System TADI wykorzystuje AI do analizy danych wiertniczych z przemysłu naftowego

System integruje różnorodne dane wiertnicze — od dziennych raportów przez pomiary w czasie rzeczywistym po dane produkcyjne — w jedną platformę analityczną opartą na dużych modelach językowych.

Kluczowe wnioski

• TADI przetwarza 1759 dziennych raportów wiertniczych, 15634 rekordów produkcyjnych oraz dane z 36709 dokumentów bez błędów parsowania
• System wykorzystuje dwustorową architekturę: DuckDB dla zapytań strukturalnych (12 tabel, 65447 wierszy) oraz ChromaDB dla wyszukiwania semantycznego
• Dwanaście wyspecjalizowanych narzędzi, koordynowanych przez duży model językowy, umożliwia wieloetapowe gromadzenie dowodów
• Badacze wprowadzili miarę Evidence Grounding Score (EGS) do oceny jakości ugruntowania odpowiedzi w danych źródłowych
• Analiza wykazała, że specjalizacja narzędzi domenowych ma większy wpływ na jakość analiz niż sama skala modelu

Architektura i możliwości systemu

TADI wykorzystuje podejście agentowe, w którym duży model językowy orkiestruje pracę dwunastu wyspecjalizowanych narzędzi poprzez iteracyjne wywoływanie funkcji. System radzi sobie z trzema niekompatybilnymi konwencjami nazewnictwa odwiertów i jest zabezpieczony 95 automatycznymi testami.

Autorzy opracowali również taksonomię 130 pytań testowych obejmującą sześć kategorii operacyjnych, co pozwala na systematyczną ocenę możliwości systemu. Całość została zaimplementowana w 6084 liniach kodu bez wykorzystania zewnętrznych frameworków.

Znaczenie dla przemysłu naftowego

Badanie formalizuje zachowanie agenta jako problem sekwencyjnego wyboru narzędzi i wprowadza Evidence Grounding Score jako prostą miarę zgodności z danymi źródłowymi. Miara ta opiera się na pomiarach, przypisanych cytatach z dziennych raportów oraz wymaganych sekcjach odpowiedzi.

System umożliwia wieloetapowe gromadzenie dowodów, które łączy strukturalne pomiary wiertnicze z opisami narracyjnymi z dziennych raportów. Taki cross-referencyjny sposób analizy może znacząco poprawić jakość decyzji operacyjnych w przemyśle naftowym.

TADI stanowi przykład praktycznego zastosowania sztucznej inteligencji w operacjach technicznych, gdzie kluczowa jest precyzja i możliwość śledzenia źródeł analiz. Kod systemu jest w pełni reprodukowalny przy dostępie do publicznego zbioru danych Volve i klucza API.