2024 年 11 月的 DROPS Wells Forum 展示了人工智能在钻井领域防坠落措施方面的突破性进展。其中，KCA Deutag 的报告尤为亮眼，聚焦其与 Shell Oman 联合开发的 FX-RZS（红区监管）系统——一套用于提升受限区域作业安全的 AI 辅助方案。本次论坛还提出了「DROPS GPT」的构想，即一个专门基于 DROPS 推荐做法训练的 ChatGPT 模型，旨在彻底改变获取 DROPS 推荐做法的方式，为防坠落领域的知识共享、培训和决策提供无可比拟的支持。

KCA Deutag 的 AI 辅助红区监控

会上深入介绍了 FX-RZS（红区监管）系统，该系统运用人工智能监控和管理钻井环境中的危险区域，以提升安全水平。报告涵盖了系统的开发过程、技术细节、运行成效和未来规划。

Holger Egbers 将 FX-RZS 介绍为陆上和海上钻井作业安全领域的一项突破性方案。该系统采用 AI 驱动的目标检测来监控红区，并依据设备活动或压力水平等作业数据动态调整边界。其关键功能包括通过交通灯式界面发出实时告警，以及与既有钻机系统的集成，从而提供重要的安全与管控层级。该界面清晰传达安全状况：常亮红灯表示存在实时危险，闪烁灯光表示检测到人员，绿灯表示状态安全。

Egbers 强调了系统性能随时间的改善。最初实施阶段记录到的闯入时长平均为每小时 48 分钟，经改进后降至 26 分钟。这一降幅得益于更好的分析能力、界面调整，以及作业者意识的提升。报告展示了详尽的数据分析如何识别区域闯入的趋势，并指导流程改进以缓解风险。

报告也指出了实施 FX-RZS 所面临的挑战，例如需要持续训练 AI 算法以识别各类物体并应对复杂场景。尽管存在这些挑战，该系统通过减少人员暴露于危险之中，增添了一道关键的安全防线，与 Shell 的高空落物预防指南形成互补。

未来的开发方向包括用于预测性预警的进阶实时数据分析、面向更多作业场景的系统集成扩展，以及更完善的人工干预功能。与会者认可 FX-RZS 有望变革钻井环境中的安全管理，并一致认为需要持续协作以完善和拓展其功能。

来自 Shell Oman 的 Yahya Al Rubaiai 分享了他的观点，他曾在现场跟踪该系统的实施情况。

可在此下载报告 KCAD_FXC_RZS_DROPS Forum_112024

DROPS GPT

在本次论坛上，我们还探讨了打造一个专门基于 DROPS 推荐做法训练的 ChatGPT 的可能性。这样一个「DROPS GPT」可为 DROPS Asia 分会会员以及更广泛的防坠落社群带来诸多益处。以下是一些可能的优势：

1. 即时获取专业知识

会员可就防坠落相关的最佳实践、政策和建议提问，并获得准确、贴合语境的回答。
无需再手动翻查文件或培训材料，既节省时间又提升可及性。

2. 信息的一致性

确保所有会员和利益相关方都与最新的 DROPS 指南和建议保持一致。
降低对安全程序或要求产生误解或沟通失误的风险。

3. 强化培训支持

主持人可在培训中使用该 ChatGPT 模型提供实时解答和澄清，从而改善学习体验。
与模型的互动有助于加强学员的知识保留。

4. 可扩展性与可及性

可同时支持大量用户，非常适合会员分布于不同时区的全球性业务。
提供 7×24 小时可用性，确保会员即便身处偏远地区也能随时获得协助。

5. 改进决策

依据既有实践和证据提供指导，帮助会员迅速作出有依据的决策。
减少反复斟酌或查阅多方资料所花费的时间，在关键作业期间尤为重要。

6. 支持多语种用户

若配置为支持多种语言，该模型可帮助非英语母语者更有效地理解和落实 DROPS 指南。

7. 针对特定需求的定制

该模型可应对 DROPS 社群中不同公司或项目所面临的独特挑战。
会员可就检验、风险评估或工具选型等具体场景获得量身定制的建议。

8. 知识保留与更新

作为 DROPS 知识的集中存储库，即便组织内人员更替也能留存专业经验。
可随行业发展补充新的实践或见解，确保持续切合实际。

9. 经济高效的知识共享

该模型可解答常规问题，减少大量人工支持的需要，让人力资源投入更具战略性的工作。
通过提供知识传播的虚拟助手，降低差旅和培训成本。

10. 与其他工具的集成

可集成至 DROPS Metaverse 或其他培训与安全管理体系等既有平台，以提升用户体验。
为虚拟和线下环境增添一层互动性。

总之，一个基于 DROPS 推荐做法训练的 ChatGPT，将成为提升关键安全指南可及性、理解度和应用水平的有力工具，最终有助于营造更安全的作业环境和更高效的运营。如果您愿意参与开发这一 Chat GPT 的工作组，请联系 DROPS Asia 分会秘书 Joachim van der Meulen