HPC ในน้ำมันและก๊าซ

การวางแผนพัฒนาและการเพิ่มประสิทธิภาพต้องอาศัยการประมวลผลประสิทธิภาพสูง (HPC) ตัวอย่างเช่น แบบจำลองแหล่งกักเก็บหนึ่งที่อาจใช้เวลาหลายวันในการเรียกใช้บนคอมพิวเตอร์ส่วนบุคคล อาจสามารถทำงานได้อย่างมีประสิทธิภาพสูงขึ้นมากด้วย HPC บน AWS นอกจากนี้ ในกรณีส่วนใหญ่จะต้องใช้แบบจำลองหลายร้อยรายการต่อหนึ่งแหล่งกักเก็บ เพื่อให้สามารถประเมินการผสมผสานหลายพารามิเตอร์ได้ AWS มอบประสิทธิภาพเครือข่ายสูงซึ่งแทบไร้ขีดจำกัดให้คุณ ตลอดจนพื้นที่จัดเก็บที่รวดเร็ว หน่วยความจำ และทรัพยากรการประมวลผลเพื่อวิเคราะห์ข้อมูลปริมาณมากได้อย่างรวดเร็ว ด้วยเหตุนี้จึงสามารถลดทอนเวลาของกระบวนการตัดสินใจและปรับปรุงการจัดการแหล่งกักเก็บโดยรวมได้

AWS re:Invent 2017: การนำเข้าข้อมูลที่ขนาดการสั่นไหว

eBook เกี่ยวกับ AWS HPC ในด้านน้ำมันและก๊าซ

ส่งเสริมนวัตกรรมในด้านการสำรวจและการผลิตพลังงานด้วยการประมวลผลประสิทธิภาพสูง (HPC) บน AWS

กรณีใช้งาน

  • การประมวลผลการสั่นไหว
  • การจำลองแหล่งกักเก็บ
  • การประมวลผลการสั่นไหว
  • การประมวลผลการสั่นไหว

    AWS มอบทรัพยากรมากมายในการเรียกใช้เวิร์กโฟลว์การประมวลผลประสิทธิภาพสูง (HPC) ซึ่งอาศัยการประมวลผลอย่างหนักหน่วงเป็นที่สุด อาทิ Reverse Time Migration (RTM), Full Waveform Inversion (FWI) และ Kirchhoff Migration โดยทำงานเร็วกว่าและมีต้นทุนที่ต่ำกว่า ชุดข้อมูลสามารถแสดงภาพเป็นรูปแบบ 3 มิติบนอุปกรณ์ใดก็ได้อย่างรวดเร็ว รวมทั้งแชร์และตีความระหว่างทีมต่างๆ ตลอดจนเพิ่มประสิทธิภาพด้วยข้อมูลเมตา ปัจจัยเหล่านี้ช่วยให้บริษัทสามารถเร่งการตัดสินใจและระบุตำแหน่งที่อาจเป็นแหล่งกักเก็บได้อย่างมีประสิทธิภาพมากขึ้น

    product-page-diagram-AWS-Oil-Gas_seismic-processing
    30x30_Amazon-S3_Product-Icon

    Amazon S3

    30x30_Amazon-Snowball-Edge_Product-Icon

    Amazon Snowball

    30x30_Amazon-Glacier_Product-Icon

    Amazon Glacier

    30x30_Amazon-EC2_Product-Icon

    Amazon EC2

  • การจำลองแหล่งกักเก็บ
  • การจำลองแหล่งกักเก็บ

    การจำลองแหล่งกักเก็บเป็นเวิร์กโฟลว์ HPC แบบทำซ้ำที่สำคัญต่อการเพิ่มประสิทธิภาพการผลิตไฮโดรคาร์บอน ที่ซึ่งแต่ละการจำลองอาจต้องใช้โหนดที่เกิดพร้อมกันหลายร้อยรายการและการกำหนดค่าระบบเครือข่าย การประมวลผล และหน่วยความจำที่ไม่ซ้ำกันเพื่อให้ทำงานได้อย่างเหมาะสม AWS มอบประสิทธิภาพในการเร่งการจำลอง เพื่อให้วิศวกรสามารถทำซ้ำและปรับการใช้งานโมเดลเล็กน้อยได้รวดเร็วยิ่งขึ้น พร้อมทั้งมอบความยืดหยุ่นเพื่อรองรับการกำหนดค่า CPU และ GPU ที่ไม่ซ้ำกัน ตลอดจนขนาดและความยืดหยุ่นเพื่อรองรับเวิร์กโฟลว์การเพิ่มประสิทธิภาพที่ไม่แน่นอนอย่างการจับคู่ประวัติโดยอัตโนมัติ

    product-page-diagram-AWS-Oil-Gas_reservoir-simulation
    30x30_Amazon-S3_Product-Icon

    Amazon S3

    30x30_Amazon-EC2_Product-Icon

    Amazon EC2

    30x30_AWS-Batch_Product-Icon

    AWS Batch

กรณีศึกษาและแหล่งที่มา

eBook เกี่ยวกับ E&P ด้วย AWS HPC

เรียนรู้วิธีส่งเสริมนวัตกรรมในด้านการสำรวจและการผลิตพลังงานด้วยการประมวลผลประสิทธิภาพสูง (HPC) บน AWS

เรียนรู้เพิ่มเติม »

การประมวลผลการสั่นไหวบน AWS ด้วย Hess

AWS re:Invent 2017: การนำเข้าข้อมูลที่ขนาดการสั่นไหว

พร้อมที่จะเริ่มสัมผัสประสบการณ์ AWS ของคุณหรือยัง

บริษัทชั้นนำในอุตสาหกรรมด้านน้ำมันและก๊าซต่างก็ใช้ AWS ติดต่อผู้เชี่ยวชาญของเราและเริ่มต้นเส้นทาง AWS Cloud ของเราวันนี้