Цифровой маркетплейс Цифровой маркетплейс
Продукты
Каталог
  • Все продукты33 230
  • Категории15
  • Аналоги западного ПО4 535
  • Сравнение
Срезы
  • Топ по категориям
  • Реестр ПО23 490
  • По регионам РФ89
Направления
  • Все категории15
  • ИТ-инфраструктура13 873
  • Управление предприятием8 700
  • Отраслевое ПО7 371
  • Данные и аналитика4 724
  • Офис и коммуникации3 672
  • Публичные сервисы3 359
  • Документооборот и контент2 931
  • Информационная безопасность2 746
  • Инженерное и производственное ПО2 496
  • Продажи и маркетинг2 161
  • Управление персоналом1 578
  • Разработка ПО981
  • Торговля и e-commerce762
  • Проекты и задачи709
  • Речевые и языковые технологии563
Кейсы
Проекты
  • Все проекты внедрения2 063
  • Кейсы применения ИИ1 353
  • Импортозамещение ПО340
  • Цифровой регион206
  • Кейсы с госсектором447
По эффекту
  • ROI > 200%133
  • Эффект >5 млн ₽99
  • Миграция с зарубежного98
Компании
Участники рынка
  • Вендоры24 639
  • Заказчики21 316
  • Отрасли28
  • Регионы89
Рейтинги
  • Лидеры импортозамещения
  • Резиденты Сколково2 597
Медиа
Новости
  • Новости рынка1 165
  • Новости компаний
  • Регулирование
Аналитика
  • Аналитика рынка
  • Призма
  • Глоссарий3 163
Войти Регистрация
  • Все продукты
  • Категории
  • Аналоги западного ПО
  • Реестр ПО
  • Сравнение
  • Все проекты внедрения
  • Кейсы применения ИИ
  • Импортозамещение ПО
  • Цифровой регион
  • Кейсы с госсектором
  • Вендоры
  • Заказчики
  • Регионы
  • Отрасли
  • Лидеры импортозамещения
  • Новости рынка
  • Новости компаний
  • Аналитика
  • Глоссарий
Войти Регистрация
Главная/ Проекты цифровой трансформации/ Искусственный интеллект/ «Роснефть»: машинное обучение для прогноза нефтегазоносности
Кейс Проект #3548 Нефтегазовая промышленность Наука и НИИ · опубликовано 2 сентября 2026

«Роснефть»: машинное обучение для прогноза нефтегазоносности

Кейс добавлен редакцией Цифрового маркетплейса

Описание проекта

Тюменский научный институт «Роснефти» разработал методику оценки термической зрелости органического вещества горных пород, повышающую точность прогноза нефтегазоносности. Методика сочетает традиционные визуальные исследования образцов углистого материала в керне с количественным анализом компонентов под микроскопом. Машинное обучение применяется для автоматического распознавания оттенков частиц углерода, по которым оценивается генерация углеводородов. Это снимает субъективность визуальной оценки специалистом.

Вендор и технология: Тюменский научный институт «Роснефти» — машинное обучение для автоматического распознавания.

Задача

Оценка термической зрелости органического вещества опиралась на визуальное определение оттенков частиц углерода специалистом, что вносило субъективность. Точность прогноза залежей углеводородов от этого страдала.

Цели внедрения

  • Повысить точность прогноза нефтегазоносности

  • автоматизировать распознавание оттенков частиц углерода

  • объединить визуальные исследования керна с количественным анализом

  • оценивать термическую зрелость органического вещества горных пород

  • снизить субъективность оценки

Результаты

  • Результаты

  • числовых результатов не раскрыто

  • качественные эффекты — повышение точности прогноза залежей углеводородов, автоматизация распознавания оттенков частиц углерода, снижение субъективности оценки

← Все кейсы
ЗАКАЗЧИК
ПАО «НК "Роснефть"»
Реклама
ПРОДУКТ МЕСЯЦА
Kaspersky Endpoint Security Cloud Plus
НОЯ 2026

Открыть продукт →
КЕЙС КВАРТАЛА
Регистрация посещения объекта общественного питания для подписки на уведомления о возможном контакте с заболевшим новой коронавирусной инфекцией
Департамент цифрового развития Владимирской области · Q4 2026

Внедрение электронного сервиса «Регистрация посещения объекта общественного питания с целью подписки на…

Открыть кейс →
ТОП МАТЕРИАЛ
Искусственный интеллект: от пилотов к эффектам, агентам и границам доверия
Аналитика · Q4 2026

Как на Kazan Digital Week 2026 считали эффект ИИ, внедряли агентов в банках, госсекторе и промышленности…

Открыть отчёт →
Цифровой маркетплейс

«Цифровой маркетплейс» - проект АНО «Цифровые платформы»: российский B2B-маркетплейс корпоративного ПО, который помогает компаниям выбирать технологии на основе данных и расширять клиентскую базу поставщиков в России, ЕАЭС и БРИКС. ~20 тыс. вендоров, ~30 тыс. продуктов, сотни заказчиков - открыты и регулярно обновляются.

marketplace@diplatforms.ru

Каталог

  • Управление предприятием
  • Продажи и маркетинг
  • Торговля и e-commerce
  • Управление персоналом
  • Проекты и задачи
  • Данные и аналитика
  • Документооборот и контент
  • Офис и коммуникации
  • ИБ и безопасность
  • Аналоги западного ПО
  • Все категории →

Участники и регионы

  • Вендоры и разработчики
  • Заказчики
  • Кейсы внедрения
  • Регионы · 89
  • - Москва
  • - Санкт-Петербург
  • Резиденты Сколково
  • Реестр ПО
  • Рынки и индустрии
  • Стать вендором

Знания

  • Новости рынка
  • - Регулирование
  • - Рынок
  • - Продукты
  • - Внедрения
  • - Безопасность
  • - События
  • Новости компаний
  • Аналитика рынка
  • Сравнения ПО
  • Сравнить продукты
  • Призма

Платформа

  • О проекте
  • Инструкции
  • Регистрация
  • Тарифы
  • Статистика платформы
  • MCP / API для вендоров
  • Контакты
  • Яндекс.Метрика
© 2026 АНО «Цифровые платформы» · ИНН 6168990775 · marketplace@diplatforms.ru
Правовые документы Настройки cookie 18+

Мы используем cookie для работы сайта, статистики посещений и показа рекламы (Рекламная сеть Яндекса). Запись действий на странице включается только с вашего согласия. Подробнее.