改善工程系统决策和转让风险的方法和系统的制作方法

专利名称：改善工程系统决策和转让风险的方法和系统的制作方法
技术领域：
本发明通常涉及工程系统决策，并且更具体地涉及一种用于工业工 程系统，诸如引擎、涡轮机以及钻井设备的有效资产利用的主动决策支 持和合约结构，其调整了风险以及加强了机队的风除，并返回比例.
背景技术：
例如当钻探设施的经济租金(economic rent)可以超过豕lMM/天并 且产能利用率较高时，油和气体钻探设备的资产利用就非常重要.除了 其它的之外，钻探设备的有效资产利用尤其包括l)获得钻探设备的正 确资財(portfolio),以对于给定概率的油藏几何和数量而言能够钻探 正确的井孔；2)避免设备故障；3)钻^径的有效配置；4)可选钻探 路径的有效配置；5)提供钻探速度决策支持；和6)提供钻探能力，其 包括对于费用而言保证的物理和財务性能.

发明内容
提供一种通过在钻探选择、设置和搮作中更多的改进跨越许多分离 决策中的差别数值创建的可能性而不是风险，同时也大大减少非常昂贵 的油田故陣钻孔的频率，来增加机队钻探设备的平均产量的系统和方法
既是有利的，也是可以受益的.
如果该方法和系统能够战胜现存的工业惯例、根据通过集成决策支 持设施辅助的搮作钻井资財选择、钻机资財选择、钻探设备配置、设 备检测、管路传感器上的设备、该设备和钻探路径的动态搮作判决以及 合约激励，以将风险分配给最好位于减少它们的股东，提供改善的风险 和回报(return)将是进一步有利的.
简言之，根据一个实施例，提供一种改进油井钻探决策和转让財务 风险的系统.该系统包括
交互决策支持计划工具，其辅助用户在钻探油井的时候如何对该油 井进行钻探以及如何做出钻探决策；和
多个传感器，用于产生该交互决策支持计划工具所使用的数据，以 将与钻探油井的成本相关的財务风险降低到低于不使用该交互决策支持 计划工具时所能够达到的水平，和/或将与钻探油井的成本相关的财务回
报增加到高于不使用该交互决策支持计划工具时所能够达到的水平，这 样就可以在多个钻探搮作股东中以理想的方式分配財务风险和/或財务
回报，其中这些股东合约性地持有部分的机队资产的风险.
根据另一实施例， 一种钻探油井的方法包括提供交互决策支持计划 工具，其辅助用户在钻探油井的时候如何对该油井进行钻探以及如何做 出钻探决策，以将与钻探油井的成本相关的財务风险降低到低于不使用 该交互决策支持计划工具时所能够达到的水平，和/或将与钻探油井的成 本相关的财务回报增加到高于不使用该交互决策支持计划工具时所能够 达到的水平，这样就可以在多个钻探採作股东中以理想的方式分配財务 风险和/或財务回报，其中这些股东合约性地持有部分的机队资产的风 险.
还根据另一实施例， 一种搮作工业工程系统的方法包括 提供交互决策支持计划工具，其辅助用户在该系统工作的时候如何 搮作该工业工程系统以及如何做出系统决策；和
操作该交互决策支持计划工具，以产生工作决策，其将与搮作该系 统的成本相关的財务风险降低到低于不使用该交互决策支持计划工具时 所能够达到的水平，和/或将与搮作该系统的成本相关的財务回报增加到 高于不使用该交互决策支持计划工具时所能够达到的水平，这样就可以 在多个工业工程系统搮作股东中以理想的方式分配財务风险和/或财务
回报，其中这些股东合约性地持有部分的机队资产的风险.


当参照附图阅读下面的详细描迷时，可以更好的理解本发明的这些 和其它特征、方面、以及优点，其中相同的字符在这些附图中表示相同 的部件.
图1的示意困为与根据一个实施例的交互决策支持计划工具关联的
决策因子和变量；
图2的示意困所述为根据一个实施例的多个决策支持井孔路径； 图3为根据一个实施例的多个决策因子之间的財务关系的曲线图； 图4为根据一个实施例的用于确定与物理系统相关联的设计特征的
值的技术的曲线图5为根据一个实施例的用于确定与物理系统相关联的设计特征的
值的另一技术的曲线困；
困6的为根据一个实施例的在增加选项之前和之后的系统输出值的
曲线图7为根据一个实施例的与不同的物理系统投资相关的成本的直方
困8为根据一个实施例的用于确定物理系统选项值的技术的曲线困；
困9为根据一个实施例的交互决策支持计划工具的方框困；以及
困IO描述了应用于动力涡轮机的随机煤拟过程.
虽然上述

了一些可替換的实施例，但是本发明的其它实施 例也可以为其它工业设施而构造，如在讨论中所提到的.在所有的愔况 下，本说明书通过演示说明而不是限制的方式提供所描述的本发明的实 施例.本领域的熟练技术人员在本发明的精神和范围内可以设计出许多 其它改变和实施例.
具体实施例方式
改进钻探决策和转让风险的方法和系统的示范实施例包括模拟技术 和物理检测反馈数据，以优化在决策点对钻机的资产选择、配置和工作 支持，这里参照附图进行描述.
在一个实施例中配置包括钻井绳、地质和油藏的资产，其将设备的 可靠性和性能与明确的钻探应用匹配，从而最大化该概芈，在钻探搮作
的资财的情况下，对概率油藏的具体资产以及到油藏的管路.
获得具体的钻探配置，其具有基于设计工具的交互模拟，该工具开 发了有效的并且可行的钻探平台的所有想要的组合.该"虚拟钻探"是 所选择的物理资产的模型，其从可靠性和性能数据库得出设想，其然后 用来模拟钻探搮作的资財.
四个区域是使能器(enabler).它们包括1)传感器信号，其特征 是具有滤波和识别算法，以实现在循环中的无人监视；2)可靠性和性能 数据库，其形成有故陣亊件观察数据和相关的远程监視和如下所述的诊 断传感器信号；3)人工智能算法，其开采这些数据，以评估健康状况和 识别故陣和任务风险的时间概率阁值；以及4 )虚拟搮作模型中的物理资 产的模拟和优化，其针对于系统目标开发可行的决策空间.
在模拟虚拟钻探任务中的配置时，该財务风险/回报形成有多个(即 数千个)模拟运行，其从可靠性和性能数据库进行采样，并且开发可行 的和最优的配置设计空间.该输出为交互钻探资产模型，其对于与具体钻探搮作相关联的不确定性连同与特殊钻探搮作相关联的可行的配置的 財务风险和回报映射以及机队影响一起被优化配置.该可执行的决策支 持与所要配置的钻探资产的类型、这些资产的配置和它们的搮作相关.
需要实现它们的这些油藏和资产采用保除领域中的债务资产管理的 属性.关于保险，在概率性债务必定是由于今天投资，从而当明天做出 申请时需要付清的同时，必须产生本期收入.类似的，油藏是概率性资 产，其必须使用今天的钻探设备的资財进行开发，从而在本期收入需求 的搮作限制内满足明天的財务目标.
根据一个实施例，钻机的全局资产(租借、保有)针对于已知的油 藏进行分配、开发，并且是概率性的未来收获.通过使用多期间混合整
数编程(MIP)、顺序线性编程(SLP)的随机点价格情况以及使用实际选 项估价构架的随机优化对这些油藏进行估价.
通过将目前担保的油藏以及可能在未来担保的油藏与可调节的计划 范围上的区域钻探资产进行匹配，来完成钻探资产的资財配置.所担保 的油田资产的特征是容量的概率性，诸如通过四分位，而估计油藏还不 像所标识的那样，而是可能在计划范围内担保.虽然该目标功能将资財 静现值(NPV)最大化，但要控制计划风险变量的可选择级别，在该可行 方案组上计算修改的有效边界.根据变化的程度，使用三个优化方法 线性或混合整数编程、顺序线性编程和随机.除了传统的NVP之外，使 用实际的选项估值，其设想是从基于具有管路相关能力的转让功能的模 拟而得出的.于是，资产的分配对于已知的和概率性的未来结果就是匹 配的.
输出是用于开发和生产单位的风险/回报爱好的动态资产匹配和机 队正确的大小.该可执行的决策支持得出担保何种类型的钻探资产、何 地以及何时使用的推荐.
现在参看困1,出于资产配置的目的将油藏分为三类1)已经证实 的(也就是完全清楚的位置和有效量)；2)标识的(也就是担保的或者 谈判中的可能油藏的权利，其中该油田的具体位置和量不完全清楚)；以 及3 )可能的油藏(即可能存在于一个区域中，但是还没有开始开发工作 或者具体的合约权利).描述该油藏的物理属性的值是概率性的并且与时 间有关.生产可以并且确实开始于不同的时间.油田的量也是变化的. 已经证实的油藏在质量、数量和时间方面具有相对较高的精确性，而正
在开发过程中的油藏的具体情况具有4艮低的精确性.
外因力量可以驱动对关于钻探什么以及如何钻探的许多内因决策的 动机.选择油藏的动机受到油田和气田权利的当前价值的影响.假定点 和原始未来价格受到全球石油市场的控制，也就是外因.外因变化的一
个说明性例子就是石油的价格.该外因路径4模拟为随机走线，其从价 格增量随机分布以及震动情况得出.作为在高价格环境下外因力与内因 选棒之间的耦合示例，将其增加到资財、相对于具有精确理解和极限容 量的油藏而言具有显著容量最大潜能的油和气藏具有重大意义.改变钻 机租借条款和条件或者机器可靠性或容量或者运行钻机的强度也具有一 定的意义.
出于模拟的目的得出物理系统的数学模型.这一面向目标的"虚拟 钻机"5可以根据设备组的选择来构造，其包括主要的工程子系统，诸如 顶部驱动、绞车、抽泥泵、底孔组件、钻探深度容量和工作人员.该虚 拟钻机5所具有的物理位置可以在限制的范围内并且以指定的速度移动. 具有固定和可变成本的钻探能力作为所选择的物理设备的函数被特征 化.虚拟钻机从初始安装以及从模拟世界中的使用具有寿命消耗.子系 统可靠性的特征来自实际的可靠性分析，并且根据历史等同体或者当还 不存在数据时根据判断评估进行估计.使用嵌入在模拟中的规则引擎或 者在模拟期间由分析者做出的调节来做出钻探採作选挣.模拟钻**队， 其每一个都与其唯一的配置、所选自的孔相符合，以钻探油或气藏矩阵. 机队全局限制是关于它们存在何处(诸如特殊钻机或者钻探设备或者人 员配备的数量上的限制、提炼厂或者运输容量等).
使用虚拟钻机5进行移动和钻探的財务结果作为时间的函数来进行 计算，这与钻探决策和钻机所应用的具体油藏有关，如在模拟推荐中的 方框6中所示.在每个钻机的基础上计算使用钻孔能够实现的静预测产 量超过要钻出那种预测产量所需静成本的比率.根据该理论机队中许多 虚拟钻机的合并就计算出结果.为钻机的每一模拟运行制作总的机队产 量和成本表格，以及为每一钻机的配置、钻孔和油藏可行决策制作表格. 来自虚拟钻探搮作模拟的財务机制、折旧、税务和操作成本被用来计算 活动现金流.
虽然该分析设施可以计算所有钻机的所有组合以及用于所有油藏的 钻机的配置，但是这样将会有格外复杂的计算和耗时.在钻机的可行子
系统选择的每一配置以及在用于油藏的钻机的匹配中，算术编程的能力 受到调节影响，从而挤压了模拟场景的数目以及它们对的最佳获得整体 系统目标的、最稳健的、受到外因力量的随机路径影响的场景的复制.
该选择和模拟的静循环于是就是
a. 机队"照这样"的基线仿真和模拟前进；
b. 用于油藏的带有运榆的钻机分配；
c. 钻M径模拟；
d. 油藏数量和质量；
e. 当计算財务结果时的钻机物理系统选择和复制，并且每一复制 从该外因力量的随机路径采样；
f. 下一个分配和运输.
启发的，在启动明确的复制和最佳或稳健寻找模拟之前，使用顺序 线性编程(SLP)、混合整数(MIP)、整数(IP)和线性编程(LP)来减
少用于快速开发最稳健的方案空间的模拟计算负荷.该钻机到哪一油藏 的分配7在模拟运行中是变化的.该测试分配7并不是完全随机，而是 遵从一个封闭形式的算法，其使用实际的启动物理配置和根据实际机队 的寿命消除了总产量/总成本的最小可能的多周期可能机队优化.可以有 多个标准寻找，就像是实际和財务资产的资財管理的情况一样.
对于钻机的油藏的给定配置(分配7)，该实际钻探搮作按照步骤8
中所表示的那样复制，直到按照概率所产生的这种时间变为特征的(来 自下一模拟的边际效用并不明显；没有新的信息被提供).根据该分配7 产生油藏的时间范围以及其可能的地理，并且使用将输出提供給该財务 估值6的每一运行模拟钻探配置.也可以模拟可替换的钻探配置，直到 按照每一可行配置的这种时间礼t够的复制，以具有选择的財务分支的 特征.
一旦虚拟机队已经使用这种虚拟钻机运行，就在油藏与钻机之间做 出新的分配，如困9中所表示；然后为新的分配复制每一钻机模拟8.这 样为所有钻机配置、油藏分配以及外部因素变量进行复制.
最寻常的寻找决策支持与用于油藏的钻机资产的最佳匹配相关，并 且这一点在上面已经讨论了 .也可以有利地从所希望的风险/回报目标主 題到某个財务量度向后工作，并且标识何种类型的资产需要在租借或购 买的条件下担保或者何种质量以及在哪里或者甚至何种类型的油藏轮廓
最适合钻机的有效机队以及当前资財中的其它油藏.这种向前和向后链
接能力(在图1中列举的14)是较高的值，以与財务计划、財务、投资 和分析、资本结构计划和商业搮作配合.能够进行"万一"情况或者目
标寻找或者在前面提到的对股东具有高度用处的灵敏度分析的向后链接 的方框IO、 11、 12和13描述了更长范围的计划.
在几乎所有的工业系统形态中，从飞行器到发电机到机车到电子系 统，都需要可用时间，并且已经创造了检测技术来增加这些资产的可靠 性.这些包括非接触、远程访问涡流、超声、X射线以及热成像吸收方法. 例如油管线典型的不需要采样管进行检测.
建立检测技术来消除特定故障模式.该结果为检测技术的资財，其 减少了与设备可靠性降低相关的搮作风险.该可执行的决策支持是已经 检测了已知故陣模式的关键路径钻井绳系统的定量风险评估.为钻探/修 理/替换和时间表提供特定风险加权决策支持量度. 一个说明性的范例就 是数字X射线或者具有金属完整性的分析估计的钻井錄的接触超声.
一旦该资产被选择、检测并且认为适合使用时，钻探配置、物理感 测、历史使用以及当前操作支配着与操作风险相关的因果性驱动器.该 钻探錄的可靠性受到相关的动态搮作决策控制.这种传感器辅助的决策 支持方法和系统的目标是增加机队的产量，同时降低其总成本.钻M 率(穿透速率ROP)取决于几个因素，它们是最下面的孔钻探参数，并且 典型的超出了钻机的当前控制.这些因素包括钻压(W0B)、每分钟转数 (RPM)、振动、力矩、孔条件、钻头渗透性、切割深度、特定机械能量 以及岩石压力强度.R0P是一个因素，只有当所有这些因素都被考虑时其 才可以被最大化，然而对于缺少感测和实际时间分析决策支持，就难以 这么做了.
根据一个实施例，将R0P最大化的一个全新方法就是使用特定M 能(MSE),其提供通过监视钻探参数以及识别量化数据所提供的最优参 数来检测钻探效率中的实时变化的能力，以能够按照变换在区域中重新 设计矿井清洁作业、底孔组件(朋A)设计、钻头选择，等等.
为了获得这种基于传感器的决策支持，MSE数据连同其它在线搮作参 数一起被集成在特殊领域(地理区域)中.馈送在线模式的钻探分析工 作台和/或基于启发的转让功能环境是有效的，然后在搮作中使用决策支 持引擎以用来预测不希望亊件的发作，并且其用作决策工具，其可以在
钻探搮作环境中结合其它基于计算机的控制系统一起使用.
该榆出为交互钻探速率搮作支持助理.该可执行的决策支持被交给 搮作员，只有当给定所有其它钻探动态，可以评估各种搮作决策、诸如
R0P、 WOB和RPM的风险和回报时，其才可以受益.
该搮作以及钻探路径决策支持方法和系统的目标然后就是增加机队 的产量，同时降低其总成本.应用于钻头的工件具有重要影响.在恢复 由于外部因素，诸如在恢复由于天气延迟或者不可预測的岩石密度岩层 而导致的损失时间中，加速钻探速度以弥补时间的决策可能增加设备故 陣、机械磨损或者底孔卡塞的概芈.搮作员不大可能能够独立的做出需 要在钻探速度上保持风除中性的风险/回报决策.
当使用与选择钻探绳设备、进给速率、维护相关的操作决策以及在 一个实施例中的钻探路径阶段本身进行辅助时，基于调节影响的模拟的 实际选项估值可以具有重要用途.使用基于传感器的钻探搮作算法进行 工作，就可以计算钻探破碎和废弃的概率.
将沿着孔的登陆点的策略放置、钻探卡塞的风险的比例以及现场故 陣与集合的感测系统以及实时、动态选项估值財务方法耦合.
该输出为交互钻孔路径操作支持助理.可执行的决策支持被交给搮 作员，只有当可以为钻探阶段对风险和回报进行加权，以避免由于失效 的钻探錄而导致整体或者很大重的钻孔的废弃时，其才可以有利的受益.
图2描述了根据一个实施例的方法，其将每一钻探路径增量视作一 个决策点.给定已经遵循到此的路径以及还要前进的可能轨迹以及这一 连续体中的地理形式以及资产配置的环境中的物理可靠性的估计，就可
以估计其子系统历史和当前搮作、以及对油藏几何的理解的确定性、最 佳的回报速率、下一个深度段的位置和定位.
理想的，要计划并寻找一个钻探路径15,其是最直接的，并且其具 有钻探绳上的最小工作，并且找到获得该完整油藏的定位.跨过机队来 这么做几乎是不可能的，然而将沿着钻探搮作中所学习到的东西包括到 下一个小时的搮作中来就可以显著地改变该机队的平均性能，并且减少 非常昂责亊件的数量，其中由于缺少精度或者缺乏补偿搮作决策而必须 废弃钻孔或者重新钻探.
假定传感器辅助的决策支持方法和系统的目标是增加机队的产量并 同时降低其总成本，那么就可以使用有效的累加分析来支持关键决策.
这种知识被带到做出钻探操作决策的前线.
在其中地理16既在其物理几何上又在密度上发生变化的情况下，有 可能通过调节速度和前进速率来控制钻探力和振动，从而保持在钻头的 匀速工作功能，并且不陷入疲劳故陣.当可以增加钻头速率并且它们保 持匀速时，并且累加的寿命磨损还没有达到疲劳极限，保持稳定的速率 可以降低物理和财务变化，然而还不能从更快速的达到油藏获取有效的 经济回报.
可替换的，具有以接近疲劳的速率消耗的累加工作的钻头会穿过一 个非线性风险边界，其中通过增加故障的概率减少了连续钻探的受益， 其需要大量的重新工作或者废弃.该目标就是增加在数千次机队决策中 的概率，这些决策每小时都要做出，以得出更好的产出，其恰当的回报 了给定的风险，以及在尤其昂贵的故陣的地方进行介入.
尤其昂责的故障的一个例子就是当出现钻探丢失并且必须废弃钻头 时在钻孔17的终端.在该钻探丢失之前，在时间上有一个点，其中交换 设备或者降低行进的速率将是有利的，尽管会导致延迟，因为故陣的累 计概率以及必须的恢复将会超出以时间的线性投影到达石油的机会成 本.
所选择的钻探路径以及与修改相关的路径提供了用于价值创建的机 会. 一个情况就是到最终成功钻探路径的进入点选择.要开发多少孔以 及在哪里开发可以具有选项的属性，其中使用开发的孔实现一笔费用(奖 金)，以获得增加的知识和操作灵活性.当在钻探搮作期间地质限制被标 识并且想要知道降低总钻探成本的路径时，尤其是这样的.关鍵是在出 现钻探搮作时对预期的路径18的估值.
工作功能是一个用于概率的残余疲劳寿命的代理.当材料的密度增 加时，钻探绳可能会具有较高概率的故陣，其受到振动以及以各种钻探 速率对密集岩石数小时积累的工作，并且有些速率过高.跨过钻探操作 的机队，在钻探的时候包括决策支持就通过减少灾难性的故陣的出现可 以影响平均性能.当作为其先前工作的结果的钻探绳的故陣概率加上给 定当前读数的模拟可能性工作超出了风险调节的经济回报率时，就告知 钻探操作员19，并且或者可以降低速度，或者维修该底孔设备.关键是 决策支持是在线的，并且作为完整的过程对钻孔是说明性的.
创建允许多个孔扩展的登陆点减少了风险.为了获得石油而需要多
数孔以及在什么地方，这可以是油藏几何的函数.在钻探操作期间从底 孔传感器收集更精确的信息.在孔的末端出现的钻探錄故陣比在开始搮 作时出现的故陣要代价高的多.多个访问以及放弃深度孔的机会损失的 想法都共同具有从沿着钻探路径的基准点受益的属性，其允许后一个选 项(最多)从相同的孔前进到新的路径，需要关于在什么地方创建这种
登陆点20的决策支持，以降低重新工作的机队成本，以及降低底孔故陣 的影响.
该虚拟钻探和钻探操作和各种设计的估值和搮作选择的模拟是改变 钻探资財的平均值以及减少极端的负面亊件频率的关鍵所在.有三种组 件可以实现该功能，其包括
1) 可靠性和性能数据库，其精确地使输入假设特征化；
2) 模拟和优化形态，其精确地表征在它们的可能结果的范围上的 资产分配、配置和搮作，不忽略这些结果的因果性和路径；以 及
3) 財务估值方法，其包括传统的指示器以及与资产分配、配置和 搮作中有效的可执行决策相关的概率和实际选项估值.
在使用路径相关性建模并且受到外部变量影响的系统的例子中，将 数值设计到该系统的结构中，并且设计到生命周期决策中.人们可以计 算将各式各样的选项设计到增加其財务用途的系统中的成本.
根据一个实施例，基于模拟的商业系统的转让功能(包括其路径相 关性操作和设计选项)就可以得出，并且受到该系统对于其比较稳健的 外部力量的影响.模拟复制的结果输出財务预测报表的假设，并且然后 得出统计数据库，可以从其中调用运行数据.收集该系统参数、外部因 素以及性能产量.
系统的输出典型的是概率性的.该当前值是一个这样的测量其从 模拟驱动的財务估值中获得，并且其观察在直方困150上绘出，如图10 中所示，其描述了应用于发电涡轮机的随杌溪拟方法.
可以将投资当作项目基线或者隐没成本来考虑，以获得与公司的搮 作相关联的经济值.在石油钻探的情况下，假定需要钻探搮作，这是商 业中给定的亊情.那就是说，没有增加预测精度以使得最终钻探搮作以 更低的边际成本产出更多石油的其它投资可以做.可以有诸如转让风险 的费用的投资.在这些情况中，从具有增加的能力超出基本情况中受益
的结果以及获得这些潜在收益的权利的成本可以当作一个选项考虑.一 个选项给出一个权利，而不是一个义务去做某亊.通过相同的方式，可
以使用实际资产特征和决策设计选项.下面参照困3描述一个例子，其 图形化的描述了根据成本与亊件的基本估值、延迟或者风险废除、以及 扩展选项因子.
例子基础搮作是做商业的隐性成本，并且其成本和收益不确定性 在该公司的整体企业中的折扣速率中获取.其它投资可以在分阶段的做 出，以收集更多信息，同时还可以在获得更多潜在收益相关的特征方面 做出其它投资，这些对实际选项估值技术可以是顺从的.并不是所有实 际选项的估值都是标准的，假定它们并不交易，并且是像该物理系统和 它们设计用来辅助的该搮作选项一样唯一.
图4中所示的用来查找系统中的一个设计特征的值的一个方法是将 之前和之后的情况下进行比较，将频率转换为概率密度函数，将其积分 以形成累计概率分布并计算值中的预期变化(50 %的百分比) 对于该情 况下，以无风险的速率或者至少以最低风险的投资替换做出折衷， 一个 例子就是低风险替换投资选项.
这一方法是一个稳健的方法，假定该"预期值"的极限被关注.单 个数字，诸如NPV或者实际选项值是其它数据点中的数据点.它们是良 好的接近；然而它们也具有极限，因为在上下文中缺少将值的所有概念 都压缩到单个数字中.
图5中所示的另一个替换，是通过该对应概率的相对加权以及计算 值的总和来对所有概率的当前值(PV)中的相对差进行积分.
现在考虑困6中所示的该累加概率分布，其描述了在增加选项以改 进性能之前和之后，该系统的输出.该预期值保持相同，而上部值创建 的概率非常高.丢失值的概率也增加了.然而这些可能不具有对称的分 支.损失可以是使得投资值爆聚并因而是不可接受的.
一个实施例将物理搮作和財务反应连接起来.于是，计算该预期值 选项的一个可能方法的特征就是该系统输出不是作为一个概率分布而是 作为几个概率分布的结果.现在的任务变为利用该分析设施并找到创建 不想要的输出的因果串的物理系统或者决策领域点的子集，以及通过针 对于减少的成本和收益权衡一串风险来减少出现的这种串的可能性.
图7为根据一个实施例的与投资相关的成本的直方困.问題是该聚
合分布是否就是系统输出的唯一可能集，或者其是否就是该系统的各种 配置的综合.如果存在具有可以被设计出的因果性的系统的状态(在数 据库的运行和配置中都是相同的)，人们就可以计算不想要的输出的这一 "口袋"的明确值.
察看具有能力访问具体因果性的影响的系统级别性能是这里所描述 的方法和方式的核心要素.该系统产生所观察的行为，并因此介入到该 系统，根据一个实施例的焦点就是在于对创建观察行为的动态转让功能 进行标识和建模.理解该系统的结构是一个分析挑战.使用通过物理配 置或者路径相关性资产决策所设计出的某个系统属性，喜欢的变化就出 现在该概率系统级别输出.获得这一概率未来收益的静收益最低成本(奖 金)就是选项值.当外部力量和搮作是在介入具有用途的时候，因为其 已经做出了，该选项就具有值.
典型的避免了 NPV或者选项值的单个数字，因为一个在风险和回报 的情况下更受关注，以获得稳健性.也就是说，商业世界吝裔的并且想 要"一个数字".为了计算选项值的数字，就根据NPV累计概率分布集成 该区域，诸如图8中描述的一个实施例.
保持前述原理，图9的方框困描述了根据一个实施例的交互决策支 持计划工具100.交互决策支持计划工具100辅助用户来如何选择该系统 将要处理的工程系统或实体的资財，诸如飞行器引擎和飞机、钻机和油 藏、设备配置、设备检测、设备在线传感器、用于设备和钻探路径或资 产分派以及合约动机的动态操作决策，以将风险分配到位置最佳以减少 它们的股东.决策支持将与搮作的成本相关的机队的財务风险降低到低 于不使用交互决策支持计划工具时所能够达到的水平，和/或将与该活动 的成本相关的財务回报增加到高于不^t用该交互决策支持计划工具时所 能够达到的水平，这样就可以在多个採作股东中以理想的方式分配財务 风险和/或財务回报.
交互决策支持计划工具100当矿井正在被钻探的时候，辅助用户例 如进行如何钻探矿井，以及如何做出钻探决策.交互决策支持计划工具 100,例如当结合矿井钻探决策一起使用时，然后採作其用来产生钻探决 策，其将与钻探该矿井的成本相关的財务风险降低到低于不使用该交互 决策支持计划工具时所能够达到的水平，和/或将与钻探该矿井的成本相 关的财务回报增加到高于不使用该交互决策支持计划工具时所能够达到
的水平，这样就可以在多个钻探操作股东中以理想的方式分配財务风险 和/或财务回报，其中该股东合约性持有部分该机队资产的风险.
现在继续参照困9，交互决策支持计划工具100包括模拟器102,其 用于执行所想要数量的一个或多个物理钻探系统的模拟.该模拟器102 响应于多个榆入数据而生成随机財务预测104和随机亊件预测106.
该输入数据包括但并不限于历史故陣数据108和先验工程知识110， 其被处理用来生成设备故陣模式信息112,其提供一种类型的信息，其可 以被交互决策支持计划工具100使用以生成随机財务预测104和随机事 件预测106.
该输入数据也包括原始设备条件数据114、在先设备使用数据116 和设备修理历史数据118，其一起被处理以用来提供设备数据120的当前 状态，其为交互决策支持计划工具110所使用，以生成随机財务预测104 和随机事件预测106.可以通过一个或多个以理想方式工作并且根据一个 实施例集成到当前设备状态元件120中的预定的传感器连续的或立即的 修改非常多的这一数据.
其它输入数据可以看到，例如包括预测设备使用数据122、计划亊件 数据124、决策逻辑和行为数据126、以瓦基于亊件的成本分布数据128. 如果一件不想要的随机亊件受到了随机亊件预测106的触发，可以在模 拟运行之后通过反馈循环130修改计划亊件数据124.随机事件预测106 例如可以展示在某个事件段期间的显著数重的设备故障.这一信息然后 可以通过反馈循环130被用来修改计划亊件124，诸如但并不限于为了修 理和/或维护的商店访问.
决策逻辑和行为数据126可以包括有信息，该信息包括但并不限于 工作辖区和商店表现，即使用何种类型的修理和/或維护，该修理和/或 维护过程的持续期，以及存货管理过程，诸如设备替换决策.
基于亊件的成本分布数据128连同其它亊情一起涉及与特定的内部 和/或外部、即基于客户的决策相关的成本.这些例如可以包括使用新部 件更换特定的实效或破损部件的成本.基于事件的成本分布数据128在 某些情况下可以是固定的数字，而在其它情况下将是数字分布.
使用随机亊件预测106来考虑可能以随机方式出现的事件，但是通 常没有提前计划，诸如但并不限于可能导致设备故障的不可抗力的灾难. 这种随机亊件可以是非常高成本的，并且例如可以需要安排另外的商店
修理.
如此前所述，该交互决策支持计划工具100确保资产，在一个实施
例中包括钻探绳、地质和油藏，被配置使得设备的可靠性和性能匹配与 明确的钻探应用匹配，从而在钻探搮作的资財、用于概率性油藏的具体 资产以及用于油藏的路径环境下最大化该概率.
使用交互决策支持计划(基于模拟的设计)工具100就获得了具体
的钻探配置，其开发了所有有效和可行的钻探平台的理想组合."虚拟钻 探"是所选择的物理资产的模型，其从可靠性和性能数据库得出假设，
然后使用其来模拟钻探搮作的资財，以生成随机财务预测104.
交互决策支持计划工具100包括模拟器102,于是就允许设备和决策 的移动，例如矿井资財、钻机资財、钻探设备、设备检测、设备在线传 感器、用于设备和钻探路径以及合约动机的动态搮作决策，在给定或随 机搮作条件下的贯穿时间.该模拟为预期的成本(例如修理成本、部件 成本)以及预期的亊件(例如修理事件)产生随机预测.
当前设备状态120被用作启动点，以创建实际输出.该当前设备状 态120是基于原始设备条件(例如交付日期以及在钻机资財中具体的使 用了何种部件)、先前设备使用(例如设备在线传感器随着时间的搮作小 时和周期)以及修理历史(例如哪一部件已经被修理/更换过以及是在何 时)确定的.
如此前所述，其它所需要的输入是随着模拟的时间周期的预测设备 使用122、以及计划亊件124 (例如计划商店访问或检测).
对于每一片或者小片设备，在模拟中使用故陣模式信息(故陣的可 能模式以及对应的随机分布)来模拟设备故陣.
也可以应用修理逻辑、商店周转时间、成本分布128以及其它表现 或决策逻辑126.
已经通过通用电子航空(GEA)成功的应用了 一个交互决策支持计划 工具，以允许在给定或随机搮作条件下随着时间的设备的移动，例如飞 行器引擎，以及从其中为预期成本产生随机预测.进一步，随机商店访 问预测已经成功的被用来修改计划亊件，即为早期的某些飞行器引擎安 排商店访问，以平衡维修车间的工作负荷.
前迷交互决策支持计划工具100允许考虑万一的情况，以研究该財 务影响以及预测亊件的影响，例如改变检测计划逻辑的影响.其它选项
是要研究增加的寿命对单个部件或在任何点对成本降低的影响.通常， 人们可以根据上面描述的任何假设使用如下将要进一步详细描述的交互
决策支持计划工具100来研究变化或改变的影响.
更具体的，决策支持计划工具100可以工作以在与多个物理矿井钻
探系统相关联的可配置的时间段中，使用基于模拟的方式来确定该財务 风险和/或回报，所述方式包括可相互操作的模式目标和分类法，其包括 物理系统目标、財务目标和外因假设目标，诸如此前所述的至少其中之
决策支持计划工具100也可以工作以在外部和内部变化以及决策元
件之间为与配置和钻探矿井的成本和收益相关联的选项、风险和/或回报
的计算来集成多个建模、因素。
决策支持计划工具100也可以工作以确定財务风险和/或回报，其是
基于在存在外部变化的情况下用于模拟矿井钻探配置的相关目标的选摔 进行的.
决策支持计划工具100也可以工作以确定財务风险，其是基于在存
在外部假设变化的情况下对用于搮作配置的风险改变的概率的计算进行 的.
决策支持计划工具100也可以工作以确定財务回报，其是基于在存
在外部假设变化的情况下对用于搮作配置的回报改变的概率的计算进行 的.
决策支持计划工具100也可以工作以在存在外部假设变化的情况下，
对于矿井钻探方法的物理系统配置或对于操作决策或对于物理或財务状 态的改变，为可配置的时间段确定风险和回报之间的关系.
决策支持计划工具100也可以工作以在存在外部假设变化的情况下，
在建立合约项、定价、续借、终止或者内部合约期间调整的过程中，作 为决策支持工具为物理矿井钻探系统配置、搮作决策确定值的变化，或 者确定物理矿井钻探系统或财务限制中的状态的改变.
决策支持计划工具100也可以工作以为配置或搮作决策确定路径相
关性值或风险改变.
决策支持计划工具100也可以工作以辅助优化、安排、分配、条款、
工作参数以及定价，以影响与物理矿井钻探系统或財务限制相关联的財 务和/或工作量度.
决策支持计划工具ioo也可以工作以利用在一个搮作决策点的风险
和/或回报中的改变，以相对于限制的缺少或违背的概率改进局部和/或 全局改概率，具有更高的经济值创建.
决策支持计划工具100也可以工作以为计算与物理或財务系统相关
的风险和/或回报，将分析转让功能与具有结构分类系统的发布和提交消 息构架集成起来.
决策支持计划工具100也可以工作以通过存储在实际物理搮作或模
拟中产生的实际搮作参数、结果和值来分析实际世界和模拟的数据，其 中作为对所模拟的目标的积分来捕获并记录这些值，或者将这些值捕获 和记录在指定用于捕获纵向值的单独数据库中.
决策支持计划工具100也可以工作以记录部件的消耗、部件寿命、
操作参数、系统的状态、外部力量、成本和为了分析模拟的目的而采取 的或预期的决策，以计算油矿钻探设备中的万一情况的风险和回报.
决策支持计划工具100也可以工作以提供自动分析工作流，以清除、
配置和调用所需要的数据，计算和调用所需要的转让功能，以及后处理 结果，用于可动态配置的展示.
决策支持计划工具100也可以工作以改变和/或测量对于一个理想的
商业实体而言与钻探该矿井相关联的財务风向和/或回报.
决策支持计划工具100也可以工作用来提供系统方法，其通过在资
产匹配、钻探选择、设置和搮作中更多的改进跨越多个分离决策中的差 别数值创建的可能性而不是风险，同时也大大减少非常昂贵的油田故障 钻孔的频率，来增加机队钻探设备的平均产量.
决策支持计划工具ioo也可以工作以响应于历史寿命数据、检测寿
命泮估以及模拟的向前任务向前和/或实际传感器读数，并且对此没有限 制，以通过一个或多个中间分支点来计算钻探速度、钻压、钻M径、 以及钻探路径线.
决策支持计划工具ioo也可以工作用来提供机队资財理性化过程，
以将哪一钻机上的何种钻机配置与何种油藏、时间精度匹配.
总而言之，已经将一种工业风险转让系统和方法应用于矿井计划和 构造、飞行器引擎、发电涡轮机、机车、诊断成像设备以及其它中，以 提供本质上的性能优化机会.该工业风险转让系统和方法挑战了现存的 工业范例，通过矿井资財选择、钻机资財选择、钻探设备配置、设备检
测、设备在线传感器、用于该设备和钻探路径的动态搮作决策、以及合 约动机，向操作员提供了改进的数值动机，以将风险分配给处于最佳位
置以减少它们的股东，优化的授权的支出基金(AFE)准备、矿井风险标 识、减緩和潜在的产出决策、以及考虑采用新钻探技术的风险/回报的量 化.
虽然这里仅仅已经描述了说明了本发明的某些特征，但是许多修改 和改变对于本来源的熟练技术人员而言是显然的.因此要理解的是，所 附的该权利要求书意欲涵盖落入本发明的真是精神范围内的所有这种修 改和改变.
权利要求
1. 一种操作工业工程系统的方法，该方法包括提供交互决策支持计划工具(100)，其辅助用户在所述工业工程系统工作时候如何操作该工业工程系统以及如何做出系统决策；和操作该交互决策支持计划工具(100)以产生操作决策，这使与操作该系统的成本相关联的财务风险降低到低于不使用该交互决策支持计划工具(100)时所达到的水平，和/或使与操作该系统的成本相关联的财务回报增加到高于不使用该交互决策支持计划工具(100)时所达到的水平，这样使得在多个工业工程系统操作股东中以理想的方式分配财务风险和/或财务回报，其中这些股东合约性持有机队资产的风险的子集.
2. 根据权利要求1的方法，进一步包括搮作决策支持计划工期100), 以使用包括可相互搮作的模式目标和分类法的基于模拟的方式来确定在 可配置的时间段中与多个系统资产相关联的財务风险和/或回报，所述可 相互採作的模式目标和分类法包括物理系统目标、財务目标和外因假设目标中的至少其中之一.
3. 根据权利要求1的方法，进一步包括搮作决策支持计划工具(100) 以在外部和内部变化以及决策元件之间集成多个建模、因子分解以用于与配置和搮作所述工业工程系统的成本和收益相关联的选项、风险和/或 回报的计算.
4. 一种用于钻探井的系统，该系统包括交互决策支持计划工具 (100)，其辅助用户在钻探井的时候如何对该井进行钻探以及如何做出钻 探决策，其中该交互决策支持计划工具被配置成模拟井钻探设备和资源 随着时间的使用情况，以支持响应于所期望的输入信息在多个钻探操作 股东之间以理想的方式分配財务风险和/或財务回报，其中这些股东合约 性持有机队资产的风险的子集.
5. 根据权利要求4的系统，其中所想要的信息选自设备故陣模式信 息(112)、当前设备状态信息(120)、预测设备使用信息(122)、计划 亊件信息(124)、决策逻辑和行为信息(126)、以及基于亊件的成本分 布信息(128).
6. 根据权利要求5的系统，其中设备故陣模式信息(112) M于 历史故障数据(108)和工程数据(110).
7. 根据权利要求5的系统，其中设备当前状态信息(120) U于原始设备条件数据(114)、先前设备使用数据(116)、以及设备修理历 史数据(118).
8. 根据权利要求5的系统，其中当前设备状态信息(120) U于 传感器数据.
9. 根据权利要求4的系统，其中交互决策支持计划工具(100)进 一步被配置成响应于所期望的输入信息，生成随机財务预测数据(104 ).
10. 根据权利要求4的系统，其中交互决策支持计划工具(100)进 一步被配置成响应于所期望的输入信息，生成随机亊件预测数据(106 ).
全文摘要
本发明涉及改善工程系统决策和转让风险的方法和系统。本发明公开了一种方法和系统以改善工业工程系统诸如油井钻探的决策和转让风险。该方法和系统分别包括交互决策支持计划工具(100)，其辅助用户关于如何选择系统将要处理的工程系统和实体的资财，诸如飞行器引擎和飞机、钻机和油藏、设备配置、设备检测、设备在线传感器、用于设备和钻探路径或资产分派和合约动机的动态操作决策，以将风险分配给处于最佳职位的股东以减少风险。该决策支持将与操作的成本相关的机队的财务风险降低到低于不使用该交互决策支持计划工具(100)时所能够达到的水平，和/或将与活动的成本相关的财务回报增加到高于不使用该交互决策支持计划工具(100)时所能够达到的水平，这样就可以在多个操作股东中以理想的方式分配该财务风险和/或财务回报。
文档编号G06Q50/00GK101393619SQ20081014972
公开日2009年3月25日 申请日期2008年9月19日 优先权日2007年9月19日
发明者B·E·奥斯博恩, C·D·约翰逊, J·阿尔肯珀, O·I·杜尔格罗格卢, O·巴西尔 申请人:通用电气公司