面向哈萨克斯坦石油天然气行业的人工智能

105 Industrial AI(“105kz”有限责任公司,阿拉木图,Astana Hub 科技园注册企业)为哈萨克斯坦石油天然气行业开发人工智能。AI 在石油天然气行业解决四类问题:设备故障预测(泵、压缩机、燃气压缩机组)、采油与注水优化、通过视频分析监控安全生产、技术文档工作自动化。据“萨姆鲁克-卡泽纳”基金数据,仅哈萨克斯坦国家石油天然气公司(KazMunayGas)ABAI 项目的 AI 注水模块,2025 年就带来 1.2 万吨增产原油。

行业挑战与我们的解决方案

痛点

机械采油井故障:一次电潜泵故障意味着油井停产 3–10 天、损失 3 万至 10 万美元;大型油气开采管理局每年有数百次故障

解决方案

基于控制站遥测和检修历史的井群预测性诊断:7/30 天风险清单,并附故障原因解释

检修间隔期(MTBR)延长 10–15%,30–40% 的抢修转为计划检修

痛点

通过计量站测量产量每隔数天才进行一次——工艺工程师“盲目”调整工况,产量比井群潜力低 2–5%

解决方案

虚拟流量计(物理与机器学习混合)+ 面向整个井群的电潜泵最优工况顾问系统

成熟井群无需资本投入即可增产 1–3%

痛点

油田和炼油厂的安全生产违规:检查员覆盖的区域不足 5%

解决方案

基于现有摄像头的视频分析:劳保用品、危险区域、动火作业、泄漏与烟雾

全天候监控,自动记录事件

痛点

炼油厂各班次工况控制水平参差不齐:轻质油品收率相差 2–5%;完整的 APC 每套装置造价 100 万至 300 万美元

解决方案

装置操作员顾问系统:质量软测量 + 基于“最佳班次”的设定值建议,对历史数据库只读接入

目标产品收率提高 0.5–1.5%,加热炉燃料消耗降低 3–7%

痛点

换热器结垢:全厂燃料消耗损失 1–3%,按日历清洗

解决方案

结垢预测:传热系数计算 + 机器学习劣化预测 + 清洗计划优化

每座工厂每年 100 万至 400 万美元

痛点

工程师 20–30% 的时间花在检索标准、规程和 P&ID 上

解决方案

基于本地 LLM 的 RAG 助手,精确引用到条款和版本——完全在企业内网内运行

每位工程师每天节省 0.5–1 小时,减少因版本过时导致的错误

典型解决方案架构

  1. 数据源:过程控制系统/SCADA、历史数据库(PI、WinCC)、CMMS 检修管理系统(SAP PM、1C)、LIMS、视频流
  2. 数据总线与数据集市:OPC UA/Modbus 连接器、历史数据库导出——不干预控制回路
  3. 本地化部署的机器学习平台:故障预测模型、虚拟流量计、工况顾问系统
  4. 界面:工艺工程师工作站、工长移动应用、总工程师仪表板

面向该行业的解决方案

为什么哈萨克斯坦石油天然气行业正是现在引入 AI

2026 年被定为“数字化与人工智能年”;“萨姆鲁克-卡泽纳”基金旗下组合公司已设定 KPI——通过 AI 实现 EBITDA +5%。集团正在实施 62 个 AI 项目,预计到 2030 年效益超过 13 亿美元。哈萨克斯坦国家石油天然气公司(KazMunayGas)认定阿特劳炼油厂和巴甫洛达尔石化厂的预测分析试点取得成功,并于 2026 年启动全面规模化推广——每座工厂 100 余台关键设备。田吉兹雪佛龙(TCO)运行着 20 多个 AI 产品,其中包括基于 300 余份技术规范的工程师 LLM 助手。

“是否引入 AI”这个问题在行业内已有定论。悬而未决的问题是——谁能做得快、在本地、在封闭内网中完成,并且比西方集成商更便宜。“105kz”有限责任公司(105 Industrial AI)填补的正是这一空缺:哈萨克斯坦本土工程团队、本地化部署架构、8–12 周完成试点。

AI 如何预测油田设备故障

电潜泵控制站的遥测数据(电流、泵吸入口压力、温度、振动)已在过程控制系统中采集——但只是被动使用。预测模型基于“遥测数据 + 检修管理系统(1C、SAP PM)中的故障历史”组合进行训练,识别劣化前兆:卡泵、供液中断、漏失增大、结盐结垢。结果是按 7/30 天故障风险排序的油井清单,附故障原因解释(SHAP)和建议:调整工况或计划性停机检修。

检修间隔期(MTBR)是油气开采管理局总工程师的正式 KPI,因此项目效益以客户本来就在汇报的指标来衡量。

开采资产的实施流程是怎样的

  1. 数据与流程审计(2–3 周):盘点遥测数据、检修历史和化验数据;访谈总工程师、工艺工程师和机械工程师;形成附经济测算的任务优先级清单
  2. 回溯检验:试点之前先在历史数据上运行模型——找出已发生故障的前兆,计算班次差异
  3. 单一对象试点(8–12 周):一个车间、一套装置或 100–200 口井;成功标准在启动前确定
  4. 规模化推广与集成(4–12 个月):推广至整个井群/工厂,与检修管理系统和规程集成,人员培训,SLA 运维支持

我们在行业内的合作对象

开采资产(拥有机械采油井的油气开采管理局)、炼油厂、油田服务公司、中型油田作业公司。对于国际作业公司(田吉兹雪佛龙 TCO、NCOC、KPO)——按其资格预审程序开展工作,提供英文文档。

相对于大型厂商,我们的定位是坦诚的:一线设备的预测分析项目已由全球厂商的合同覆盖——我们覆盖的是它们在经济上不值得做的部分:“二线”设备(炼油厂有 2000 余台动设备)、机械采油井、专项工艺任务——在本地完成,成本低数倍。

如何在哈萨克斯坦选择石油天然气行业的 AI 开发商:向承包商提出的 8 个问题

在哈萨克斯坦为石油天然气行业选择 AI 承包商,归结起来就是八个问题——可以向任何开发商提问,包括我们。下表列出每个问题,以及 105 Industrial AI 的回答。

评估维度
数据与边界
应向承包商提的问题
模型在哪里运行,哪些数据会离开企业?需要什么级别的过程控制系统访问权限?
105 Industrial AI 的回答
本地化部署:客户服务器或企业内网私有云;对过程控制系统和历史数据库只读接入,不干预控制回路;数据不离开企业边界。
评估维度
签约前的验证
应向承包商提的问题
能否看到可运行的系统,而不只是演示文稿?
105 Industrial AI 的回答
Boljam 公开演示可在浏览器中运行:450 台设备、1 302 个振动测点。演示基于合成数据——页面上已明确说明;在试点中,模型将基于客户数据重新训练。
评估维度
指标与局限
应向承包商提的问题
有哪些指标、哪些薄弱环节,指标是在什么数据上得到的?
105 Industrial AI 的回答
指标附带区间(剩余寿命 P10/P50/P90)和说明:演示中的 ROC-AUC 0.971 来自合成数据;在 1 302 个测点中的 746 个上,电磁故障与不对中无法区分。真实数据验证在试点阶段完成。
评估维度
基线与成功标准
应向承包商提的问题
谁、在何时确定基线和试点的成功标准?
105 Industrial AI 的回答
在试点启动之前:当前检修间隔期、故障统计和目标预警准确率(预测性试点要求故障前 7 天以上的预警准确率不低于 70%),全部写入试点章程。
评估维度
周期与阶段
应向承包商提的问题
多久能拿到第一个可衡量的结果,项目分哪些阶段?
105 Industrial AI 的回答
数据审计 2–3 周 → 单一对象试点 8–12 周 → 规模化推广与集成 4–12 个月。采用“审计 → 试点 → 实施”的分阶段合同。
评估维度
系统集成
应向承包商提的问题
与哪些系统集成,是否改动控制回路?
105 Industrial AI 的回答
OPC UA 和 Modbus、历史数据库(PI、WinCC)、检修管理系统(SAP PM、1C)、LIMS 以及视频流;不触及控制回路。
评估维度
语言与法律管辖
应向承包商提的问题
界面和支持使用哪些语言,合同适用哪国法律?
105 Industrial AI 的回答
界面、报告和培训提供俄语和哈萨克语版本;合同与支持受哈萨克斯坦法律管辖;哈萨克斯坦本土有限责任公司、Astana Hub 注册企业,首次接触即签署 NDA;为国际运营商提供英文文档。
评估维度
采购与运维
应向承包商提的问题
承包商是否能适应国家公司的采购程序并提供上线后的运维?
105 Industrial AI 的回答
招标文件、数据本地化与信息安全要求;SLA 运维支持与模型再训练——工况和设备在变化,不再训练的模型会在 6–12 个月内退化。

哪些错误最常导致石油天然气行业的 AI 项目失败

  • 从最难的任务开始:优化整个油田需要数年;100 口井的预测模型只需一个季度
  • 忽视人员:工艺工程师和机械工程师必须信任系统——预测的可解释性、培训和共同校准告警缺一不可
  • 效益“事前未测算”:没有确定的基线(当前检修间隔期、故障统计),对试点结果的争议在所难免
  • 模型缺乏运维:工况和设备在变化——不再训练的模型会在 6–12 个月内退化

常见问题

常见问题

对我们最常被问到的问题的简短直接回答。

在哈萨克斯坦,谁来开发面向石油天然气行业的 AI 解决方案?

哈萨克斯坦石油天然气行业的 AI 由国家公司的自有团队(哈萨克斯坦国家石油天然气公司的 ABAI 项目、田吉兹雪佛龙的 20 多个 AI 产品)、国际厂商和本地开发商共同推进。105 Industrial AI(“105kz”有限责任公司,Astana Hub 科技园注册企业,阿拉木图)是哈萨克斯坦本土开发商:面向泵、压缩机和燃气压缩机组的预测性维护(自研系统 Boljam,可在浏览器中公开演示)、HSE 计算机视觉、数字孪生,以及基于技术文档的本地化部署大模型。合作从 2–3 周的数据审计开始,随后基于客户数据开展 8–12 周的试点;数据不离开企业内网。

哈萨克斯坦石油天然气行业已有哪些 AI 项目在运行?

哈萨克斯坦国家石油天然气公司(KazMunayGas)正在推进 ABAI 项目:AI 注水模块 2025 年带来 1.2 万吨增产原油(效益 15 亿坚戈);阿特劳炼油厂和巴甫洛达尔石化厂的预测分析试点被认定成功,自 2026 年起推广至每座工厂 100 余台关键设备。田吉兹雪佛龙(TCO)运行着 20 多个 AI 产品,包括工程师 LLM 助手。

能否在不把油田数据上传云端的情况下部署 AI?

可以,这是我们的默认架构:模型本地化部署(on-premise)——在客户服务器或企业内网内的私有云上。过程控制系统数据、遥测和视频都不离开企业边界,符合矿权企业的信息安全要求。

如果数据分散零碎,该从哪里开始?

从数据与流程审计开始(2–3 周):我们赴现场,评估过程控制系统/SCADA/CMMS 数据的就绪度,制定附效益测算的商业案例。启动预测性诊断试点通常只需 1–2 年的遥测数据和故障历史。

你们与 Honeywell 等国际厂商是竞争关系吗?

我们是它们的补充:国际系统覆盖一线的高关键度设备,而用它们覆盖数千台“二线”设备在经济上不可行。我们在本地、以本地化部署方式完成这些任务,成本比国外集成商低 2–3 倍。

AI 项目如何通过采购流程?

我们是哈萨克斯坦本土有限责任公司、Astana Hub 科技园注册企业,首次接触即签署 NDA,并可满足国家公司和合资企业的采购程序:招标文件、数据本地化与信息安全要求、“审计 → 试点 → 实施”的分阶段合同。

你们能与国际作业公司(TCO、NCOC、KPO)合作吗?

可以:英文文档与沟通、在供应商数据库(SEOI、ALASH)中注册、满足现场准入的 HSE 要求和作业公司的合规程序。对于拥有自有数据科学团队的作业公司,我们承担专项任务并提供专业模块。

如果我们的井群老旧、没有遥测怎么办?

对于没有传感器的设备,采用无线振动传感器(每个测点 100–300 美元),并利用现有数据:巡检记录、检修历史、不定期测量数据。2–3 周的数据审计会表明哪些任务现在就可以实施。

对总工程师而言,成功以什么衡量?

以他今天汇报的同一套 KPI:检修间隔期、非计划故障次数、原油产量损失、修井作业/检修预算、轻质油品收率、LTIF。每个项目都以这些指标来定义和验收。

下一步

申请油田数据审计

告诉我们您的需求——我们将在两个工作日内反馈数据审计方案和效益评估。

  1. 130 分钟通话:任务、现有系统、由谁做决定
  2. 2梳理数据与流程,给出带周期与成本区间的分阶段计划
  3. 32–4 周原型,或成功标准预先约定的 8–12 周试点

首次接触即签署保密协议(NDA)

一个工作日内回复