moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2022.37.2.017 1186 Методика анализа ремонта нефтегазовых скважин при управлении на основе интеллектуального анализа данных Oil and gas well repair analysis technique based on data mining in management Нургалиева Земфира Дамировна Nurgalieva Zemfira Damirovna zemfira.nurgalieva@inbox.ru aff-1 0000-0003-3063-105X Латыпова Виктория Александровна Latypova Viktoriya Aleksandrovna vikvaphoto@yandex.ru aff-2 Уфимский государственный авиационный технический университет ООО "Газпромнефть - Цифровые решения" Ufa State Aviation Technical University Gazprom neft – Cifrovye resheniya Уфимский государственный авиационный технический университет Ufa State Aviation Technical University 01 01 2026 1 1 10.26102/2310-6018/2022.37.2.017 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

Одним из важнейших шагов для увеличения прибыли в нефтедобыче, наряду с инвестициями в оборудование, поиском и открытием новых месторождений, является аналитика. Эффективность добычи нефти и газа на существующих месторождениях можно повысить с помощью комплексного анализа существующего потока данных. Мониторинг добычи нефти и газа и профилактический ремонт скважин предполагают сбор и обработку данных о функционировании скважин. Этих данных не всегда достаточно для принятия точных решений по управлению ремонтами скважин. Ряд проблем нельзя выявить из-за скудности информации, в связи с чем снижается эффективность принимаемых решений. Мониторинг ремонта скважин с использованием интеллектуального анализа данных выполняет ряд функций. Во-первых, он определяет состояние критических условий ремонта скважины, для которых будет разработан план действий. Во-вторых, он предоставляет руководству обратную связь, определяя причины прошлых положительных и отрицательных результатов. В статье предлагается методика анализа ремонта нефтегазовых скважин при управлении на основе интеллектуального анализа данных с использованием поиска последовательных шаблонов ремонта. Методика апробирована в нефтегазовой компании ПАО «Газпром нефть» на данных по ремонту скважин месторождений сообщества «Газпромнефть-Ноябрьскнефтегаз».

One of the most important steps to increase profits in oil production is not only investment in equipment, exploration and discovery of new fields, but also analytics. The efficiency of oil and gas production in existing fields can be improved through a comprehensive analysis of the existing data stream. Monitoring of oil and gas production and preventive maintenance of wells involve the collecting and processing of data on the functioning of wells. Such data are not always sufficient for making accurate decisions on well repair management. A number of problems cannot be identified due to the scarcity of information, and therefore the efficiency of the decisions is reduced. Well repair monitoring using data mining performs a number of functions. Firstly, it determines the status of critical well repair conditions for which an action plan will be developed. Secondly, it provides management with feedback by identifying the causes of past positive and negative results. The article proposes an oil and gas well repair analysis technique based on data mining with the aid of repair sequential pattern mining in management. The technique was tested in the oil and gas company Gazpromneft on oil and gas well repair data of Gazpromneft-Noyabrskneftegaz community field.

 поиск последовательных шаблонов ремонт нефтегазовых скважин интеллектуальный анализ данных нефтегазовое месторождение анализ ремонта скважин sequential pattern mining oil and gas well repair data mining oil and gas field well repair analysis Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Морозов Н.В., Калачева Д.Ю. Анализ состава обратной воды, полученной из скважин сланцевой формации Марцеллус, путем использования интеллектуального анализа данных «Data Mining». Корпоративный портал знаний Газпромнефть; 2017. Баширов К.И., Костенко М.С., Дятлов А.М. Опыт использования больших данных в российских нефтяных компаниях. Вестник магистратуры. 2019;2(8):21–23. Доступно по: https://cyberleninka.ru/article/n/opyt-ispolzovaniya-bolshih-dannyh-v-rossiyskih-neftyanyh-kompaniyah (дата обращения: 12.05.2022). Халиков Ф., Ветошкина Т. Новый модуль «Анализ рентабельности скважин». Корпоративный портал знаний Газпромнефть; 2021. Брэгман К., Панкова М., Аршавский А. Система управления метаданными и рабочего места интеллектуального анализа данных и машинного обучения. Корпоративный портал знаний Газпромнефть, 2020. Разманова С.В. Нефтесервисные компании в рамках цифровизации экономики: оценка перспектив инновационного развития. Записки Горного института. 2020;(244):482–492. DOI: 10.31897/PMI.2020.4.11. Паклин Н.Б., Уланов С.В. Последовательные шаблоны в банковском директ-маркетинге. TERRA ECONOMICS. 2009;2-3(7):99–103. Доступно по: https://cyberleninka.ru/article/n/posledovatelnye-shablony-v-bankovskom-direkt-marketinge/viewer (дата обращения: 12.05.2022). Agrawal, R. and Srikant, R. Mining sequential patterns. Proceedings of the 11th International Conference on Data Engineering (ICDE'95). IEEE Computer Society Press; 1995. p. 3–14. Fournier-Viger P., Jerry C.W. Lin R.U., Kiran Y.S. Koh and R. Thomas. a survey of sequential pattern mining. Data Science and Pattern Recognition. 2017;(2):55–60. Latypova V. Work with free response implementation process analysis based on sequential pattern mining in engineering education. Proceedings of the VI international conference on information technologies in engineering education (Inforino), 12-15 April 2022, Moscow, Russia, unpublished. Fournier-Viger P., Lin C.W, Gomariz A., Gueniche T., Soltani A., Deng Z., Lam H.T. The SPMF open-source data mining library version 2. Рroceedings of the 19th European conference on principles of data mining and knowledge discovery. Springer; 2016. p. 36–40. DOI: 10.1007/978-3-319-46131-1_8.

The authors declare that there are no conflicts of interest present.