본문으로 건너뛰기
Databricks Blog조회 1

Databricks Genie Research Agent를 활용한 시추 운영 지능화 및 비가동 시간(NPT) 감축

Databricks Genie Research Agent는 파편화된 시추 데이터를 통합하여 자연어 기반의 다단계 추론으로 비가동 시간(NPT)의 근본 원인을 분석하고 최적화 전략을 제시한다.

섹션별 상세

01
시추 운영 데이터의 통합과 민주화를 위해 Databricks Data Intelligence Platform을 기반으로 OSDU, IoT, ERP 데이터를 단일 레이크하우스로 결합한다. 기존에는 지하 지질 데이터와 지상 장비 운영 데이터가 분리되어 있어 상관관계 분석이 어려웠으나, 메달리온 아키텍처를 통해 정제된 데이터를 통합 관리함으로써 모든 팀이 동일한 진실 공급원을 공유한다.
02
Genie Research Agent는 단순한 SQL 쿼리 실행을 넘어 다단계 추론과 가설 테스트 기능을 수행한다. 운영자가 자연어로 질문하면 에이전트는 연구 계획을 수립하고, 여러 개의 쿼리를 실행하여 결과를 합성하며, 지질 조건과 장비 알람 간의 상관관계를 스스로 찾아내어 서술형 답변과 시각화 자료를 제공한다.
Genie Research Agent가 시추 함대의 NPT 추세를 분석하는 화면이다.
Screenshot2025년 6월부터 8월까지의 일별 NPT 비율 변동을 그래프로 보여주며, 평균 NPT가 6.76%로 안정적임을 나타낸다. 우측 사이드바에는 에이전트가 이 결론을 도출하기 위해 수행한 다단계 분석 단계들이 나열되어 있다.
03
DeepCore Energy의 사례 연구를 통해 118개 웰의 NPT 현황을 분석한 결과, 장비 이슈가 전체 비가동 시간의 47.5%를 차지함을 확인했다. 특히 진흙 펌프의 잦은 고장 원인이 Travis Peak 지질층의 높은 공극 압력과 마모성 지질 특성 때문임을 밝혀냈으며, 이는 기존 수동 분석으로는 수주가 걸리던 작업이다.
펌프 구성 요소별 고장 모드를 분석한 막대 그래프이다.
Chart펌프 A와 B에서 발생하는 고장 원인을 라이너 마모, 씰 누수, 토크 이상, 전기적 문제 등으로 분류하여 시각화했다. 라이너 마모가 가장 지배적인 고장 원인임을 직관적으로 보여주며 근본 원인 분석의 근거가 된다.
Travis Peak 지질층의 유체 손실률 분포를 나타낸 도넛 차트이다.
Chart특정 지질층에서 발생하는 유체 손실 이벤트의 심각도를 시간당 배럴(bbl/hr) 단위로 구분하여 보여준다. 68%의 이벤트가 7 bbl/hr를 초과하여 상당한 비용과 시간을 소모하고 있음을 증명한다.
04
분석 결과를 바탕으로 구체적인 NPT 감축 액션 플랜을 제시한다. 펌프 라이너 교체 주기를 기존 244시간에서 200시간으로 조정하는 등의 예방적 유지보수 프로그램을 통해 64-91일의 가동 용량을 회복하고, 연간 160만 달러에서 270만 달러의 비용 절감 효과를 기대할 수 있다.
NPT 감축을 위한 구체적인 권장 조치와 예상 절감액을 보여주는 화면이다.
Screenshot예방적 유지보수 프로그램 도입을 통해 2,550만 달러의 잠재적 절감 효과를 제시한다. 펌프 라이너 교체 주기를 200시간으로 설정하는 등 구체적인 실행 지침과 그에 따른 가동 중단 시간 감소 수치를 포함한다.

용어 해설

비가동 시간(NPT)
Non-Productive Time의 약자로, 시추 작업 중 장비 고장이나 지질학적 문제로 인해 계획되지 않은 작업 중단이 발생하는 시간을 의미한다. 시추 산업에서 NPT는 수백만 달러의 비용 손실을 초래하는 핵심 지표이며, 이를 줄이는 것이 운영 효율성의 핵심이다.
오픈 서브서피스 데이터 유니버스(OSDU)
에너지 산업을 위한 오픈 소스 클라우드 기반 데이터 플랫폼 표준이다. 지질학적 데이터, 웰 로그, 탄성파 데이터 등 지하 자원과 관련된 방대한 데이터를 통합 관리하여 데이터 사일로를 제거하고 분석 효율성을 높이는 데 사용된다.
메달리온 아키텍처(Medallion Architecture)
데이터 레이크하우스 내에서 데이터를 Bronze(원시), Silver(정제), Gold(비즈니스 수준)의 세 단계로 논리적으로 조직화하는 설계 패턴이다. 데이터의 품질을 단계별로 개선하여 분석 및 머신러닝 모델에 신뢰할 수 있는 데이터를 제공하는 구조를 구축한다.
평균 고장 간격(MTBF)
Mean Time Between Failures의 약자로, 수리 가능한 시스템이나 장비가 고장 사이의 평균적으로 가동되는 시간을 나타내는 신뢰성 지표이다. 시추 장비의 유지보수 주기를 최적화하고 예방적 정비 전략을 수립하는 데 중요한 수치로 활용된다.

기술

  • Databricks Genie
  • Genie Research Agent
  • OSDU
  • IoT
  • ERP
  • Lakeflow

활용 사례

  • 시추 비가동 시간(NPT) 분석 및 감축
  • 장비 고장 근본 원인 분석(RCA)
  • 지질 특성 기반 유지보수 최적화
  • 전사적 운영 지표 통합 모니터링

언급된 리소스

AI 분석 전체 내용 보기

AI 요약 · 북마크 · 개인 피드 설정 — 무료

출처 · 인용 안내

원문 발행 2026. 03. 17.수집 2026. 03. 17.출처 타입 RSS

인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.