30 दिवस ते 1 पर्यंत: शेवरॉनच्या क्लाउड माइग्रेशनमध्ये वास्तविक संख्येने गुंतवणूकीवर परतावा

कृत्रिम बुद्धिमत्तेची पहिली पद्धत 150 -वर्ष -उर्जा राक्षस शेवरॉन बदलते? तांत्रिक चिकित्सक डेटाचा कसा व्यवहार करतात.

आखाती देशात परदेशात शेवरॉन खिशात आणि टाक्यांमध्ये समुद्राच्या तळापासून तेलाची संसाधने चालविते ज्यामुळे परिणाम होऊ शकतात की नाही. एजंट्सने महत्त्वपूर्ण डेटामधून पेटाबाइट्सवर प्रक्रिया करण्यास सक्षम असावे – जे केवळ ड्रिलिंगच्या स्थानाभोवती दृष्टीच प्रदान करते, परंतु मानवी जीवनावर किंवा वातावरणावर नकारात्मक परिणाम न करता – ढगात आणि काठावर हे कसे करावे.

“डेटा कृत्रिम बुद्धिमत्तेच्या सर्व प्रकरणांचा अंतिम प्रवेग आहे.” “हे असे काहीतरी आहे जे आम्ही मोठ्या प्रमाणात रूपांतरित केले.”

कृत्रिम बुद्धिमत्तेने शेवरॉन त्याच्या अवर्णनीय प्रमाणात संवाद साधण्याचा मार्ग कसा बदलला

2019 मध्ये, शेवरॉनने मायक्रोसॉफ्ट आणि ऑईलफिल्ड सर्व्हिसेस कंपनी एसएलबी सहकार्य केले आणि साधने -आधारित साधने अद्यतनित करण्यासाठी आणि एकत्रित करण्यासाठी “ट्रिपल क्राउन” नावाच्या प्रकल्पात. शेवरॉन प्रक्रियेस मदत करण्यासाठी, एकाधिक डेटा स्रोतांमधून अर्थपूर्ण दृष्टिकोन मिळविण्यासाठी या तिन्ही कंपन्यांनी एसएलबी डल्फी* एक्सप्लोरेशन अँड कॉग्निटिव्ह प्रोटेक्शन (ई अँड पी) मध्ये मूळ अझर अनुप्रयोग तयार केले आहेत. डेफे* ई आणि पी मध्ये अन्वेषण, विकास, उत्पादन आणि मध्यम वातावरण समाविष्ट आहे.

बोमन म्हणाले की जगभरातील १ countries० देशांमधील १,००० कर्मचार्‍यांसह २ billion० अब्ज डॉलर्सची शक्ती राक्षस आहे. जरी शेवरॉनकडे “रेकॉर्डच्या खूप मजबूत प्रणाली” आहेत, परंतु मोठ्या प्रमाणात नॉन -संरचित डेटा विविध स्टॉक पॉईंट्समध्ये उपस्थित होता.

त्यांनी स्पष्ट केले की शेवरॉनने काही “खरोखर महान अल्गोरिदम” बांधले जे पारंपारिकपणे लहान प्रमाणात ऑपरेट केले गेले. तथापि, त्यांची व्याप्ती वाढविण्यासाठी वाढती चालना मिळाली, कारण हे अल्गोरिदम ढगात बरेच विस्तृत आणि अधिक कार्यक्षम आहेत.

असे केल्याने, “मेक्सिकोच्या आखातीमध्ये किंवा अमेरिकेच्या आखातीमध्ये तीन मैलांवर एक वस्तुमान पाहण्याऐवजी आपण ज्या मोठ्या क्षेत्रावर काम करण्याचा प्रयत्न करतो त्याकडे आपण पाहू शकतो.”

मायक्रोसॉफ्ट-एसएसएलबी सहकार्याने तीन उत्पादनांवर लक्ष केंद्रित केले: एफडीप्लान, ड्रिलप्लान आणि ड्रिलॉप. एफडीप्लान उप -सर्फेस मॉडेल समाकलित करण्यासाठी उच्च -परफॉरमन्स कंप्यूटिंग (एचपीसी) वापरते, जटिल वातावरणात कर्मचार्‍यांना वेगवान आणि अधिक प्रबुद्ध निर्णय घेण्यास आणि सर्वोत्तम उपलब्ध डेटाचा फायदा घेण्यास परवानगी देते. उदाहरणार्थ, आखातीमध्ये, एफडीप्लान शेवरॉन टाकी विकसित करण्यासाठी वेगवेगळ्या पर्यायांचे विश्लेषण करण्यास मदत करते जेणेकरून त्याचे कार्यसंघ सर्वात परिपूर्ण परिस्थितीवर लक्ष केंद्रित करू शकतील.

दरम्यान, ड्रिलप्लान ड्रिलिंग योजना विकसित करणार्‍या अभियंत्यांसाठी डिझाइन केलेले आहे, तर वेल्स खोदणार्‍या संघांद्वारे व्यायामाचा वापर केला जातो.

पुढाकार घेण्यापूर्वी, पृष्ठभागावरील शेवरॉनच्या कर्मचार्‍यांनी डेटा शोधण्यात 75 % पर्यंत वेळ घालवला, असे बॉमन यांनी नमूद केले. “आम्ही पाहू शकतो की डेटा शोधण्यात लोक ज्या वेळेस घालवतात ते कमी होऊ लागले आणि ज्या वेगातून आपल्याला खरोखर वेग वाढतो अशा दृष्टिकोनातून वेग वाढू शकतो,” बोमन म्हणाले.

ड्रिलप्लानने शेवरॉनला खोल पाण्यात विहिरींचे औदासिन्य 30 दिवसांनी कमी करण्यास मदत केली. उदाहरणार्थ, अर्जेंटिनामध्ये कंपनीने आठ चांगल्या नियोजन अभ्यासक्रमाची वेळ दोन आठवड्यांपासून एका दिवसापेक्षा कमी केली आहे.

सरतेशेवटी, बोमनने क्लाऊड “अ रिअल पॉवर डबल” कडे जाण्याच्या हालचालीचे वर्णन केले ज्यामुळे शेवरॉनला अद्यतनाच्या नवीन टप्प्यात प्रवेश करण्यास परवानगी मिळाली.

मानक प्रणालींवर लक्ष केंद्रित करा

आता, कृत्रिम बुद्धिमत्ता समाकलित करण्याचे काम करत असताना, बोमन टीम मॉडेलवर जोरदारपणे लक्ष केंद्रित करते.

त्यांनी निदर्शनास आणून दिले की प्रथम “विचारा” हे संशोधन होते; त्यांनी एक अगदी सोपा वापर प्रदान केला आहे ज्यामुळे लोकांना “अत्यंत जटिल” कायद्याच्या कायद्यातील माहिती पुनर्प्राप्त करण्याची परवानगी मिळते. परंतु अधिकाधिक वापरकर्त्यांच्या सहभागामुळे त्यांची विनंती वाढत आहे; प्रत्युत्तरादाखल, त्याच्या कार्यसंघाने पुनर्प्राप्ती एजंट जोडला, जो एजंट जोडला जो तांत्रिक दृष्टिकोनातून आणि युक्रेकूर एजंटच्या निकालांचे मूल्यांकन करू शकतो.

ते म्हणाले: “आम्हाला खरोखरच लवकर कळले की आम्हाला युनिटवर जास्त अवलंबून राहणे आवश्यक आहे, कारण आम्हाला माहित आहे की या एजंटांना विनंतीच्या आधारे इतर वर्कफ्लो कार्यात बोलावले जाईल.”

आणखी एक प्रयत्न म्हणजे “शेवरॉन मदत”, आरोग्य, सुरक्षा आणि पर्यावरण मानक (एचएसई) वर कार्य करण्यासाठी चॅट इंटरफेस. “आम्ही अत्यंत जटिल उद्योगात काम करत आहोत आणि खेळाचे जोखीम नेहमीच जास्त असतात,” बोमन म्हणाले.

हे साधन लोकांना गंभीर मानक आणि कार्यपद्धतींशी संबंधित दस्तऐवजांशी संवाद साधण्याचा एक नैसर्गिक मार्ग प्रदान करते, जे दस्तऐवजांमधील दुवे किंवा संशोधनातून क्लिक करण्याची आवश्यकता दूर करते. म्हणूनच, उदाहरणार्थ, वापरकर्ता ड्रिलिंग स्टाफ, ऑपरेटिंग स्टाफ आणि देखभाल कर्मचार्‍यांसाठी आवश्यक असलेले सर्व निकष एकत्र करू शकतो.

“आम्हाला समजले की आम्ही एकाच वेळी या गोष्टींबद्दल एकत्रितपणे या गोष्टींबद्दल ज्या प्रकारे विचार केला त्या समस्येबद्दल आम्ही विचार करीत नाही.” “या एकत्रीकरणामध्ये बरेच मूल्य होते. लोक त्यांचे कार्य करण्याचे मार्ग खरोखरच बदलले.”

पीओसी वर बरेच लक्ष केंद्रित करत नाही

त्याचे कार्यक्रम तयार करताना, बोमन टीमने सहसा वैमानिकांच्या प्रतिज्ञेमध्ये पडणे टाळले आणि दीर्घकालीन पीओसी सिद्ध केले. “त्यात काहीच मूल्य नाही,” तो म्हणाला.

ते म्हणाले की उत्पादनाचा आशादायक वापर करणे हे नेहमीच उद्दीष्ट आहे. प्रत्येक गोष्ट शेवरॉन सारांश आणि मजबूत मूल्य ऑफरशी जोडली पाहिजे.

“आम्हाला माहित आहे की समन्वित डेटाचा संच आणि वापरकर्त्यांचा खरोखर उत्साही गट, सद्भावना आणि निर्दिष्ट केलेल्या वापरासह, पीओसी यशस्वी होईल असे अंदाजे 100 % आहेत,” बोमन म्हणाले.

पुढील पिढीच्या साधने पसरविण्यातील आणखी एक महत्त्वाचा घटक म्हणजे आत्मविश्वासाच्या अडथळ्यावर मात करणे. बदलत्या वर्तनाच्या दृष्टिकोनातून, संस्थेच्या नेत्यांनी केवळ कंपनी स्थानिक पातळीवर आणि काठावर वापरकर्त्यांवर ठेवलेल्या अपेक्षा नसून या वापरकर्त्यांनी यामधून काय अपेक्षित ठेवले पाहिजे.

ते म्हणाले: “जर आपण या प्रणाली किंवा साधने अशा प्रकारे तयार केल्या ज्यामुळे त्यांना त्यांच्या हातात ठेवतील अशा व्यक्तींना त्यांचा विश्वास नाही किंवा त्यांचा विश्वास नाही, किंवा त्यांना अडथळा आणणारी एखादी गोष्ट आपल्याला कधीही पूर्ण उत्साही प्रकाशन मिळणार नाही.”

संपादकाची टीपः आमच्या वाचकांचे आभार म्हणून आम्ही केवळ 2026-200 डॉलर्सच्या व्हीबी ट्रान्सफॉर्मसाठी प्रारंभिक पक्ष्यांची नोंदणी उघडली. हे असे स्थान आहे जेथे कृत्रिम बुद्धिमत्तेची महत्वाकांक्षा पूर्ण होते आणि आपल्याला खोलीत रहायचे आहे. आता आपले स्थान बुक करा.