De store datasettene vil brukes sammen med matematikk og statistikk for å videreutvikle dagens teknologier inn i en fremtid med såkalt hybrid dataanalyse. Dette vil forbedre overvåkning og optimalisering av produksjon, samt bidra til mer effektiv planlegging av nye rørledninger.
Følgende prosjektelementer ansees som nye, og de representerer derfor viktige fremskritt:
- Et rammeverk for maskinlæring til monitorering og prediksjon av rørstrøm, og automatisert klassifisering av strømningsregime.
- En generell og objektiv metode for å kvantifisere ytelse og kvalitet for rørstrømnings modeller som adresserer viktige mangler ved bruk av tradisjonelle metoder.
- Et stokastisk og virtuelt strømningsmeter som kan bestemme strømningsrater med assosierte usikkerheter i produksjonssystemer.
Hvordan kan denne aktiviteten påvirke klimaendringer positivt? For det første vil den redusere behovet for vedlikehold og boring av nye brønner i pågående produksjon. For det andre vil den redusere subjektivitet, data prosesseringstid og usikkerhet i dagens simuleringer. Dette vil bety lavere investeringer og operasjonelle kostnader, kortere tid for igangsetting av de nye brønner og akselerert produksjon. Disse faktorene vil alle bidra til lavere utslipp av klimagasser.
Prosjektet legger stor vekt på utdanning og kunnskapsoverføring. NTNU-studenter på BSc-, MSc- og PhD-nivå blir tilbudt utdanning gjennom ordinære fag. I tillegg vil en post.doc. student arbeide på tvers av arbeidspakkene i prosjektet. Prosjektdeltagerne vil bli invitert til å gi gjesteforelesninger arrangert av NTNU som er åpne for hele befolkningen. Webinarer vil bli gjennomført jevnlig, og den relativt nye formen for massivt åpent nettbasert kurs (MOOC) vil bli benyttet.
De utførende forskningspartnerne SINTEF, IFE og NTNU fortsetter sitt langvarige samarbeid for å møte de ambisiøse nasjonale målene for den norske olje- og gass-sektoren. MultiFlow SUITE er et kompetansebyggende prosjekt finansiert av Norges Forskningsråd (prosjekt nr. 326711), Neptune Energy, Schlumberger, LedaFlow, TechnipFMC og ESSS North America.
