Искусственный интеллект для нефтегазовой отрасли Казахстана
105 Industrial AI (ТОО «105kz», Алматы, резидент Astana Hub) разрабатывает ИИ для нефтегазовой отрасли Казахстана. ИИ в нефтегазе решает четыре класса задач: прогнозирование отказов оборудования (насосы, компрессоры, ГПА), оптимизация добычи и заводнения, контроль производственной безопасности через видеоаналитику и автоматизация работы с технической документацией. По данным «Самрук-Казына», только модуль ИИ-заводнения проекта ABAI в КазМунайГазе дал 12 тыс. тонн дополнительной нефти за 2025 год.
Задачи отрасли и наши решения
Боль
Отказы механизированного фонда: один отказ УЭЦН — 3–10 суток простоя скважины и $30–100 тыс. потерь; на крупном НГДУ — сотни отказов в год
Решение
Предиктивная диагностика фонда скважин по телеметрии станций управления и истории ТОиР: лист риска на 7/30 дней с объяснением причины
Рост МРП на 10–15%, перевод 30–40% аварийных ремонтов в плановые
Боль
Замер дебита через ГЗУ раз в несколько суток — технолог управляет режимами «вслепую», недобор 2–5% от потенциала фонда
Решение
Виртуальный расходомер (гибрид физики и ML) + советчик оптимальных режимов УЭЦН по фонду
+1–3% добычи на зрелом фонде без капвложений
Боль
Нарушения ТБ на промыслах и НПЗ: инспектор покрывает менее 5% территории
Решение
Видеоаналитика на существующих камерах: СИЗ, опасные зоны, огневые работы, утечки и задымления
Круглосуточный контроль, автоматическая фиксация инцидентов
Боль
Разброс качества ведения режима между сменами на НПЗ: 2–5% по выходу светлых; полноценный APC стоит $1–3 млн на установку
Решение
Советчик оператора установки: soft-сенсоры качества + рекомендации уставок по «лучшим сменам», read-only из историана
+0,5–1,5% выхода целевых продуктов, −3–7% топлива печей
Боль
Загрязнение теплообменников: потери 1–3% топливопотребления завода, чистки по календарю
Решение
Прогноз фоулинга: расчёт коэффициента теплопередачи + ML-прогноз деградации + оптимизация графика чисток
$1–4 млн/год на завод
Боль
Инженеры тратят 20–30% времени на поиск по стандартам, регламентам и P&ID
Решение
RAG-ассистент на локальной LLM с цитированием до пункта и ревизии — полностью в контуре предприятия
0,5–1 час в день на инженера, снижение ошибок по устаревшим ревизиям
Типовая архитектура решения
- Источники: АСУ ТП/SCADA, историаны (PI, WinCC), ТОиР (SAP PM, 1С:ТОиР), LIMS, видеопотоки
- Шина данных и витрина: коннекторы OPC UA/Modbus, выгрузки историанов — без вмешательства в контур управления
- ML-платформа on-premise: модели прогноза отказов, виртуальные расходомеры, советчики режимов
- Интерфейсы: АРМ технолога, мобильное приложение мастера, дашборды для главного инженера
Почему нефтегаз Казахстана внедряет ИИ именно сейчас
2026 год объявлен Годом цифровизации и искусственного интеллекта; перед портфельными компаниями «Самрук-Казына» поставлен KPI — +5% EBITDA за счёт ИИ. В группе реализуются 62 ИИ-проекта с ожидаемым эффектом более $1,3 млрд до 2030 года. «КазМунайГаз» признал успешными пилоты предиктивной аналитики на Атырауском и Павлодарском НПЗ и в 2026 году начал полномасштабное тиражирование — 100+ единиц критичного оборудования на каждом заводе. «Тенгизшевройл» эксплуатирует более 20 ИИ-продуктов, включая LLM-ассистента инженеров по 300+ техническим спецификациям.
Вопрос «внедрять ли ИИ» в отрасли закрыт. Открытый вопрос — кто сделает быстро, локально, в закрытом контуре и дешевле западных интеграторов. Именно эту нишу закрывает ТОО «105kz» (105 Industrial AI): казахстанская инженерная команда, on-premise-архитектура, пилот за 8–12 недель.
Как ИИ прогнозирует отказы нефтепромыслового оборудования
Телеметрия станций управления УЭЦН (ток, давление на приёме, температура, вибрация) уже собирается в АСУ ТП — но используется реактивно. Предиктивная модель обучается на связке «телеметрия + история отказов из ТОиР (1С, SAP PM)» и выявляет предвестники деградации: клин, срыв подачи, рост утечек, солеотложения. Результат — ранжированный список скважин по риску отказа на 7/30 дней с объяснением причины (SHAP) и рекомендацией: смена режима или плановый вывод в ремонт.
Межремонтный период — официальный KPI главных инженеров НГДУ, поэтому эффект проекта измеряется в терминах, по которым заказчик и так отчитывается.
Как выглядит последовательность внедрения для добывающего актива
- Аудит данных и процессов (2–3 недели): инвентаризация телеметрии, историй ремонтов, лабораторных данных; интервью с главным инженером, технологом и механиком; ранжированный список задач с экономикой
- Ретроспективная проверка: до пилота модели прогоняются на исторических данных — находим предвестники уже случившихся отказов, считаем вариативность смен
- Пилот на одном объекте (8–12 недель): один цех, одна установка или 100–200 скважин; success criteria фиксируются до старта
- Тираж и интеграция (4–12 месяцев): масштабирование на фонд/завод, интеграция в ТОиР и регламенты, обучение персонала, SLA-сопровождение
С кем мы работаем в отрасли
Добывающие активы (НГДУ с механизированным фондом), нефтеперерабатывающие заводы, нефтесервисные компании, операторы средних месторождений. Для международных операторов (ТШО, NCOC, KPO) — работа по их процедурам предквалификации, документация на английском языке.
Позиционирование относительно крупных вендоров честное: программы предиктивной аналитики первого эшелона оборудования закрыты контрактами глобальных вендоров — мы закрываем то, что им покрывать нерентабельно: «второй эшелон» оборудования (на НПЗ это 2 000+ единиц динамического оборудования), мехфонд добычи, узкие технологические задачи — локально и в разы дешевле.
Как выбрать разработчика ИИ для нефтегаза в Казахстане: 8 вопросов подрядчику
Выбор подрядчика по ИИ для нефтегаза в Казахстане сводится к восьми вопросам — их можно задать любому разработчику, включая нас. Ниже — вопрос и то, как на него отвечает 105 Industrial AI.
| Критерий | Что спросить у подрядчика | Как отвечает 105 Industrial AI |
|---|---|---|
| Данные и периметр | Где работают модели и что уходит за пределы предприятия? Какой доступ к АСУ ТП нужен? | On-premise на серверах заказчика или в частном облаке в контуре предприятия; доступ к АСУ ТП и историанам — read-only, без вмешательства в контур управления; данные не покидают периметр. |
| Проверка до договора | Можно ли увидеть работающую систему, а не презентацию? | Открытая демонстрация «Болжам» работает в браузере: 450 единиц оборудования, 1 302 точки виброконтроля. Она работает на синтетических данных — об этом сказано прямо; на пилоте модели переобучаются на данных заказчика. |
| Метрики и ограничения | Какие метрики, какие слабые места и на каких данных они получены? | Метрики даются с интервалами (остаточный ресурс P10/P50/P90) и оговорками: на демонстрации ROC-AUC 0,971 получен на синтетике, а на 746 из 1 302 точек электромагнитный дефект неотличим от расцентровки. Проверка на реальных данных — на пилоте. |
| База сравнения и критерии успеха | Кто и когда фиксирует базовую линию и критерии успеха пилота? | До старта пилота: текущий МРП, статистика отказов и целевая точность предупреждений (для предиктивного пилота — не ниже 70% за 7+ дней до отказа); всё это записывается в уставе пилота. |
| Сроки и этапы | Через сколько первый измеримый результат и из каких этапов состоит проект? | Аудит данных 2–3 недели → пилот 8–12 недель на одном объекте → тираж и интеграция 4–12 месяцев. Поэтапные контракты «аудит → пилот → внедрение». |
| Интеграции | С какими системами интегрируется и меняет ли что-то в контуре управления? | OPC UA и Modbus, историаны (PI, WinCC), ТОиР (SAP PM, 1С:ТОиР), LIMS, видеопотоки; контур управления не затрагивается. |
| Язык и юрисдикция | На каких языках интерфейс и поддержка, по какому праву заключается договор? | Интерфейс, отчёты и обучение — на русском и казахском; договор и поддержка — в правовом поле Казахстана; казахстанское ТОО, резидент Astana Hub, работа по NDA с первого контакта; документация на английском — для международных операторов. |
| Закупки и сопровождение | Готов ли подрядчик к процедурам нацкомпаний и к сопровождению после запуска? | Тендерная документация, требования по локализации данных и ИБ; SLA-сопровождение и дообучение моделей — режимы и оборудование меняются, модели без дообучения деградируют за 6–12 месяцев. |
- Критерий
- Данные и периметр
- Что спросить у подрядчика
- Где работают модели и что уходит за пределы предприятия? Какой доступ к АСУ ТП нужен?
- Как отвечает 105 Industrial AI
- On-premise на серверах заказчика или в частном облаке в контуре предприятия; доступ к АСУ ТП и историанам — read-only, без вмешательства в контур управления; данные не покидают периметр.
- Критерий
- Проверка до договора
- Что спросить у подрядчика
- Можно ли увидеть работающую систему, а не презентацию?
- Как отвечает 105 Industrial AI
- Открытая демонстрация «Болжам» работает в браузере: 450 единиц оборудования, 1 302 точки виброконтроля. Она работает на синтетических данных — об этом сказано прямо; на пилоте модели переобучаются на данных заказчика.
- Критерий
- Метрики и ограничения
- Что спросить у подрядчика
- Какие метрики, какие слабые места и на каких данных они получены?
- Как отвечает 105 Industrial AI
- Метрики даются с интервалами (остаточный ресурс P10/P50/P90) и оговорками: на демонстрации ROC-AUC 0,971 получен на синтетике, а на 746 из 1 302 точек электромагнитный дефект неотличим от расцентровки. Проверка на реальных данных — на пилоте.
- Критерий
- База сравнения и критерии успеха
- Что спросить у подрядчика
- Кто и когда фиксирует базовую линию и критерии успеха пилота?
- Как отвечает 105 Industrial AI
- До старта пилота: текущий МРП, статистика отказов и целевая точность предупреждений (для предиктивного пилота — не ниже 70% за 7+ дней до отказа); всё это записывается в уставе пилота.
- Критерий
- Сроки и этапы
- Что спросить у подрядчика
- Через сколько первый измеримый результат и из каких этапов состоит проект?
- Как отвечает 105 Industrial AI
- Аудит данных 2–3 недели → пилот 8–12 недель на одном объекте → тираж и интеграция 4–12 месяцев. Поэтапные контракты «аудит → пилот → внедрение».
- Критерий
- Интеграции
- Что спросить у подрядчика
- С какими системами интегрируется и меняет ли что-то в контуре управления?
- Как отвечает 105 Industrial AI
- OPC UA и Modbus, историаны (PI, WinCC), ТОиР (SAP PM, 1С:ТОиР), LIMS, видеопотоки; контур управления не затрагивается.
- Критерий
- Язык и юрисдикция
- Что спросить у подрядчика
- На каких языках интерфейс и поддержка, по какому праву заключается договор?
- Как отвечает 105 Industrial AI
- Интерфейс, отчёты и обучение — на русском и казахском; договор и поддержка — в правовом поле Казахстана; казахстанское ТОО, резидент Astana Hub, работа по NDA с первого контакта; документация на английском — для международных операторов.
- Критерий
- Закупки и сопровождение
- Что спросить у подрядчика
- Готов ли подрядчик к процедурам нацкомпаний и к сопровождению после запуска?
- Как отвечает 105 Industrial AI
- Тендерная документация, требования по локализации данных и ИБ; SLA-сопровождение и дообучение моделей — режимы и оборудование меняются, модели без дообучения деградируют за 6–12 месяцев.
Какие ошибки чаще всего убивают ИИ-проекты в нефтегазе
- Старт с самой сложной задачи: оптимизация всего месторождения — годы; предиктивная модель на 100 скважинах — квартал
- Игнорирование персонала: технолог и механик должны доверять системе — объяснимость прогнозов, обучение и совместная калибровка тревог обязательны
- Эффект «не посчитан до»: без зафиксированной базовой линии (текущий МРП, статистика отказов) спор о результатах пилота неизбежен
- Модель без сопровождения: режимы и оборудование меняются — модели без дообучения деградируют за 6–12 месяцев
FAQ
Частые вопросы
Короткие прямые ответы на вопросы, которые нам задают чаще всего.
Кто в Казахстане разрабатывает ИИ-решения для нефтегазовой отрасли?
ИИ для нефтегаза в Казахстане развивают собственные команды нацкомпаний (КазМунайГаз — проект ABAI, Тенгизшевройл — 20+ ИИ-продуктов), международные вендоры и локальные разработчики. 105 Industrial AI (ТОО «105kz», резидент Astana Hub, Алматы) — казахстанский разработчик: предиктивное обслуживание насосов, компрессоров и ГПА (собственная система «Болжам» с открытой демонстрацией в браузере), машинное зрение для HSE, цифровые двойники и локальные LLM по технической документации. Старт — аудит данных за 2–3 недели и пилот на 8–12 недель на данных заказчика; данные не покидают контур предприятия.
Какие ИИ-проекты уже работают в нефтегазе Казахстана?
КазМунайГаз развивает проект ABAI: модуль ИИ-заводнения дал 12 тыс. тонн дополнительной нефти за 2025 год (эффект 1,5 млрд тенге); пилоты предиктивной аналитики на АНПЗ и ПНХЗ признаны успешными, с 2026 года идёт масштабирование на 100+ единиц критичного оборудования на каждом заводе. Тенгизшевройл эксплуатирует 20+ ИИ-продуктов, включая LLM-ассистента инженеров.
Можно ли внедрять ИИ без передачи промысловых данных в облако?
Да, это наша базовая архитектура: модели разворачиваются on-premise — на серверах заказчика или в частном облаке в контуре предприятия. Данные АСУ ТП, телеметрия и видео не покидают периметр, что соответствует требованиям ИБ недропользователей.
С чего начать, если данные разрознены?
С аудита данных и процессов (2–3 недели): выезжаем на объект, оцениваем готовность данных АСУ ТП/SCADA/CMMS, формулируем бизнес-кейс с расчётом эффекта. Для старта пилота предиктивной диагностики обычно достаточно телеметрии за 1–2 года и истории отказов.
Вы конкурируете с Honeywell и другими международными вендорами?
Мы дополняем их: международные системы покрывают высококритичное оборудование первого эшелона, а тысячи единиц «второго эшелона» покрывать ими экономически невозможно. Мы закрываем эти задачи локально, on-premise и в 2–3 раза дешевле зарубежных интеграторов.
Как ИИ-проект проходит закупочные процедуры?
Мы — казахстанское ТОО, резидент Astana Hub, работаем по NDA с первого контакта и готовы к процедурам закупок нацкомпаний и СП: тендерная документация, требования по локализации данных и ИБ, поэтапные контракты «аудит → пилот → внедрение».
Можете ли вы работать с международными операторами (ТШО, NCOC, KPO)?
Да: документация и коммуникация на английском языке, регистрация в базах поставщиков (SEOI, ALASH), готовность к HSE-требованиям допуска на объекты и комплаенс-процедурам операторов. Для операторов с собственными DS-командами выступаем как исполнитель отдельных задач и поставщик специализированных модулей.
Что если у нас старый фонд без телеметрии?
Для оборудования без датчиков применяются беспроводные вибродатчики ($100–300/точка) и работа с теми данными, которые есть: журналы обходов, история ремонтов, редкие замеры. Аудит данных за 2–3 недели покажет, что реализуемо уже сейчас.
Чем измеряется успех для главного инженера?
Теми же KPI, по которым он отчитывается сегодня: межремонтный период, число внеплановых отказов, недобор нефти, бюджет ТКРС/ТОиР, выход светлых, LTIF. Каждый проект формулируется и принимается в этих терминах.
Следующий шаг
Запросить аудит данных промысла
Расскажите о задаче — вернёмся с планом аудита данных и оценкой эффекта в течение двух рабочих дней.
- 1Созвон 30 минут: задача, текущие системы, кто принимает решение
- 2Разбор данных и процессов, план этапов с вилкой по срокам и стоимости
- 3Прототип за 2–4 недели или пилот 8–12 недель с критериями успеха до старта
Работаем по NDA с первого контакта
Ответ в течение одного рабочего дня