您的位置：&& &
Avocet生产运行软件平台
Avocet生产运行软件平台能够使您看清、理解并实现您的生产目标。
li,.ayay,cur">
综合的生产运行平台
从海上常规油田到陆上非常规气田，Avocet突破各种屏障将油藏和生产系统统一起来。
统一环境下的资产决策支持
看清，理解并执行所有的决策——从连续监控到安全生产管理，再到方案的决策支持，例如修井作业目标选择。
将措施和模型连接在一起
Avocet平台将数据和模型在统一的环境中联合起来。可以快速地发现问题，缩短停产时间，优化生产。
现代的，可扩展的生产资产解决方案
针对所有类型的操作和工程信息，Avocet平台提供强大的，定制化的，可扩展的，并且唯一应用于您生产操作的平台系统。
智能化监测增强问题根源分析能力
基于网页的特性指标支持决策制定 — 定制所有资产需求规则。可视化所有高频数据，无论来自实时模型模拟或数值驱动分析下的动态结果。
在快速闭环决策外，提供可行的措施
作为地下和地面耦合的系统，Avocet平台提供连续的，完整可信的数据和信息。在生产工程中引入大地模型——流线工作流扩展到油藏数值模拟到油田管理。
Avocet平台增加产量
最终，Avocet平台在正确的时间提供合适的方案和措施增加产量。
满足您的目标
当涉及到生产资产，您将面临满足目标的压力。不仅是满足生产目标的需要，而且是有效配产和使用资本和资源的需要
经常情况下，您会遇到过量的数据加载，数据采集和矫正。没有经验的工程师将会面临连接不成功或者所负责的领域不同带来的挑战。解决这些问题并没有考虑他们的影响——上游和下游。因此，无意识状态下，重新做决定负面地影响了日常生产和长期的目标。
Avocet生产操作软件平台是将所有的数据集中一起的软件平台，将不同领域的数据组合中一起，可视化地工作流，以便标准化的决策支持。
获得一个清晰的，最新的生产画面
Avocet平台可以给您足够的信心达到您的生产目标。这个平台结合井操作，生产管理系统和整体工程模型于一起洞悉从过去到现在到将来的生产状态。提供动态的视觉效果——从油藏，井和管线，并且和处理设备——Avocet平台中整个油田生命周期的决策。
将生产数据和工程模型结合起来
Avocet平台直接连接应用程序，比如PIPESIM生产系统分析软件，OLGA多项流模拟器和OFM井和油藏分析软件。在单一环境中将生产数据和工程模型结合起来。通过将数据和模型的结合，我们可以科学地放心生产方面遇到的问题。Avocet平台有一个开放的接口，可以连接公司的数据库，财务和经济模型系统或者其他应用程序。
在正确的时间采取正确的行动
通过及时地提供生产问题的解决方案，Avocet平台可以帮助您主动干预日常生产并且避免未来生产中断。提供自动化和可视化环境，并且减小停产时间，确保整体的安全生产环境。
应用生产数据中心解决方案增产和开发决策(SPE 149641)
快速的筛选加密井位(SPE 122186)
在马来西亚Brownfield海上油田实施的实时生产监控和优化系统(SPE 133515)
Emper资源自动化集成数据管理系统
PEMEX用户集成资产模型改善预测模型
PEMEX集成保护生产解决方案
BrietBurn标准化油气田数据采集和产品管理系统
集成生产平台克服挑战
工程分析的集成操作软件平台
提供油田管理效率的智能化管理工具
产品宣传册
Avocet 气举优化模块(0.33 MB, PDF)
Avocet 整体资产模块(0.88 MB, PDF)
Avocet 实时监控服务应用(2.80 MB, PDF)
Avocet 生产操作平台(0.30 MB, PDF)
Avocet 工作流技术(3.20 MB, PDF)
Advisors——选择适合您的模块
认识到每个油田都不同，并有自己的特点，没有一个适应于所有油田的软件。我们有许多Acocet Advisors帮助您选择您所需要的解决方案。我们的方案解决专家与您一起解决您的需求。
无论您在海上油田关心水合物的形成，蜡的形成，监控电潜泵，还是陆上油田监控数量巨大的井，积液或者老化的管线，将会有一个Advisors专门针对您的问题进行帮助。通过应用多个Avocet样式，Avocet Advisors帮助您分析历史数据的变化趋势，执行实时监控，预测和缓解未来发生的问题，并能敏感性分析假设模型。
每个Avocet Advisors利用一个到两个Engines获取数据和措施作业的最大价值，并转变为可实施的信息。
Avocet Engines——高科技的高度集成
Avocet Engines集成一流的模拟器和应用程序，比如PIPESIM, OLGA, 和OFM软件，支持瞬态模型，工程分析和优化。通过自动化工作流的支持，可以快速地获得变化的状况和生产深层次的问题。Engines需要可靠的数据，通过单个源提供可靠的信息——Avocet内核。
Avocet Core——提供可靠的底层支持
Avocet Core提供数据的连接，储存，管理，校正和报告——能够使您看到所有的井，设备和井生命周期的完整画面。Avocet灵活的架构使您方便地连接其他数据。Avocet Core控制并累计这些信息，然后返回给Avocet Advisors，使Avocet Advisors成为您操作和战略决策的基石和源泉。
通过高级数据分析和解决方案报告精确定位生产问题和原因。
采集，校正和储存可靠的生产数据和信息——展现一个清晰和全面的生产画面。
进入生产系统。
对于人工举升系统，获得并保持最佳的生产状态。&&>&&&&>&&
一篇文章看懂：大数据框架、大数据采集平台、数据产品创建　 来源：GrowingIO　 作者：曹开彬一、数据从哪里来、应去服务谁，看完这个才知道！
对于大数据，业界有各种各样的解读，网上、微信中也流传有很多“一张图看懂大数据”的文章，但这些文章大多数都是从技术角度进行解析的。更重要的是，很多“一张图”看了之后就是一张密密麻麻充满各种Logo的图，仍然没有将大数据说清楚道明白。
长期在LinkedIn担任数据科学家、有着多年大数据实践的张溪梦给出了他自己多年经验所总结出来的一套大数据框架。张溪梦说，在这种大数据结构里，贯穿始末的不再是技术和业务，而是客户。
客户是大数据的来源也是大数据最终要服务的终点。在这套框架中，数据分析的基本框架向下延伸，最基础从Customers（用户）开始，也在用户结束。
1. 大数据框架
2.统一的大数据平台
“现在最缺乏的，是统一的大数据采集平台”
张溪梦说，“大数据、大数据，最重要的就是数据。但数据在哪里呢？这是大数据框架要搞清楚的第一个问题。”因此，张溪梦认为，在一个企业的大数据框架中，最重要的部分是大数据的原始数据采集层。
这基本包括三个层次，最外层是用户，其次是公司运营中各种会产生数据的业务应用系统（如ERP、CRM、SCM、OA等各种企业应用软件）、网站、APP、社交网络、电商平台等，在此之上是各种数据的采集平台。
有人说，大数据是石油，它深埋在地下。企业的大数据采集就相当于发现原油。它在企业中的位置非常重要，它是我们进行大数据分析、洞察的基础。它就是企业的数据资产！
张溪梦说，用户是企业大数据最重要的来源。围绕用户的一切数据是企业最为重要的数据。
现在所谓“互联网+”，其本质就是要实现与用户的连接。其实，如何才算与用户实现了连接呢？将用户相关的数据将能收集上来，并实现了管理，便是实现连接的重要表现之一。
因此，数据收集的重要方面就是用户相关数据的收集。当然，除了用户数据，与企业运营、管理相关的各种数据，政府、电商平台、社交网络等各种第三方的数据也是非常重要的大数据来源。
不管你信不信，数据就在那儿；不管你用不用，数据就在那儿！张溪梦认为，大数据已布满在企业的各个地方各个角落，“我们现在最缺乏的，不是数据，是一个统一的数据采集平台（Data Collection）.
3.从ETL到ELT
在数据采集上来之后，接下来便要对海量的数据进行所谓的抽取、转换、加载，即ETL。
“传统的数据分析认为，数据收集之后是ETL，但现在变成了ELT，未来有可能只有EL没有T，甚至到最后全部将EL结合到一起，不再有功能性的划分。”张溪梦说，这是他们在LinkedIn经过多年实践与探索之后给出的新思考。
为什么会有这种变化呢？
张溪梦介绍说，这主要是因为以前的存储、计算、传输成本都很高，数据处理要用时间来换取空间。
因此，当时的重点技术是要将原来非结构化的数据进行结构化转化，把数据压缩变小、节约存储空间，从而形成所谓的ETL模式。但很显然，这种模式存在一个无法避免的问题，即ETL过程是需要花费很多时间的。互联网时代是快鱼吃慢鱼的时代，企业需要实时了解各种数据，需要实时进行响应。费时的ETL模式显然完全不能适应当前的时代潮流。
因此，当时LinkedIn的数据科学家们提出，为了实现实时响应，可将加载和转化的顺序对调，即变成ELT。
这能大幅节约数据处理时间。据张溪梦介绍，三四年前，美国已经完全做到ELT了，中国目前才刚刚开始进入这种转变。更进一步，张溪梦认为，变成ELT之后依然有可提升空间，即不用转换，只有EL，甚至EL都将合二为一，即最终实现功能整合。
在ELT之后，便是我们经常见的DW（数据仓库）了，包括各种EDW和ODS等。大数据要在这儿完成结构化的存储、处理和分析引擎等服务。
4. 是先BI后分析，还是先分析后BI?
数据仓库之上，便到了我们经常所说的BI了。
张溪梦说，BI其实包括两个层次，即Analysis（分析）和BI，其中分析主要为对数据进行高维度分析，BI则主要提供数据透视和展现。“在大数据时代，这两个层次也有一个巨大的变化。是先BI再分析，还是先分析再BI呢？这是一个问题。”
以往的做法基本上是先BI，而后在其上进行Analysis（分析）。
目前国内绝大部分企业就是这么做的。大部分企业把BI与数据仓库中存储的数据相结合，用于报表分析、报表制作等。更重要的是，这类工作一般交由IT部门负责，使得BI变成了技术性工作。因此，现在很多企业中有大量的IT研发人员在开发报表。这种做法带来了“先BI再分析”的最大问题，即用数据的人不是做数据的人，做数据的人不是用数据的人。
张溪梦说，很多人认为报表就是分析结果，但其实不是这样的。报表越多未必就是价值越多。IT人员优势在于技术而非业务，当报表交由他们负责时，他们会侧重于做出越来越多的报表，而不管这些有什么用、谁来用。
事实上，由于报表和分析的人不懂业务，很多数据在形成报表甚至做完分析之后，却并不能满足业务人员的需求，甚至有的数据经过层层审核提交到决策者之后发现是错的！然后需要再次打回进行返工，于是乎整个的分析周期都被拖慢。
现在的先进做法是，将BI与分析进行对调，即先分析再BI，并且分析工作要由熟悉业务的数据科学家来承担。
张溪梦认为，把数据仓库的数据和分析直接结合，通过相关的分析技术和工具，直接挑选出具有商业价值的数据，之后通过BI迅速将其商业价值扩大化。这带来的好处是，用数据的人在分析数据，并且迅速地让全公司的相关人员都能够实时看到分析结果，及时进行决策。
做了这种对调之后，报表的制作量将大大减少。这样，IT人员可以不用花费大量时间研发报表，可以大大提高数据分析部门工作效率，满足当今数据分析需求的激增。
5. “输出洞察、输出决策、输出价值”
在分析、BI之后，便到了如何将数据价值发挥出来的环节。张溪梦认为，这主要包括DM（数据挖掘）、AI（人工智能）、洞察、决策、行动、价值等几个阶段。
Data Mining、AI是通过高超的技术手段，实现自动化的机器学习，从而达到在大数据分析处理之后，能够自动化地给企业的管理者、相关员工输出具有洞察力的发现，并且根据这些洞察和发现给出决策建议、行动建议，最终帮助企业实现价值，满足客户需求。
张溪梦认为，大数据框架，最终应该着眼于帮助企业为自己的客户提供价值。不能仅局限于技术本身，只有很好地实现了洞察、决策、行动，最终才能真正实现大数据的价值，达到通过大数据提升公司效率和业务增长的目的。
6. “底层频次高价值低，顶层频次低价值高”
从客户、业务系统、数据采集、数据仓库、分析、BI、DM、AI、洞察、决策、行为、价值，再最终回到客户，这构成了张溪梦眼中的不一样的大数据框架。
张溪梦说，他在实践中还发现，在这个大数据分析框架中，越贴近底层占用时间越多，而框架顶端的决策耗时却很短；从价值频率来讲，顶端低频次，高价值，底层是高频次，低价值。
因此，大数据技术的一个重要发展方向是，效率低的部分实现全方位自动化，并且实现一站式的大数据服务！
这正是张溪梦归国创办GrowingIO的重要方向。张溪梦希望，GrowingIO能成为他在大数据领域创新的载体，将国外大数据领域的最新理念、最新技术引入到中国。
关键词：存储层 EDW 数据采集平台 数据安全 产品经理 1本帖子已过去太久远了，不再提供回复功能。基于LabVIEW平台的数据采集与处理系统_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
基于LabVIEW平台的数据采集与处理系统
&&基于LabVIEW平台的数据采集与处理系统
阅读已结束，下载文档到电脑
想免费下载更多文档？
定制HR最喜欢的简历
下载文档到电脑，方便使用
还剩1页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢