O ângulo da AI na solução do desafio de emissões de petróleo e gás

The global oil and gas (O&G) industry has a big problem: it is responsible, either directly or indirectly, for close to half of all global greenhouse gas (GHG) emissions. As the impact of global warming becomes all too apparent, pressure is mounting rapidly—from Investidores ativistas , reguladores, funcionários e sociedade como um todo - para que a indústria mude seus caminhos. Este ano, a organização rejeitou quase cinco vezes mais - incluindo uma grande empresa de O&G. Um tribunal na Holanda ordenou recentemente um O&G major para reduzir suas emissões mais duras e mais rápidas que o planejado. E em alguns locais, fazer reduções significativas de emissões está se tornando um requisito para manter uma licença para operar. (Veja o Anexo 1.) No entanto, a maioria não conseguiu reduzir significativamente o escopo 1 e as emissões 2 pelas quais são responsáveis. E poucos foram capazes de calcular com precisão a quantidade de escopo 3 emissões geradas pelos clientes - apenas letra que faça avanços significativos para reduzi -los também. emissões indiretas. Para isso, as empresas precisarão identificar e medir suas emissões com a maior precisão possível, determinar os meios ideais para diminuí -las, executar a redução e, em seguida, fornecer uma contabilidade completa e precisa de seus esforços de descarbonização.

Last year, for example, BlackRock, the world’s largest fund manager, rejected 55 board directors of companies that failed to act on climate issues. This year, the organization rejected almost five times as many—including a major O&G company. A court in the Netherlands recently ordered an O&G major to slash its emissions harder and faster than planned. And in some locations, making significant emissions reductions is becoming a requirement to hold a license to operate.

O&G companies can pull six levers to reduce their carbon footprints. (See Exhibit 1.) Nevertheless, most have not succeeded in significantly reducing the scope 1 and scope 2 emissions for which they are responsible. And few have been able to accurately calculate the amount of scope 3 emissions generated by customers—let alone make significant strides to reduce them as well.

1 / 1

By fully integrating these levers into all their operations, however, O&G companies can indeed effectively reduce their direct and indirect emissions. To do so, companies will need to identify and measure their emissions as accurately as possible, determine the optimal means for abating them, execute the abatement, and then provide a full and accurate accounting of their decarbonization efforts.

That’s where digitization—in the form of new tools using análise avançada , Assim, Inteligência Artificial (Ai) e o aprendizado de máquina - compara. Essas ferramentas ajudam as empresas a descobrir as etapas mais rápidas e eficazes a serem tomadas ao longo do caminho para a descarbonização e fornecem orientações para a execução dessas etapas. Eis como eles funcionam. (Consulte Anexo 2.) Dada a magnitude das emissões do setor, no entanto, simplesmente diversificar em alternativas de energia de baixo carbono não será suficiente para reduzir as emissões a níveis aceitáveis. Iniciativas de eficiência-o caminho mais rápido e muitas vezes mais baixo para a descarbonização. Mas poucas empresas criaram metas para reduzir as emissões do Scope 3 ou são criadas para enfrentar o desafio de entender sua extensão e como descarbonizá -las. Sem visibilidade das emissões do Escopo 3, as empresas não poderão se comunicar, se comprometer ou entregar suas ambições climáticas.

The Context

The O&G industry is responsible for 10% of global GHG emissions through its direct scope 1 emissions from operations and another 31% through its indirect scope 2 and scope 3 emissions. (See Exhibit 2.) Given the magnitude of the industry’s emissions, however, simply diversifying into low-carbon energy alternatives will not be sufficient to reduce emissions to acceptable levels.

1 / 1

Companies themselves can decrease scope 1 and scope 2 emissions through operational and energy efficiency initiatives—the fastest, and often lowest-cost, pathway to decarbonization.

Scope 3 emissions must also be significantly limited if the industry is to make a real dent in the world’s overall carbon emissions. But few companies have created targets for reducing scope 3 emissions or are set up to tackle the challenge of understanding their extent and how to decarbonize them. Without visibility into scope 3 emissions, companies will be unable to communicate, commit to, or deliver on their climate ambitions.

Crachando o código climático

O&G companies looking to take the next step in their decarbonization efforts, optimize their operations in light of their abatement goals, and provide full visibility into both their direct and indirect emissions must integrate digitally enabled analytics into their DNA. These tools, along with AI e aprendizado de máquina , pode ajudar as empresas a identificar as fontes e direcionadores de emissões (suas próprias, bem como as de fornecedores e clientes), reduzir o consumo de energia e otimizar a eficiência energética de suas próprias operações.

Excepcionou esse esforço um operador de O&G, por exemplo, identificar maneiras de diminuir 500 milhões de toneladas de escopo 1 e escopo 2 co ₂ emissões equivalentes, constituindo 30% de suas emissões totais. Desse total, 15% podem ser diminuídos economicamente por meio de melhorias na eficiência operacional e energética, 60% através de uma mudança para equipamentos e fontes de energia e calor de baixo carbono e 5% através de menos emissões de queima, ventilação e fugitivo. A Companhia também ganhou maior visibilidade nas compensações nas iniciativas de redução. Criado através da coleta e análise de dados operacionais em tempo real e dados no nível da transação de fornecedores e clientes, a linha de base ajuda as empresas a identificar os fatores de intensidade de emissões e descobrir iniciativas de redução. Quantificar, diminuir e monitorar as emissões de metano, no entanto, é um problema particularmente complicado. As ferramentas digitais podem ajudar as empresas a fazer um progresso considerável nessa área. (Consulte “Cuidando do metano.”)

The process of full data integration must begin with the development of a precise, credible, and high-quality baseline of GHG emissions. Created through the collection and analysis of both real-time operational data and transaction-level data from suppliers and customers, the baseline helps companies identify the drivers of emissions intensity and uncover abatement initiatives. Quantifying, abating, and monitoring methane emissions, however, is a particularly tricky problem. Digital tools can help companies make considerable progress in this area. (See “Minding the Methane.”)

A linha de base permite que as empresas otimizem seus esforços de redução ao longo de suas operações e atividades comerciais. A otimização é um processo extremamente complexo, especialmente para operadores grandes e integrados, que devem procurar otimizar todos os ativos em toda a empresa - exigindo potencialmente, por exemplo, mudanças significativas nas operações e manutenção, desenvolvimento de campo, governança e contabilidade financeira. E então, é claro, tudo isso deve ser colocado em prática globalmente. Ele pode ajudar as empresas a reunir diversas fontes de dados - geralmente residentes em silos de dados e exigindo análises e reconciliação adicionais - e depois aplicar algoritmos avançados para estimar mais precisamente os níveis de emissões, otimizar as operações para reduzi -las e monitorar o progresso. Simulando e quantificando o impacto potencial de iniciativas específicas de redução-tudo ao levar em consideração restrições específicas de ativos, impactos financeiros e requisitos e restrições regulatórias.

AI on the Road to Abatement

The role of AI in the abatement journey is becoming critical. It can help companies bring together diverse data sources—often residing in data silos and requiring further analysis and reconciliation—and then apply advanced algorithms to more precisely estimate emissions levels, optimize operations to reduce them, and monitor progress.

Key to the process is, first, to use AI to build the emissions baseline across all three scopes and then to identify the highest value abatement initiatives by simulating and quantifying the potential impact of specific abatement initiatives—all while taking into account asset-specific constraints, financial impacts, and regulatory requirements and constraints.

AI tools can then suggest an optimal strategy for reducing emissions, which companies can use to build an Roteiro acionável de redução de emissões para cada ativo. Por fim, o roteiro deve levar em consideração prioridades específicas de ativos, iniciativas em todo o portfólio e restrições organizacionais. A otimização do processo orientada por IA pode gerar as reduções de emissões desejadas em tempo real, gerenciando emissões de ativos e monitorando-as diretamente. As opções já estão disponíveis, por exemplo, para otimizar a eficiência energética em uma fábrica de processamento, refinaria ou plataforma offshore. (Consulte "Uma combinação vencedora".).

Then it’s time to put the roadmap into practice. AI-driven process optimization can generate the desired emissions reductions in real time, managing asset emissions and directly monitoring them. Options are already available, for example, to optimize energy efficiency at a processing plant, refinery, or offshore platform. (See “A Winning Combination.”).

Opções para gerenciar o uso de energia nos estágios anteriores da produção a montante também estão disponíveis. (Consulte “Em busca de tempo perdido.”) Além disso, o roteiro fornece os meios para monitorar o progresso na redução de emissões entre os ativos e todo o programa de redução. Um desafio importante para as empresas de exploração e produção a montante é gerenciar seu uso de energia e tempo em atividades de perfuração.

O SCOPE 3 Desafio

Tão crítico quanto para reduzir as emissões do escopo 1 e do escopo 2, a difícil verdade é que, para a maioria das empresas de O&G, as emissões do escopo 3 podem representar 90% ou mais de suas emissões totais. Além disso, a construção de uma linha de base de emissões confiáveis, de alta qualidade e granular 3 emissões e, em seguida, trabalhar com fornecedores e clientes para diminuir suas emissões, é um problema analítico extremamente complexo. No entanto, a crescente pressão para diminuir as emissões de GEE é forçar os operadores - especialmente os grandes, dadas suas enormes pegadas de carbono - a buscar soluções com urgência. As empresas normalmente dependem de estimativas de emissões de dados relatados por fornecedores, bem como estimativas de padrões de consumo do usuário final. Mas a qualidade dos dados tende a ser ruim, e as empresas geralmente não têm capacidade e recursos para desenvolver um verdadeiro entendimento de seu escopo 3 pegadas. Além disso, não existem padrões de setor definidos para medir e relatar as emissões do escopo 3, dificultando a comparação de pegadas de emissões do escopo 3 entre os operadores ou para definir metas de emissões com base em benchmarks competitivos.

As oil and gas move through the supply chain, to refiners and final markets and combustion points, the resulting emissions become notoriously hard to measure. Companies typically rely on estimates of emissions from data reported by suppliers as well as estimates of end-user consumption patterns. But data quality tends to be poor, and companies often do not have the capability and resources to develop a true understanding of their scope 3 footprints. Moreover, there are no set industry standards for measuring and reporting on scope 3 emissions, making it difficult to compare scope 3 emissions footprints across operators or to set emissions targets on the basis of competitive benchmarks.

A complexidade de estabelecer uma linha de base para as emissões do Scope 3 torna essencial usar ferramentas baseadas em IA. Essas ferramentas podem modelar toda a cadeia de valor de O&G-desde exploração e produção até refinar à distribuição e, finalmente, ao uso do cliente-em um nível muito granular.

Localização do poço, por exemplo, determinará em parte a extensão das emissões do escopo 3 produzidas por fornecedores e refinarias à medida que o petróleo ou gás é distribuído para refinarias e dutos a jusante. Mais a jusante, o modelo pode seguir a produção de emissões do Scope 3 a partir do transporte de produto acabado por canal e pelo cliente usando dados no nível da transação dos sistemas de negócios. A pegada de emissões no ponto de consumo pode até ser estimada modelando padrões de consumo de combustível entre geografias e indústrias. As empresas estão usando várias alavancas para reduzir a intensidade do escopo 3 emissões. Isso inclui métodos para reduzir as emissões líquidas totais-como captura de carbono baseada na natureza, seqüestro industrial e compensações de carbono-junto a parcerias e alianças comerciais em toda a cadeia de valor para promover a redução direta das emissões do escopo 3. Mais reduções de escopo 3 podem ser obtidas através da otimização do portfólio de ativos. Conta Três considerações principais em toda a cadeia de valor de redução.

With this baseline data in hand, companies can then use additional AI tools to work with suppliers and customers to assess the impact of specific decarbonization levers. Companies are using several levers to reduce their scope 3 emissions intensity. These include methods of reducing total net emissions—such as nature-based carbon capture, industrial sequestration, and carbon offsets—along with commercial partnerships and alliances across the value chain to promote direct reduction of scope 3 emissions. Further scope 3 reductions can be gained through asset portfolio optimization.

In short, the sheer amount of scope 3 emissions for which every O&G company is responsible makes it incumbent on them to turn to such tools as the basis for any abatement program.

Next Steps

O&G companies looking to jump-start their decarbonization efforts will need to take into account three key considerations across the abatement value chain.

Baselining. Certifique-se de que o processo de base cobre toda a gama de operações atuais em todos os ativos e em toda a cadeia de valor, incluindo fornecedores e clientes, e que leve em consideração as previsões de produção, informações sobre datas de cessação de produção e oportunidades de crescimento. E não deixe que o processo de base sobrecarregue o esforço real de redução. All too often, companies’ baselining efforts focus largely on emissions forecasting across scopes 1 and 2 in the context of compliance. Make sure the baselining process covers the full range of current operations across all assets and the entire value chain, including suppliers and customers, and that it takes into account production forecasts, information on cessation-of-production dates, and growth opportunities. And don’t let the baselining process overwhelm the actual abatement effort.

Redução. No entanto, certifique-se de que os esforços de redução permaneçam focados em encontrar cenários em que todos saem ganhos que levam em consideração as melhorias na produção e a vida esperada dos ativos de produção. As iniciativas de redução devem ser economicamente sólidas e capazes de ser realizadas rapidamente. The financial viability of abatement initiatives is rarely a barrier, especially in regions with high carbon prices or strong abatement incentives. Nevertheless, make sure that abatement efforts remain focused on finding win-win scenarios that take into account production improvements and the expected life of production assets. Abatement initiatives must be both economically sound and able to be carried out rapidly.

Governance and Change Management. With attention focused on new business opportunities, many companies struggle to properly manage their decarbonization efforts, link them clearly to overall strategy, and effectively mobilize their asset teams. Integração de ferramentas de redução digital Na arquitetura geral de dados, é essencial para criar uma única fonte de verdade para dados financeiros e de produção, bem como descarbonização. Isso, por sua vez, pode servir como base para o programa de gerenciamento de mudanças necessário para adaptar o modelo operacional da empresa e instituir as mudanças culturais e novas formas de trabalho necessárias para permitir a tomada de decisão mais rápida e a rápida e efetiva redução de carbono. As ferramentas e técnicas de IA e aprendizado de máquina, portanto, devem se tornar centrais para a estratégia de todas as empresas do setor que buscam diminuir suas emissões de GEE em todos os aspectos. O enorme número de variáveis ​​envolvidas no estabelecimento de linhas de base de emissões, otimizar as operações e os relatórios com precisão podem ser tratados apenas com a ajuda desses recursos digitais. Seu valor para a indústria de O&G em seus esforços para combater o aquecimento global é incalculável. Os clientes da O&G que trabalham para reduzir suas próprias emissões de escopo 2, por exemplo, provavelmente recorrerão a fornecedores de petróleo e gás que podem demonstrar sucesso na redução. As tecnologias que lhes permitem fazê-lo criarão uma ganha-ganha para todos os envolvidos-não mencionar o benefício do planeta como um todo.

The Abatement Advantage

Emissions abatement is fast becoming table stakes for O&G companies. The tools and techniques of AI and machine learning, therefore, must become central to the strategy of all companies in the industry looking to abate their GHG emissions across the board. The enormous number of variables involved in establishing emissions baselines, optimizing operations, and reporting accurately can be handled only with the help of these digital capabilities. Their value to the O&G industry in its efforts to combat global warming is incalculable.

Ultimately, far-sighted O&G players will also come to see emissions abatement as a competitive advantage. O&G customers working to reduce their own scope 2 emissions, for example, will likely turn to suppliers of oil and gas that can demonstrate abatement success. Technologies that enable them to do so will create a win-win for all concerned—not to mention benefit the planet as a whole.

Os autores gostariam de agradecer a Marie-Hélne Ben Samoun, Ferrante Benvenuti, Brendan Boyle, Thomas Giraud, Olivier Kahn, Prashant Mehrotra e Ramya Sethurathinam para suas contribuições para este artigo. Mike Lyons