Как хакатоны помогают бизнесу искать таланты

И как они решают проблему цифровизации нефтегазовой отрасли
Пресс-служба «Роснефти»

В 2022 г. Россия столкнулась с массовым уходом иностранных производителей программного обеспечения (ПО). Новая реальность заставила российский бизнес разрабатывать собственные решения. По данным разработчика ПО Naumen, 76% отечественных компаний из крупного и среднего бизнеса теперь самостоятельно разрабатывают софт, писал в октябре 2022 г. журнал Forbes. Один из способов эффективно решать бизнес-задачи, одновременно привлекая новые талантливые кадры, – проводить IТ-соревнования, или хакатоны.

Цифровая независимость

«Последние несколько лет мы настойчиво и последовательно придерживаемся стратегии разработки собственного наукоемкого ПО. Это продиктовано не столько санкциями, сколько желанием обеспечить технологическую независимость российской топливно-энергетической отрасли и возможностью самостоятельного технологического развития», – говорит представитель компании «Роснефть».

Модельный бизнес

Цифровое моделирование позволяет оптимизировать работу на всех этапах нефтегазодобычи. Вот только несколько примеров.

Сейсмическое моделирование.
В перспективных регионах проводят сейсмическую разведку, отправляя в глубь земли акустические волны и ловя их отражение от различных слоев на большой глубине. Обрабатывая результаты, получают трехмерную картину (сейсмическую модель), которая позволяет определить перспективные для нефтедобычи области.
Гидродинамическое моделирование. Чтобы определить стратегию разработки месторождения, используют гидродинамическое моделирование, позволяющее предсказать поведение пластовых жидкостей, определить, где необходимо разместить скважины, выбрать режимы их работы, подобрать наиболее эффективное оборудование и технологии.
Петрофизическое моделирование. Это математическое описание объемного распределения пористости, проницаемости и флюидонасыщенности коллекторов в пределах резервуара, основанное на данных непосредственных или косвенных определений указанных физических свойств по конкретным типам горных пород.
Расчеты гидроразрыва пласта. Технология ГРП сейчас обеспечивает более половины мировой добычи нефти. Во время операции гидроразрыва в пласт под большим давлением закачивается жидкость разрыва, которая создает протяженную трещину. Для поддержания трещины в открытом состоянии после остановки закачки используют расклинивающий агент – пропант (керамические шарики определенного размера). Когда жидкость уходит в пласт, заполненная пропантом трещина обеспечивает в разы большую проводимость, а следовательно, и прирост добычи. Операция ГРП является технически сложной и требует тщательных предварительных расчетов.
Геонавигация скважин. Процесс сопровождения бурения скважины в режиме реального времени путем контроля и корректировок траектории горизонтальной части ствола. Цель – повышение эффективности бурения и, следовательно, продуктивности скважин за счет максимизации длины ствола в пределах наиболее продуктивной и насыщенной части пласта.

Источник: «Роснефть»

По собственным данным компании, доля использования российского технологического софта в ее работе составляет не менее 80%. По некоторым направлениям, например, таким, как моделирование гидроразрыва пласта (ГРП), гидродинамическое моделирование, геонавигация бурения скважин, компания полностью не зависит от иностранных цифровых решений. Большую часть ПО для «Роснефти» разрабатывает ее дочерняя структура – Научно-исследовательский и проектный институт «РН-БашНИПИнефть». Институт создает ПО, охватывающее все ключевые процессы нефтегазодобычи, включая технологии искусственного интеллекта и машинного обучения, рассказывает представитель компании.

По прогнозам Международной исследовательской компании IDC, в 2023 г. глобальный рынок искусственного интеллекта, включающий ПО, оборудование и услуги, превысит $500 млрд против $433 млрд в 2022 г. В России значимость развития этого направления закреплена в проекте «Национальная стратегия развития искусственного интеллекта до 2030 г.» (утвержден приказом президента РФ в 2019 г.).

Хакатоны как способ привлечения талантов

С 2019 г. «Роснефть» проводит IT-соревнования среди молодых специалистов, рассказали в компании.

В 2022 г. Роснефть провела «ИТ-марафон» из четырех соревнований: хакатоны вузов страны и программистов-робототехников для студентов, Rosneft Challenge I и Rosneft Challenge II для всех желающих. Мероприятия проходили очно и в онлайн-формате. В них участвовало более 2300 человек, это в 2 раза больше по сравнению с 2021 г. Причем участвовали специалисты не только из России, но и из десятка других стран. Общий призовой фонд составил 2,66 млн руб.

Хакатоны помогают привлекать высококвалифицированных специалистов к решению собственных задач компании, говорит представитель «Роснефти». «РН-БашНИПИнефть» предлагает участникам попробовать решить реальные проблемы, стоящие перед нефтяниками, с применением методов искусственного интеллекта, роботизации, современных языков программирования.

Студенты могли участвовать в хакатонах наравне с профессионалами. Участники хакатона вузов страны проводили корреляционный и кластерный анализ данных и разрабатывали программы, которые можно применить в разнообразных методах геофизических исследований скважин. На хакатоне для программистов-робототехников команды разрабатывали алгоритмы для робота-манипулятора, а также конструировали устройства для автоматического перемещения, взвешивания и фотосъемки керна в лаборатории (керн – проба горной породы, представляющая собой цилиндрический столбик, отбираемый при бурении с целью дальнейшего изучения). Задания двух самых масштабных соревнований «ИТ-марафона» – Rosneft Challenge – были связаны с оптимизацией разработки нефтяных месторождений. Решения, которые предложили победители, будут внедрены в ПО корпорации, отмечают в компании.

«Цифровая трансформация ТЭКа сегодня немыслима без искусственного интеллекта, аналитики больших данных и роботизации. Все эти направления представлены на IТ-соревнованиях, которые «Роснефть» целенаправленно и ежегодно проводит. С одной стороны, благодаря хакатонам мы повышаем интерес молодежи к современным технологиям, показываем, какой уровень компетенций сейчас необходим для решения практических задач. С другой – мы получаем от участников нестандартные, в чем-то даже уникальные решения, которые помогают нам по-новому взглянуть на собственные разработки», – говорит руководитель службы информационных технологий НК «Роснефть» Юрий Попов (цитата из пресс-релиза компании).

За четыре года проведения хакатонов работу в «РН-БашНИПИнефти» получили шесть призеров.

Программист-самоучка из Курска

Даниил Распопин учится на факультете государственного управления международных отношений Юго-Западного государственного университета г. Курска. Программирование он освоил самостоятельно, выучив пять языков.

Технологический марафон

Слово «хакатон» образовано от английских hacker (хакер) и marathon (марафон). Это командные соревнования для специалистов в сфере IT, на которых они создают продукты либо прототипы продуктов для решения конкретной проблемы заказчика. Хакатон может длиться от нескольких часов до нескольких дней. Первый хакатон провели в 1999 г. разработчики OpenBSD и Sun Microsystems. Этот подход подхватили вузы и стали проводить соревнования среди своих студентов. С середины 2000-х гг. использовать хакатоны для поиска новых идей и перспективных сотрудников начали крупные корпорации.

Участие в хакатоне «Роснефти» Распопин принял в 2022 г. По его словам, хакатон проходил в жестких временных рамках, при этом никаких вводных данных студентам заранее не дали. «Нас собрали на конференц-колл и сообщили задачу. На решение двух комплексных подзадач отвели сутки. Я провел их без сна и сделал загрузку своего последнего решения спустя 23 часа после старта хакатона», – говорит Распопин.

Перед участниками марафона было поставлено две задачи. Во-первых, нужно было для каждого сигнала геофизической разведки определить группу, к которой он относится. Во-вторых, для каждого сигнала требовалось обнаружить четыре ключевые точки, имеющие особую важность для интерпретации сигнала. Точки могут обозначать очень разные вещи: иногда – начало пласта новой породы, иногда – вход в полость или жидкость, объясняет Распопин.

«При разработке нефтяных месторождений очень важно изучить свойства горной породы, где будет производиться бурение. Это называется «сейсмическая разведка». У нее есть специфические сигналы (отражение акустических волн от слоев породы. – «Ведомости&»), на основе которых специалисты принимают решение о бурении. И мой проект решал задачу классификации этих сигналов в нескольких группах, которые сообщают специалистам определенные сведения об исследуемой породе. Алгоритм, который я разработал на основе машинного обучения, был точнее, чем у других участников хакатона: 92% против 87–88% у ближайших конкурентов», – рассказывает Распопин.

Студент создал модель машинного обучения, которая автоматически классифицирует геофизические данные. Решение может применяться для построения геологической модели и уже используется в «Роснефти». За свою разработку он получил денежный приз в размере 100 000 руб., а спустя несколько месяцев ему предложили работу в штате «РН-БашНИПИнефти». Сегодня Распопин совмещает учебу (пишет диплом) и работу в компании – он занимается аналитикой больших данных и машинным обучением.

Победа на троих

Елизавета Ковалева, Артур Габитов и Александр Спеле в командном хакатоне вузов страны в мае 2021 г. в топ-3 победителей не вошли, но выиграли в отдельной номинации «Новаторское решение». Все трое на тот момент учились в Уфимском государственном авиационном техническом университете, были знакомы между собой и решили участвовать в марафоне командой. Студенты разработали решение для обработки типовой проектной документации и преобразования ее в машиночитаемый формат при помощи машинного обучения и нейронных сетей.

/Пресс-служба «Роснефти»

Программный код студентов был использован в проекте развития корпоративной цифровой платформы инженерного документооборота «Сапсан». В этой системе консолидируется вся техническая информация корпорации, начиная с задания на проектирование и заканчивая сдачей проектно-сметной документации в архив.

После марафона всем троим предложили пройти тестовое задание, чтобы устроиться на работу в «РН-БашНИПИнефть». «Прежде чем попасть в штат, мы прошли серьезный отбор, – вспоминает Габитов. – Нашей команде дали изображение среза керна под микроскопом – это проба горной породы, представляющая собой цилиндрический столбик, отбираемый при бурении с целью дальнейшего изучения. Нам надо было определить процент пустот в этом образце. Чем больше пустот в породе, тем больше в ней может храниться нефти и газов. При этом нужно было учесть, каков характер пористости горной породы. Мы построили трехмерную модель керна и разработали специальные алгоритмы по определению пустот». По мнению Габитова, при отборе компания в первую очередь учитывала инициативность и креативное мышление студентов.

Сейчас Ковалева, Габитов и Спеле занимаются в компании решением разных задач. «Я участвую в проекте по созданию ПО для нужд сейсморазведки, – рассказывает Ковалева. – Сейсморазведка – один из ведущих методов геофизического исследования земной коры, активно применяется для поиска и изучения залежей углеводородов. Моей задачей является разработка программного модуля инверсионных преобразований сейсмических данных. Технологии сейсмической инверсии позволяют получать наиболее достоверные и качественные данные о строении изучаемых пластов нефтегазовых месторождений».

Габитов и Спеле занимаются разработкой программного комплекса для петрофизического моделирования, обработки и интерпретации данных геофизических исследований скважин.

Человек-команда

Данил Кильдияров – победитель хакатона 2021 г. На тот момент он был студентом 3-го курса Уфимского государственного авиационного технического университета.

«Это был командный хакатон, но я участвовал один, без команды, – рассказывает Кильдияров. – На соревнованиях, которые длились два дня, нужно было создать многозначный классификатор нормативных документов, чтобы после встраивания в ПО он мог служить частью умного помощника проектировщика. И это был мой первый опыт столь плотной работы с текстовыми моделями».

Суть проблемы, которую нужно было решить участникам хакатона, заключалась в следующем. Перед строительством промышленных объектов формируется пакет проектной документации, содержащей подробное описание будущего объекта. В «Роснефти» для ускорения процесса разработано множество типовых документов проектирования, проектировщику остается только найти необходимый фрагмент документа или требование, которое применимо в конкретной ситуации. Проблема в том, что документов очень много и найти именно то, что нужно, не так-то просто. Участники хакатона должны были специальным образом пометить каждый фрагмент документации и разработать умного помощника, который помогал бы проектировщику ориентироваться в этом огромном объеме данных.

После победы студента пригласили на работу в «РН-БашНИПИнефть». В компании Кильдияров занимается похожей задачей – создает умного помощника, который, исходя из текста запроса, подбирает возможные варианты решения проблемы или определяет, в какой именно отдел компании направить письмо, если подобранные варианты не удовлетворяют пользователя.

Сейчас это решение проходит этап тестирования. «То есть разработанное на хакатоне решение я довожу до конечного продукта, уже будучи сотрудником компании. Помимо этой задачи сейчас я занимаюсь созданием нейронных моделей для ускорения расчетов поверхностного благоустройства скважин», – заключает Кильдияров. &