협업을 통해 갱저압 계산을 자동화하여 시간을 절약하고 생산량을 늘린 Devon Energy와 Whitson

Devon Energy는 명실공히 북미 최고의 독립 석유 및 천연가스 회사로서 매일 약 31만 5,000배럴의 석유, 15만 배럴의 천연가스액, 10억 입방피트의 천연가스를 생산함과 동시에 혁신, 운영 효율성 및 환경 관리 측면에서도 균형있게 대응하고 있습니다.

석유와 천연가스를 수익성 있게 탐사 및 생산하는 것은 산업 전문 지식과 첨단 엔지니어링은 물론 많은 데이터가 필요한 복잡한 작업입니다. Snowflake의 오랜 고객인 Devon Energy는 Snowflake의 제조 산업 AI 데이터 클라우드를 활용하여 직원의 데이터 액세스를 민주화하고 공급업체와 협업하며 비즈니스 성과를 창출하고 있습니다.

유정은 오래될수록 탄화수소 생산량이 감소하는 경향이 있으므로 석유 및 가스 회사는 기존의 유정 성과를 최적화하는 동시에 향후 확장 계획을 수립해야 합니다. Devon Energy의 기술 관리자인 Jonathan White의 말처럼 이 사업은 “늘 시간과 시추 일정에 쫓깁니다.”

따라서 유정 생산과 자본 투자에 영향을 미치는 의사 결정에는 시기적절하고 신뢰할 수 있는 데이터가 필수적입니다. Devon Energy는 다른 솔루션으로 세 차례나 시도했으나 결국 탄력적인 규모, 동시성 및 탁월한 성능을 제공하는 Snowflake의 AI 데이터 클라우드를 선택하여 회사의 엔터프라이즈 데이터 웨어하우스 및 데이터 레이크로 사용하고 있습니다. 

Devon Energy는 또한 자사의 SAP ERP 시스템 등 30개가 넘는 소스의 데이터를 통합하여 직원들이 전사 데이터의 95%에 액세스할 수 있도록 데이터 민주화를 실현했습니다. 분석에 대한 액세스가 확대됨에 따라 팀은 이제 굴착 장비 효율부터 향후 부지 선택에 이르는 모든 사항에 대한 결정을 더욱 빠르게, 더 많은 정보에 입각하여 내릴 수 있게 되었습니다. 아울러 Snowflake Secure Data Sharing을 통해 S&P Global Commodity Insights 및 Peloton과 같은 공급업체의 데이터에 액세스하는 방법도 편리해졌습니다. 

현재 Devon Energy는 Snowflake에서 제공하는 데이터 허브를 활용하여 월 1,000명 이상의 사용자와 약 900만 개의 쿼리를 지원하고 있습니다. Devon Energy의 리드 시스템 분석가인 Clark Thomas는 “Snowflake 사용량이 크게 증가하고 있으며 그 원동력은 분석”이라고 말합니다.

데이터와 분석을 민주화하는 것은 중요한 첫 번째 단계였지만 이야기는 거기서 끝나지 않습니다. Devon Energy는 또한 데이터 허브를 활용하여 수많은 엔지니어링 작업에 필수 지표인 갱저압 계산과 같은 중요한 프로세스를 간소화합니다. 

Whitson의 PE 컨설턴트이자 미주 담당 GM인 Mathias Carlsen은 “석유 및 가스 분야의 갱저압은 인간으로 치면 공기와 같은 것입니다. 이것이 없으면 아무 것도 할 수가 없습니다.”라고 말합니다. 

Devon Energy는 Snowflake를 통해 Whitson과 자동화된 솔루션을 구축하기에 앞서, 갱저압을 계산하고 분석할 수 있는 실현 가능한 방법을 수년간 모색했습니다. 5,000개가 넘는 유정의 갱저압을 수동으로 계산해내는 것은 해결하기 어려운 문제였지만, 그렇다고 각 유정에 5만 달러짜리 물리적 센서를 설치하는 것은 초기 유정 설계 측면에서는 비경제적이었고, 이미 생산이 이루어지고 있는 유정이라면 비현실적이었습니다. 이에 Devon Energy는 Snowflake 및 Whitson과 함께 이 중요한 프로세스를 자동화함으로써 설치, 하드웨어, 가동 중단에 들어가는 상당한 비용을 들이지 않고 지속적인 성장의 토대를 마련할 수 있었습니다. 

Devon Energy는 갱저압 계산에 가장 적합한 소프트웨어로 whitson+를 선택했지만 Whitson의 협업 방식도 프로젝트의 성공에 똑같이 중요했습니다. White는 “Snowflake Secure Data Sharing을 통해 데이터를 공유할 수 없는 SaaS 제품에는 관심이 없다고 공급업체에 말한다”라고 설명합니다. “정말 멋진 과학적인 작업을 하고 있고 기꺼이 다른 방식으로 저희와 통합할 의향이 있는 공급업체를 찾아냈습니다. Whitson은 훨씬 더 많은 작업이 필요했을 API를 구축하는 대신 Snowflake를 통해 데이터를 상호 공유했습니다.”

Whitson은 자사의 물리학 기반 엔진과 디지털 트윈 기능에 사용하는 Devon Energy의 방대한 시계열 및 유정구 구성 데이터를 Snowflake Secure Data Sharing을 통해 실시간으로 액세스하고 whitson+에서 이뤄진 계산 결과는 Snowflake Secure Data Sharing을 통해 Devon Energy에 다시 공유됩니다.  

이렇듯 Devon Energy의 첫 번째 양방향 데이터 공유 사용 사례는 Whitson과의 협업을 가속화했으며, 그 결과 매일 각 유정에 실시하는 갱저압 계산이 안정적으로 이뤄질 수 있게 되었습니다. White는 말합니다. “다른 공급업체와는 그렇게 열심히 노력했는데도 안되던 일이 이렇게나 빨리 가능해지다니 믿을 수가 없었습니다. Whitson과 Snowflake의 힘을 여실히 보여주는 사례이죠.”

whitson+와 Devon Energy의 감독 제어 및 데이터 수집(SCADA) 시스템에 갱저압 계산 결과를 표시하면 성과가 저조한 유정을 생산 엔지니어가 식별할 수 있어 성과를 개선하는 데 도움이 됩니다. 저류층 엔지니어는 적시에 제공되는 갱저압 데이터를 활용하여 저류층 상태를 파악하고 새로운 유정의 위치를 결정하며 향후 확장 계획을 수립합니다. 이렇듯 갱저압 데이터 액세스 공유를 통해 두 그룹은 더욱 효과적으로 협업하고 공동의 목표를 중심으로 통합할 수 있습니다.

Whitson의 경우, Devon Energy의 저류층 엔지니어뿐 아니라 생산 엔지니어와도 협업할 수 있는 기회를 얻었고 그 결과 whitson+에 새로운 기능 세트를 구축하게 되었습니다. “이제 Whitson은 Devon Energy를 위한 일단의 기능 세트를 갖추게 되었습니다.”라고 Carlsen은 말합니다. “기본적으로 Devon Energy와 협업한 덕분에 가능했던 일이며, 그 협업이 애초에 가능했던 건 Snowflake를 통한 데이터 공유가 있었기 때문입니다.”

Whitson은 Snowflake Secure Data Sharing을 사용하여 Devon Energy외에 다른 고객사 약 12곳과도 협업하고 있으며, 앞으로도 그 기회를 늘려갈 것입니다. Carlsen은 Snowflake와의 연결성이 일부 석유 및 가스 회사에게는 일종의 ‘영업허가증’이 되어가고 있다고 말합니다. “이것은 제품이나 다름 없으며, 경쟁사와 차별화하는 데 도움이 되고 있습니다.”

앞으로 Devon Energy는 Snowflake에 저장된 통합 데이터로 점점 더 많은 AI/ML 사용 사례를 지원할 계획입니다. 예를 들어, 팀은 현재 지구 과학 AI/ML 프로젝트를 위한 로그 데이터 수집 작업을 진행 중입니다. White는 말합니다. “Snowflake에 아직 데이터가 없다면 데이터 사이언스를 위한 첫 번째 단계는 Snowflake로 데이터를 가져오는 것입니다.”

Devon Energy는 또한 Snowflake Secure Data Sharing을 통해 협업하도록 더 많은 SaaS 회사를 독려하고 있습니다. White는 “더 많은 공급업체가 Whitson과 같아져서 Snowflake를 사용하고 데이터 상호 공유에 대해 창의적으로 생각할 수 있기를 바랍니다.”라고 말합니다.