Бенчмаркинг базовой добычи

А.М. Андрианова, Е.В. Белоногов1, А.Ю. Коровин, Д.С. Перец, А.А. Пустовских, к.ф.-м.н., Р.Н. Асмандияров, Ф.Ф. Халиуллин («Научно-Технический Центр «Газпром нефти»)

Источник: Журнал «Нефтяное хозяйство»


В структуру компании «Газпром нефть» входит более 10 нефтедобывающих дочерних обществ (ДО). В рамках оперативного мониторинга рабочие группы несколько раз в год проводят анализ разработки более 100 месторождений. В каждом ДО возникают и успешно решаются многие проблемы, обнаруженные в результате анализа, однако часто выбранные методы решения остаются внутри информационного периметра ДО. Выявление наилучших практик и их трансляция на аналогичные проблемы позволят оптимизировать бизнес-процессы и повысить эффективность работы компании. В связи с этим становится актуальным применение бенчмаркинга базовой добычи, который был реализован в качестве пилотного проекта блока «Геология и разработка».

Бенчмаркинг – это процесс сравнительного анализа на основе эталонных показателей с целью улучшения собственной работы, включающий комплекс средств, позволяющих систематически находить, оценивать и адаптировать имеющиеся примеры эффективного функционирования компании. В качестве деловой практики бенчмаркинг стал использоваться в 80-е годы XX века и постепенно был принят компаниями во всем мире [1, 2]. Ключевые идеи бенчмаркинга заключаются в следующем.

1. Выявление лучших в своем классе объектов.
2. Оценка потенциала для развития остальных объектов.
3. Реализация изменений, направленных на решение поставленных задач.

Основной акцент в проекте, описанном в данной статье, сделан на анализ базовой добычи по активам компании. Месторождения сравниваются между собой по основным показателям, характеризующим текущее состояние разработки, определяются величина и причины отклонений от эталона, а также потенциал для развития. За эталон принимается лучшая практика в разрезе компании по каждому показателю. Бенчмаркинг является инструментом верхнеуровневого скрининга на уровне объектов разработки либо всего актива.

В рамках реализованного проекта были выделены три крупных блока показателей, характеризующих выработку запасов, энергетику и действующий фонд скважин.

1. Блок 1 – выработка запасов, характеризуется следующими показателями:

– степень отбора от вовлеченных запасов – отношение начальных извлекаемых запасов (НИЗ), оцененных по характеристики вытеснения, к проектным НИЗ;

Рис. 1. Схема выбора объектов анализа для определения рейтинга

–  кратность вовлеченных остаточных извлекаемых запасов (ОИЗ), характеризующая длительность разработки актива текущими темпами;

– темпы отбора от НИЗ – скорость отбора от НИЗ при текущих показателях эксплуатации месторождения.

2. Блок 2 – энергетика объекта, оценена по следующим показателям:

–   относительное изменение пластового давления – отношение текущего пластового давления к начальному;

–   производительная закачка – отношение относительного изменения пластового давления к текущей компенсации; этот показатель характеризует достаточность текущего значения компенсации отборов закачкой;

–   обеспеченность актива водой – отношение объема добываемой воды к объему закачиваемой (подтоварной) воды;

–   потери в линии трубопроводов – отношение давления на кустовой напорной станции к давлению на блоке гребенок куста, характеризует потери на трение в линии водоводов;

3. Блок 3 – анализ действующего фонда скважин, проводится по следующим показателям:

–   достижение целевого забойного давления – отношение текущего забойного давления к целевому значению;

–   коэффициент эксплуатации – доля времени работы скважины в течение анализируемого периода;

–   динамика бездействующего фонда, оценивается по числу бездействующих скважин в динамике, а также по величине ОИЗ по бездействующему фонду и потенциальному эффекту от вовлечения этих ОИЗ в разработку. Для того, чтобы сравнение объектов в процессе бенчмаркинга было корректным, сначала необходимо провести кластеризацию месторождений по схожести PVT и фильтрационно-емкостных свойств и дальнейший анализ выполнить отдельно в каждой группе.

В статье рассмотрена возможность кластеризации месторождений по двум параметрам: 1) гидропроводности:

где k – проницаемость, мкм2; h – толщина пласта, м;

m – вязкость нефти, мПа×с;

2) комплексному параметру, характеризующемуся совокупностью свойств пласта и флюидов, RCI (Reservoir Complexity Index)


где λi – весовой коэффициент параметра Кi; Кi – балл сложности параметра.

Таким образом, отклонение от лучших практик рассматривается в пределах кластера.

Для расчета RCI необходимо учесть основные параметры, характеризующие разработку месторождения. Они должны учитывать специфику дальнейшего применения полученных результатов, т.е. параметры для оценки разработки нефтяных оторочек либо трещиноватых коллекторов могут сильно различаться вследствие критичности разных показателей при различных условиях. Более подробно методика расчета RCI рассмотрена в работе [3].

Количественная оценка отклонения от эталона определяется как эффект от достижения лучшей практики внутри каждого кластера. Это может быть, например, эффект, обусловленный минимальным отклонением от начального пластового давления в пределах кластера, либо оценка вовлечения ОИЗ бездействующего фонда. Эффект был оценен в тоннах дополнительной добычи нефти. Логика выбора для рейтинга объектов/месторождений по величине эффекта приведена на рис. 1.

Алгоритм анализа был следующим.

1.         Определяются суммарные эффекты, выраженные в тоннах дополнительной добычи нефти, для каждого объекта анализа от достижения наилучшей практики внутри кластера.

2.         Для каждого месторождения суммируются рассчитанные эффекты по всем параметрам внутри каждого блока.

3.         Выделяются месторождения, на которых получена максимальная дополнительная добыча (суммарно 80 % общего эффекта) (рис. 2).


Рис. 2. Выделение месторождений, вносящих основной вклад в суммарный эффект

4.        Для выделенных месторождений проводится более детальный анализ отдельно по каждому блоку (рис. 3).


Рис. 3. Распределение суммарного (а) и по блокам (б) потенциального эффекта от достижения лучших практик по выделенным месторождениям

В результате проведения бенчмаркинга можно получить «матрицу здоровья» в рамках дочернего общества, на основе сравнительного анализа по всем активам компании (см. таблицу). Анализируя результаты полученной матрицы, можно определить, на какие именно активы и  в  каком  порядке  следует  обратить  внимание, а также понять на оценочном уровне потенциальный «размер приза» от приведения того или иного параметра к соответствию лучшим практикам.


Рассмотренный алгоритм автоматизирован и внедрен в корпоративное программное обеспечение, что позволило выстроить процесс периодического верхнеуровневого анализа добывающих активов компании в блоке «Разведка и Добыча» (БРД). Таким образом, на основе бенчмаркинга базовой добычи можно выполнять оперативный мониторинг текущего состояния разработки месторождений по выбранным показателям, а также сопоставительный анализ в разрезе месторождений компании с выявлением лучших практик и верхнеуровневой оценкой потенциального эффекта от их достижения.

По результатам проведенного анализа разрабатывается программа корректирующих мероприятий, направленная на ретрансляцию лучших практик по направлениям процессов, технологий и персонала в периметре БРД «Газпром нефти». Кроме того, бенчмаркинг позволяет существенно сэкономить время, которое затрачивается на мониторинг разработки, выявление проблем и идентификацию вызвавших их причин.

Список литературы

1. Stapenhurst T. The Benchmarking Book: Best Practice for Quality Managers and Practitioners. Butterworth-Heinemann, 2009.

2. Михайлова Е.А. Основы бенчмаркинга // Менеджмент в России и за рубежом. – 2001. – № 2. – С. 114–121.

3. Naugolnov M.V., Bolshakov M.S. Mijnarends Runo. New Approach to Estimate Reservoir Complexity Index for West Siberian Fields // SPE-187780-MS. 

References

1. Stapenhurst T., The benchmarking book: Best practice for quality managers and practitioners, Butterworth-Heinemann, 2009.

2. Mikhaylova E.A., Basics of benchmarking (In Russ.), Menedzhment v Rossii i za rubezhom, 2001, no. 2, pp. 114–121.

3. Naugolnov M.V., Bolshakov M.S. Mijnarends R., New approach to estimate reservoir complexity index for West Siberian fields (In Russ.), SPE 187780-MS, 2017.


Возврат к списку