3. 掘削データへのAI適用によるトラブル検知

掘削作業中のトラブルには掘削中の地層の地質性状を含め、その時々の様々な掘削条件が影響しているが、抑留についてはそのメカニズムが既に理解されているものがあり、発生前に何らかの予兆がマッドロギングデータに表れていると考えられるものが多い。鋼管の回転状況を反映するトルクを例にとると、坑壁が不安定で崩壊した際に坑内に落下する岩石との摩擦によりトルクの値は徐々に上昇し、最終的に回転が止まるといった過程が存在すると想定される。
これまで収集されてきたマッドロギングデータを詳細に解析することにより、データ内部に存在すると考えられる抑留の予兆を把握し、発生を事前に予測するモデルの作成を目的として、本研究では機械学習手法を用いた。本章では適用した機械学習の手法ごとに、手法と結果を概説する。

3.1. 実施体制
掘削の対象となる地下の特徴は不均質性が高く、フィールドごと、さらには坑井ごとに異なる。そうした条件のもと機械学習を用いて高い精度の解析を実現しようとすると、広範な操業環境を含むより大量のデータが必要となる。しかし石油開発においてはエネルギー市場への影響等から多くのデータが守秘情報とされ、自社が操業主体となっている案件のデータでなければ、その取り扱いに制約がかかることが多い。一方で各日本企業が操業主体として進めるプロジェクト数は限られるため、本件では、コンソーシアム形式として複数の参加企業からデータを提供していただいた。
JOGMECとJAMSTECの間で委託契約が締結されており、JAMSTECとの共同研究実施機関として東京大学、外注先として英国エジンバラ大学、協力機関として石油資源開発株式会社と国際石油開発帝石株式会社が参加している。

3.2. データ事前準備
参加企業からは合計で46坑井分のマッドロギングデータを収録した3810日分のcsvファイルが提供された（図3）。掘削データの事前準備において注意しなければならないのは、機械学習で重要な「高品質で大量の学習データ」という前提が成り立たないデータも多く含まれているということである。現場での作業は自然現象のみを理想的に反映しているわけではなく、その時々の現場状況等を勘案した人の判断が介入している。さらには、例えば逸泥トラブルであればどの程度までなら許容しながら掘削作業を進めるかというような、各社によって異なる”哲学”ともいうべきファクターも含まれている。また上述の通り、掘削作業が複雑な地下の地質を対象として行われており、その複雑な情報を反映するにはマッドロギングデータだけでは不十分なことも想定される。

集められた掘削データが収録された当時はビッグデータの価値というのが現在ほど認識されておらず、機械学習の適用も想定されていなかったため、サンプリングレートや収録パラメータ、フォーマットといったデータ収録の標準も業界内において確立されていなかった。こうした理由から、まずは提供されたデータに対して事前準備として以下の整理を施した。

・共通して収録されているパラメータの抽出：合計で約20変数、うちどのパラメータの組み合わせを学習に用いるかはケースバイケース
・パラメータ名称および単位系の統一
・外れ値・欠損値が存在する測定区間の除去

3.3. ラベル付け
およそ全ての坑井掘削に際しては掘削日報が作成され、作業内容やトラブルに関する情報が記載されているので、それらを参照することでトラブルが生じている時間帯をおおよそ特定することが可能となる。しかし機械学習ではタイムステップ（今回では4秒周期）ごとにデータのラベルを付す必要があるので、最終的には時系列データを観察して以下のラベルを付した。

・0：正常掘進
・1：抑留状態（抑留からの離脱作業を含む）

次週に続く－

【著者略歴】
草薙　和也（くさなぎかずや）
独立行政法人　石油天然ガス・金属鉱物資源機構 デジタル推進グループ　デジタル技術チーム

■略歴
1992年1月16日生
2016年3月　京都大学大学院　工学研究科　都市社会工学専攻　修士課程　修了
同年4月　独立行政法人石油天然ガス・金属鉱物資源機構　入構

■専門分野
Drilling Engineering（石油掘削）

また、海洋計測は水中ロボット以外の方法もある。例えば、図７に示すような船型ロボットにより採水装置を海中に下して海水を採水し、環境汚染調査を行ったり、人工衛星により海の表面の画像を取得し赤潮や海洋プラゴミの把握を行う方法などがある。

本稿では筆者らが最近行った飛行ロボットによる赤潮自動検査通知システムの開発について紹介したい。これは、マグロ養殖を行っている人たちが、マグロの赤潮プランクトンへの脆弱さを懸念してなんとか早期に赤潮の予兆を発見したいとのニーズに基づき始まった研究である。マグロにとって有害な赤潮プランクトンは５種類あり、少量でも海水中に含まれるとマグロは死滅する。筆者らは飛行ロボット（図８）とAI（人工知能）デープラーニングによる有害赤潮プランクトンの形状判別法により本問題を解決した。

図９に示すようにまず、広域海面空撮用飛行ロボット（図９では空撮用ドローンと称す）により海面の画像をカメラにより収得し、１０８色の海面色から赤潮予兆のある５色の海面を識別し、識別された色の海域に図８に示す赤潮サンプリング飛行ロボット（図では採水用ドローンと称す）が向かい、採水器が採水用ドローンから海中に繰り出され、所定深度（１m、3m、5m)の海水を自動で採水し、戻ってくる。次に、採水された海水が顕微鏡を介して人工知能にて赤潮有害プランクトンを含むか瞬時に判別して、結果をリアルタイム通知する仕組みである。

本方法により従来通知まで半日要していた時間を１５分に短縮できた。センサは飛行ロボットの位置認識のためのGPSと搭載カメラであるが、今後カメラシステムの小型化と人工知能搭載が可能となれば採水した時点の画像から有害赤潮プランクトンの判別が可能となる。また、潮流計を海域に配置すれば、赤潮の分布予測も可能となり、赤潮予報も現実味を帯びてくる。この仕組みは海洋プラごみの漂流予測にも応用でき、プラごみの検知と回収の問題解決にもつながる。

次週に続く－

【著者略歴】
山本郁夫（やまもと　いくお）
長崎大学副学長・教授

1983年3月　九州大学工学部航空工学科卒、同大学院工学研究科修了、博士（工学）。
1985年4月　三菱重工本社技術本部、
2004年4月　海洋研究開発機構、
2005年4月　九州大学大学院総合理工学府教授、
2007年4月　北九州市立大学教授、
2013年4月　長崎大学教授、
2019年4月　同大学副学長。

GlobalScot（スコットランド名誉市民）、フランス国際賞受賞。
専門はロボット工学。実用的なロボットを世界に先駆けて開発することで定評がある。三菱重工業株式会社で10000m(10900m)無人潜水ロボットやB787主翼、JAMSTECで300km(317km)以上を自律で航走する水中ロボットを開発してきた。大学では小型飛行体や小型水中ロボット、本物そっくりにおよぐ魚ロボットを世界に先駆けて開発している。宇宙遊泳する魚ロボットも開発した。30年以上のロボット研究歴の中で英国、フランス、日本などでPractical Roboticsの創出法に関する本など多く執筆している。

１－１．石油・ガス

北海油田開発の時期から数えると、50年以上の歴史がある。
これまで、４３５憶バレル相当の石油・ガスが採掘されている。2014年以降の油価下落後も、生産量は落ちていない。ローコスト化の努力により現状の油価でビジネスが可能になっており、北海油田の価値最大化を目指し２０２５年までに￡１７０憶の投資が予想されている（図３）。

図４，５にここ数年の開発・生産状況と近年のプロジェクトを示す。
実効的な残余量は、これまで採算があわなかった小規模の貯留層の生産がどこまでローコスト化できるかによる。
図３にあるように10０から２００憶バレル相当の残余量が見込まれている。

１－２．再生可能エネルギー

北海油田は、harsh environment（過酷な環境） だと言われるが、これは再生可能エネルギー源が多くあると言う事になる。実際、ヨーロッパ地域の洋上風力エネルギーの２５％はスコットランド周辺にあると言われている。
２０１８年末の時点で再エネは約１０GWの発電容量がある。スコットランド政府は２０２０年には全ての電力供給を再生可能エネルギーで賄うという目標をたてており、 ２０１７年には約６８％、２０１８年には約７５％が達成されている。２０３０年には全てのエネルギーの５０％を再エネで賄うという目標を立てている（２０１７年時点で２０％）。
https://www.gov.scot/publications/annual-energy-statement-2019/pages/3/

洋上風力発電では、浮体式にする事でより沖合、より深い海域に設置が可能になってきている。それに伴い1)設置に向けた調査、海底の整備（Surveys / Seabed Preparation）,2)基礎、係留（Foundation and moorings）3)設置、ケーブル（installation, cables,）4)IMR　点検、保守、修理（Inspection Repair Maintenance ), 5）設置後のセンシング、モニタリング　などの技術開発が必要になっている。

波力潮力発電は、風力に続くものであり英国内では合計４０基を超える発電デバイスが設置されている。スコットランド北部とストローマ島の間にあるMey Genプロジェクトは最大のもので、２０１９年には、Gridに接続されて電力供給を行っている。しかし全体では依然コスト低減が必要な状況で、発電デバイスの大容量化が一つの方策とされている。

図７に近年計画されているプロジェクトの概要を示す。技術課題としては、1)基礎と係留（ピラー、アンカー、ムアリング。コスト低減）、２）設置（開発コストとリスクの大きな部分を占める）、３）材料と腐食（ダメージを防ぐ事で致命的な故障やライフサイクルコスト低減）、４）。点検と状態モニタリング（ 石油ガスの検査技術が有効、IoT化自動化によるコスト低減）。５）発電と配電（送電用のケーブル、コネクター、配電機器）などがある。なお、Offshore Renewable CatapultにAnnual report、Technology reportなどがあり参考となる。
https://ore.catapult.org.uk/reports-and-resources/reports-publications/ore-catapult-reports/

次週に続く－

【著者略歴】
松枝　晃（まつえだ　あきら）
英国大使館・スコットランド国際開発庁　上席投資担当官
金沢大学 工学部 電気工学科卒、
１９８１年オリンパス光学株式会社（当時）。研究開発部門で回路設計、新規事業開拓、オープンイノベーション等経験。
２０１０年スコットランド国際開発庁。センシング技術を中心に日本スコットランド間の技術案件を担当。２０１２年から海洋関係。北海のSubsea技術と日本の海洋関連技術のコラボレーションを促進。

2. 石油開発

石油開発業界では海洋への進出が近年の大きなトレンドとして挙げられ、陸上に比べて多額の投資を必要とする海上での開発プロジェクトでは作業効率・コストの最適化への要求がより一層高い。
本章では、海洋石油開発の現状と展望、そして石油掘削の概要について説明する。

2.1. 石油開発現場の海洋への展開
2014年の原油価格下落を受け、FID（最終投資決定）が行われた世界の石油開発プロジェクト件数は一時期減少したものの、それ以降の原油価格の上昇を見て陸上・海洋プロジェクト共にFID件数は回復基調にある。IEAが2018年4月に公表したOffshore Energy Outlookによると、2040年まで継続して海洋油ガス田の開発が進むと見込まれており、IEAが仮定するNew Policies Scenariosに基づく試算では、2040年において世界で生産される原油の約28%が海洋油田から生産されると予測されている（表1）。

これまでにも世界各地で海洋油ガス田が開発されてきているが、比較的開発が容易な浅海域からの生産量の減退に伴い、より深い水深での油ガス田開発が進んでいる。近年では米国メキシコ湾、ブラジル、西アフリカなどにおいて大水深域の開発が進められているが、操業会社は技術面・経済性において今までより困難な開発コンセプトの実現が求められる。海洋掘削は更なる水深・深度のターゲットを目指して今後も技術的な発展の余地がある。掘削現場でのトラブル発生回避を可能とし、コスト削減に寄与する技術は重要な役割を果たすことが期待される。

2.2. 石油開発におけるデータ利用
掘削作業を把握するために必要な種々のデータはマッドロギング（泥水検層）として収録され、深度、泥水流量、ビットにかかる荷重・トルクなどの時系列データが収録される（図2）。リグではこれらのデータが逐次モニターに表示されており、エンジニアは値の変化を観察しながら坑内で生じている現象の把握に努める。しかしこれらのデータ収録はあくまで現場における状況把握を目的としており、記録として保存こそされているものの、事後において実際の現象と照らし合わせて解析されることはほとんどなかった。
近年ではサイバーベースに代表される統合制御監視システムのリグが一般的となっており、リグ上で稼働するほとんどの機器がこの統合制御監視システム上で管理されているため、それら機器の制御データもマッドロギングデータと合わせて利用されるケースも増えている。

次週に続く－

【著者略歴】
草薙　和也（くさなぎかずや）
独立行政法人　石油天然ガス・金属鉱物資源機構 デジタル推進グループ　デジタル技術チーム

■略歴
1992年1月16日生
2016年3月　京都大学大学院　工学研究科　都市社会工学専攻　修士課程　修了
同年4月　独立行政法人石油天然ガス・金属鉱物資源機構　入構

■専門分野
Drilling Engineering（石油掘削）