WEB-сервис petRoLeum
разработка инструмента для планирования графика бурения с помощью обучения с подкреплением
Актуальность
Существующие сервисы составляющие график бурения скважин используют
жадные алгоритмы
, которые далеки от наиболее оптимального графика
Изначальной целью нефтедобывающей промышленности была, есть и будет
максимальная прибыль
за кратчайшие сроки
Проблема
Методом полного перебора придётся перебрать количество вариантов равное
-
-
При этом нужно учитывать различные
ограничения
, а также
перепланировать
график при внесении изменений
где n - количество скважин
k - количество бригад
(k+n-1)!
(k-1)!
Что мы предлагаем?
Оптимизация процесса составления графика бурения и максимизация его прибыли
Описать архитектуру среды
Выбрать и реализовать модель
Создать собственный API: Backend
Реализовать интерфейс системы
Цель
Задачи
Этапы работы
В своей работе мы используем метод машинного обучения RL. Как он работает?
Как метод обучения с подкреплением мы выбрали DQN, метод в котором вместо Q-таблицы используется нейросеть
Разобравшись в используемых методах и алгоритмах перейдём к
Алгоритм системы
Раскроем подробнее алгоритм RL-агента
Архитектура нейросети
Результаты
Подобным образом выглядит часть фронтенда, где заказчик указывает все имеющиеся ограничения и загружает имеющиеся данные
Следующим образом представляется план по прибыли исходя из данных и ограничений
Tilda Publishing
Диаграмма Ганта
Конечный оптимизированный план бурения скважин на заданное количество времени представляется в виде диаграммы Ганта