондоров1 Н.А. Зырянов4 1Уфимский гос. нефтяной технический университет 2Группа компаний «Газпром нефть» 3ООО «НЕДРА» 4Санкт-Петербургский гос. университет

В статье рассматривается эволюция цифровой трансформации в нефтегазовой отрасли от концепции интегрированных операций к мультиагентным системам на основе больших языковых моделей (large language models (LLM)). В отличие от традиционных систем машинного обучения LLM способны понимать контекст, работать с неструктурированными данными, взаимодействовать с корпоративными базами знаний и объяснять логику принятых решений на естественном языке. В данной работе анализируется мировой и отечественный опыт внедрения центров интегрированных операций, выявляются ограничения существующих подходов и обосновывается необходимость перехода к новому уровню автономизации. Предлагается математическая постановка задачи оптимизации принятия решений и система уровней зрелости автономизации производственных процессов. На практическом примере проведения геолого-технического мероприятия по управлению частотой насоса демонстрируются архитектура мультиагентной LLM-системы и ее преимущества перед традиционными подходами. Показано, что переход к мультиагентным системам позволяет сократить время принятия решений с часов до минут, что создает потенциал для значительного снижения потерь добычи и повышения операционной эффективности. При этом в работе выделены уровни зрелости автономных систем – от рекомендательных инструментов к частично и полностью автономным управляющим контурам; реализация концепции предполагает поэтапный переход от одного уровня к другому на основе накопления опыта, расширения доверия к решениям системы и подтверждения их надежности в условиях промышленной эксплуатации.

Список литературы

1. Rosendahl T., Hepsø V. Integrated operations in the oil and gas industry: Sustainability and Capability Development. – Business Science Reference, 2013. – 427 p.

2. Integrated operations centers – Planning and delivering improved operational performance through IOC initiatives / A. Clark, H.W. Larsen, J.-E. Nordtvedt [et al.] // SPE-196148-MS. – 2019. – https://doi.org/10.2118/196148-MS. – EDN: PAJVYA

3. Smart fields-10 years of experience in intelligent energy and collaboration / C.F. Chai, F. van den Berg, P. Engbers, G. Sondak // SPE-167872-MS. – 2014. – https://doi.org/10.2118/167872-MS

4. The BP field of the future programme: The continuing mission to deliver value / J. Dickens, D. Latin, G. Verra [et al.] // SPE-128672-MS. – 2010. – https://doi.org/10.2118/128672-MS

5. Integrated operations in statoil - From ambition to action / T. Lilleng, M. Øyen, U. Farestvedt [et al.] // SPE-150418-MS. – 2012. –

https://doi.org/10.2118/150418-MS. – EDN: YVRGNX

6. URL: https://www.rosneft.ru/press/news/item/195043/

7. URL: https://neftegaz.ru/news/dobycha/205440-v-gazpromneft-khantose-sozdan-tsentr-upravleniya-dobychey-is...

8. Hepsø V., Bergum O.J., Kristiansen E. Digital platform for the next generation IO: A prerequisite for the high north // SPE-127550-MS. – 2010. – https://doi.org/10.2118/127550-MS

9. Tools, technologies and frameworks for digital twins in the oil and gas industry: An in-depth analysis / J.S. da Silva, I.B.R. Nogueira, M.A.F. Martins, R.M.B. Alves // Sensors. – 2024. – V. 24. – https://doi.org/10.3390/s24196457

10. Research status and application of artificial intelligence large models in the oil and gas industry / H. Liu, Y. Ren, X. Li [et al.] // Petroleum Exploration and Development. – 2024. – V. 51. – P. 1049–1065. – https://doi.org/10.1016/S1876-3804(24)60524-0

11. Control industrial automation system with large language model agents / Y. Xia, J. Cao, W. Duan [et al.]. – 2024. – https://doi.org/10.48550/arXiv.2409.18009

12. Integrating large language model and digital twins in the context of industry 5.0: Framework, challenges and opportunities / C. Chen, K. Zhao, J. Leng [et al.] // Robotics and Computer Integrated Manufacturing. – 2025. – V. 74. – https://doi.org/10.1016/j.rcim.2024.102899

13. Разработка большой языковой модели для извлечения данных из текстовых неструктурированных документов на примере отчетов промыслово-геофизических исследований / Б.М. Латыпов, Е.В. Юдин, Р.А. Бондоров [и др.] // Нефтяное хозяйство. – 2025. – № 9. – С. 108–111. – https://doi.org/10.24887/0028-2448-2025-9-108-111. – EDN: OLGLND