«Газпром нефть» активно замещает иностранные IТ-системы
Собственные ИИ-разработки ускорили анализ геоданных в шесть раз, позволили нарастить объемы и расширить линейку нефтепродуктов
«Газпром нефть» заместила зарубежные IT-системы более чем на 90%, создав крупнейшую среди промышленных предприятий независимую технологическую экосистему. Об этом на годовом собрании акционеров заявил председатель правления компании Александр Дюков.
По его словам, в 2025 году цифровая инфраструктура работала без единого системного сбоя — добыча и переработка велись бесперебойно, новые проекты запущены в установленные сроки. В компании подчеркнули, что в условиях перехода к разработке трудноизвлекаемых запасов технологический суверенитет стал необходимым условием для стабильности бизнеса.
60% углеводородов «Газпром нефть» добывает с помощью цифровых двойников месторождений — всего в виртуальной среде создано более 3 тыс. интеллектуальных моделей производственной инфраструктуры.
Собственные ИИ-разработки ускорили анализ геоданных в шесть раз, позволили нарастить объемы и расширить линейку нефтепродуктов, а также снизить логистические издержки в Арктике.
К 2028 году все действующие ИИ-модели планируется объединить в единый цифровой двойник компании. Технологическая независимость обеспечена и на аппаратном уровне: сформирован резерв комплектующих, совместно с российскими производителями разработаны комплексы для сложных скважин и многостадийного гидроразрыва пласта.
«Алхимик» на страже интересов России
Одним из примеров внедрения ИИ стала нейросетевая система «Алхимик», используемая для создания автомобильных и индустриальных масел. Как рассказал представитель компании Никита Аничкин, технология анализирует параметры оборудования и предлагает оптимальные рецептуры смазочных материалов. Время от разработки до запуска производства сократилось более чем в шесть раз — до 1–2 месяцев.
Платформа применяется в Научно-исследовательском центре «Газпромнефть-смазочные материалы» во Фрязине: специалисты вносят характеристики будущего продукта, а алгоритм машинного обучения, опираясь на 15-летнюю базу лабораторных тестов, моделирует оптимальные комбинации основы масел и пакета присадок.
