勘探开发数据质量控制研究

2015-07-05张晓燕

中国管理信息化 2015年19期

关键词：文档勘探数据库

张晓燕

（华北油田数据中心，河北任丘 062552）

勘探开发数据质量控制研究

张晓燕

（华北油田数据中心，河北任丘 062552）

在社会经济快速发展背景下，逐渐有更多新型技术与设备被应用到勘探工作中，并且取得了一定的成果。就勘探行业发展现状来看，计算机技术与网络技术的应用，对实现工作的信息化具有重要意义，尤其是对于勘探数据的分析、管理与应用，可以获得更高的质量。为提高勘探开发数据质量控制效果，需要从现有的基础上来选择相应的措施进行管理，对存在的不足进行优化完善，制定完整数据质量控制标准体系，文章就此方面进行了简要的分析。

勘探开发；数据标准；质量控制

近年来为满足社会经济发展需求，勘探行业中逐渐有更多新型技术被应用，实现了信息化发展，逐渐涌现出更多数字油田、数据中心等大型项目。但是从实际情况来看，在投资后并没有取得预计的效果，主要是因为勘探专业涉及内容众多，各专业之间相互联系，系统性强在管理与实施上难度比较大。以提高勘探开发数据质量控制效果为目的，需要从专业角度分析，确定研究分析要点，采取合理的措施进行优化，建立完善数据标准体系，降低各项因素的影响。

1 勘探开发数据分析

1.1 勘探开发数据标准

在对标准结构进行设计时，可以从应用方面出发，结合行业业务流程，将符合要求的数据录入数据库。并且做好与现有数据库联系，提高勘探开发数据管理与应用效率。在建立勘探开发数据标准时，需要综合分析源头数据、物探、钻井、路径、测井等甲乙方源头数据，按照专业要求来对所有数据进行整合集成，最终形成统一的源头数据标准［1］。

1.2 勘探开发源头数据管理体系

对勘探开发数据进行质量控制，需要针对源头数据建立管理体系，建立配套的软件支持系统，争取可以及时将各项数据及时全面的录入数据库内。以数据标准为依据建设相应数据库，完成数据的统一管理。其中对于不同专业与部门数据的实际需求，还应建立统一的数据授权应用方案，并通过对授权工具的进一步开发，来达到数据共享的目的。需要对钻井、录井、试油、测试、测井、综合研究所有内容数据进行综合分析，分析各业务流程对应的源头数据项，以及不同专业业务流程间数据项关系，对各专业业务数据进行分析，确定不同专业数据的联系，通过分析来完成专业业务流程的描述，提高数据质量控制的规范性，真正达到勘探开发专业敬数据一体化管理目的［2］。

2 勘探开发数据质量控制设计方案

勘探开发数据质量控制体系设计方案在很大程度上决定了下数据最终管理与应用质量，因此需要加强此方面的重视。方案设计应以提高数据流程控制效果为目的，对数据需求分析、数据设计、数据质量控制文档等进行分析，针对不同的环节来建立相应的内容。其中系统设计应在数据库建设之前进行，应针对数据库建设现状存在的不足进行重点分析，尤其是要做好对需求分析设计方面的研究，争取形成完整的质量控制文档。

为确保系统建设效果，需要在正式建立数据库之前，做好相应数据的调研工作，对企业各项业务发展对数据需求进行系统考察，并且要做好对未来需求趋势的估算，以此作为基础来提高数据设计的灵活性，降低各类质量问题的产生。其中，数据质量文档内容要完整，主要包括数据采集、录入、审核、汇总、传输以及应用等，确保所有流程均能够正常展开，能够实现对数据一致性、准确性以及完整性控制文档［3］。对于数据质量文档的建设，尤其要做好对文档质量的控制，如果数据需求分析设计并未全部完成，而且未形成完整数据质量控制文档的情况下，不能进行数据的录入，以此来确保勘探开发数据质量控制效果。

3 不同数据类型质量检验控制方案设计

对数据进行质量检验，可以说是勘探开发数据质量控制的一个重要途径，对确保数据质量具有重要意义。一方面，应建立完善数据反馈机制。即加强对数据质量检验的重视，针对质量检验工作来建立相应的控制体系，对数据审核合格、不合格，以及对应原因进行记录，并将其一并送往数据源单位。另一方面，质量审核体系智能化与信息化。数据存在质量问题，大部分都是录入环节管理不当，并且勘探开发数据量多，涉及到的专业比较复杂，质量审核人员难免会在审查过程中出现失误，不能及时发现存在的质量问题。针对此类问题，在进行质量检验体系完善时，还需要针对数据完整性特点，对数据表以及数据项目来展开程序检查，确定缺少的数据记录与数据项。

另外，还应针对数据一致性与深度性等特点进行研究，应根据一致性数据表之间具有的联系，来对数据项进行程序检查。而对于深度性，则应以此作为参照对象来进行数据检查。同时还与数据准确性，应以数据质量控制文档来作为依据，对其内容范围与逻辑进行检查，确定其中是否存在异常数据，然后提取出可疑数据交由质量审核人员详查。在确定出可疑数据后，质量审查人员还需要对错误数据产生单位进行相应的核对与答复，确定数据质量问题产生的源头，并在下一步工作展开前做好相应的管理预案。例如油田勘探中，单井小层数据与射孔数据的一致性；单井基础信息中投产时间与井史中年月等。

基于源头数据传输涉及面广、环节众多特点，必须要建立一种完善的数据质量检测体系，建立相应的支持系统，形成源头数据质量检查与监督的管理体系，争取不断提高勘探开发数据质量。以及数据质量元模型为依据，建立数据质量元数据库，结合企业实际需求来定义数据质量元素，以及相应的质量约束表达式语法。对不同业务数据库进行分析，在确定数据库管理系统类型的基础上，定义一组与其一致的标准化数据质量元素，并且相应质量约束表达式语法与其一一对应，如有必要还需要开发数据质量元素解释计算模块。数据质量模型的建立，可以选择用面向对象的方式，根据业务主题分析数据质量对象类，确定数据质量属性以及相应约束表达式［4］。另外，还应开发数据质量审计工具，利用其来完成对业务数据的计算，确定其是否合法，并生成审计报告。通过此种方式就可以建立企业数据质量模型，并以原数据的形式存入元模型下，建立成数据质量元数据库。企业内各级部门就可以利用此数据库来实现数据的共享，形成标准化数据质量控制体系。

图1为检测软件功能模块示意图。

图1 数据质量检测软件功能模块示意图

4 控制收集报送数据入库质量措施分析

4.1 数据采集体系设计方案

目前我国油气勘探方式主要分为自动化仪器与人工采集两种，其中自动化、信息化与数据化的建设，大大减少了人工采集数据中存有的误差，确保了数据源的准确性。从实际情况来看，很多勘探采集企业并不具备计算机在线输入的条件，而想要提高数据收集质量，就需要建立完善数据采集体系，以数据质量控制格式为依据，将收集到的数据进行解释后录入到数据库中。其中要注意不同厂家提供数据解释之间的差异，同一项目要保证解释处理软件解释方法、数据格式与内容的统一性，避免数据人员在录入数据表时出现误差。

质量控制方案的设计，主要以数据质量控制方案为依据，将所有数据结构均统一到这个标准上，并要求所有厂家按照应用单位提供的数据标准，来进行数据的采集。并且还可以直接应用统一的解释软件来进行数据的采集，与最终成果的上报。这样可以最大程度上解决人工采集产生的误差，如流压、静压测试条件不同，解释软件不统一产生的质量问题。因此，数据质量控制人员还需要结合实际情况，对各项数据进行抽查，确保各项数据的准确性。同时还要完善质量管理体制，在现有基础上来对自动化、信息化与数据化的采集工作进行研究，争取更大程度上来代替人工数据采集。

4.2 数据录入体系设计方案

数据录入完全是人工来完成，这就决定了人工技能水平与专业素养对数据质量控制的影响，一旦录入人员存在操作上的失误，就会直接导致录入数据的错误。针对此种情况进行详细分析，为减少此类问题对数据质量造成的影响，要求录入人员需要在录入完整后进行完整的复查，确保录入结果不存在质量问题。同时，在编制录入程序时，也需要采取一定的措施，即一旦有录入的数据不符合专业规范时，系统可以在录入界面想录入人员显示准确性，提醒其检查并改正。

应建立完善数据质量管理规范标准，即在数据录入时可以直接从数据质量控制文档中进行数据提取，代替传统的人工录入方式，减少因为人为因素造成的质量问题。其中，针对勘探开发数据具有的完整性特点，还应建立具有参照作用的基础数据表与数据项，录入时直接从基础数据表中来完成数据项的提取，确保数据录入的准确性。

4.3 数据应用体系设计方案

数据质量控制的主要目的就是提高其应用效果，因此需要采取措施来对其准确性、及时性以及完整性等方面进行研究，提高数据控制的综合效率。可以通过建立数据反馈机制的方式，将数据应用过程中存在的各类问题反馈给数据录入单位，或者数据管理单位，对可疑的数据进行核实，进一步分析其是否具有质量问题［5］。同时，还应不断完善数据质量控制体系，从数据采集、录入、审核、汇总、传输以及应用等多个流程着手，进行全方面的质量控制。