6) Отсутствие опыта проведения маркетинга .
Чтобы достичь желаемого результата, предприятию необходим конкретный опыт в проведении маркетинга, поэтому следует выдавать сотрудникам конкретные алгоритмы действий, а также привлечь специалистов по маркетингу имеющих опыт работы, связанный с деятельностью нефтяных компаний.
7) Отсутствует отдел маркетинга.
Наихудший результат возможен, когда маркетинговая деятельность осуществляется случайными людьми, а также когда решение задач маркетинга происходит только по мере их возникновения. Желаемый результат достигается когда есть структура, прямыми обязанностями которой является маркетинг. Для этого необходимо создать отдел маркетинга.
8) Наличие активных конкурентов.
Желаемый результат достигается, когда активные конкуренты сами развивают рынки и структуры фирмы. Фирма должна использовать разовые действия конкурентов для создания комплексной системы маркетинга фирмы.
9)Хорошие результаты деятельности фирмы .
Чтобы хорошие результаты деятельности стали известны клиентам, следует информировать их об успехах. Но в тоже время, чтобы неудачные результаты не стали общеизвестными нельзя допускать утечку информации о сделках фирмы.
10) Неспланированная рекламная компания.
СП “МеКаМинефть” нужна структурированная, динамичная реклама работ и услуг. Нужно создать систему различных форм рекламы, анализировать аналоги и опыт подобных фирм, не допускать случайной, субъективной рекламы продукции и услуг фирмы. Избегать отсутствия четкой цепи работы отдела маркетинга.
11) Наличие случайных публикаций.
Наихудший результат возможен, когда публикации носят скандальный характер, поэтому следует не давать случайной интервью случайным журналистам. Но следует согласовывать публикации с письмами.
12) Наличие партнеров, заинтересованных в развитии фирмы.
Желаемый результат достигается, когда партнеры развивают рынки и структуры фирмы. Для этого следует создать рекламу для партнеров о перспективах фирмы, а также избегать соперничества.
13) Желание клиента повысить эффективность своей работы.
Клиенты должны знать, что фирма может помочь им повысить эффективность работы. Поэтому необходимо создать систему повторных целевых писем, информирующих клиента, а также строить с клиентом долговременные отношения. Но, чтобы не было возможности достижения наихудшего результата, в отделе маркетинга должны работать профессионалы.
Как показали выше проведенные исследования, с использованием ИП, одной из актуальных и первоочередных задач, является задача создания отдела маркетинга и разработка материалов на базе статистических, полномасштабных исследовательских результатов опытной эксплуатации ГРП, убеждающей клиентов в высокой эффективности данного метода.
2.3 Разработка модели оценки эффективности гидроразрыва пласта на месторождениях нефти России и Казахстана.
После разразившегося нефтяного кризиса, вместе с падением цен на нефть многие предприятия, занимающиеся сервисным обслуживание нефтедобывающих компаний , прекратили свое существование. В условиях жесткой конкуренции , которая отмечена в нефтяной отрасли, нельзя допускать ошибок. Но так как ГРП является не только уникальной и даже революционной технологией , а также и дорогостоящей , то главной проблемой является убедить потенциальных клиентов в эффективности данного метода.
СП “МеКаМинефть” на сегодняшний день является одним из стабильных предприятий топливно-энергетического комплекса не только Западной Сибири, но и России, обладающее передовой технологией ГРП и ГПП, установкой “гибкая труба” в комплексе с насосной установкой, оборудованием для освоения скважин путем свабирования, а также тремя комплектами оборудования для производства ГРП. Один из таких комплектов осуществлял свою деятельность для “Лукойла” в Западном Казахстане.
Но как бы не развивалось предприятие, оно вынуждено само заботится об организации рынков сбыта, особенно в условиях экономического кризиса.
Существенное изменение структуры запасов нефти обусловливает, необходимость поиска, создания и промышленного внедрения новых технологий воздействия на пласты и их призабойную зону. И как отмечалось выше, все большее применение находят технологии, связанные с методом гидравлического разрыва пласта..
Главный недостаток известных работ по оценке эффективности ГРП состоял в том, что использовался дифференцированный анализ результатов на отдельных скважинах, в которых непосредственно осуществлялось данное мероприятие. В данной работе предпринята попытка использования комплексной методики, для чего необходима статистика по обширному району внедрения этого метода, включая Казахстан.
Необходимым провести систематизированный анализ эффективности проведения ГРП по различным месторождениям, не только по месторождениям СП “МеКаМинефть”. С целью выявления влияния массового ГРП, в зависимости от проницаемости пород, на нефтеотдачу, а также динамику добычи нефти.
Решение задачи исследования планируется осуществить с помощью статистического эксперимента с использованием корреляционно-регрессионного анализа.
Корреляционно-регрессионный анализ используются для установления взаимосвязи между некоторыми показателями. Корреляционная зависимость в исследовательской практике имеет широкое применение[3,с.56] .
В процессе статистического исследования можно выделить три – основные цели, расположив их как бы по нарастанию глубины проникновения в содержание задачи.
1) Установление самого факта наличия (или отсутствия ) статистически значимой связи междуХиУ.
2) Прогноз неизвестных значений интересующих нас средних значений, исследуемых результативных показателейУпо заданным значениям вводных переменных. Исследователя в данном случае не интересует степень влияния отдельного фактораХi, если факторов несколько, на результат Уi .
3) Выявление причинных связей между переменнымиХи результативными показателямиУ.
Первая цель исследования, состоящая только в установление самого факта статистического связи между явлениями, достигается вычислением абстрактных чисел – коэффициентов, которые называются коэффициентами корреляции.
Коэффициент корреляции вычисляется по формуле (2.5).
(2.5)
На практике приняты приделы качественной характеристики тесноты связи , представленные в таблице 2.7.
Таблица 2.7 Качественная характеристика тесноты связи
|
Диапазон изменения R
|
0,1-0,3 |
0,3-0,65 |
0,65-0,80 |
0,80-0,95 |
>0,96 |
|
Характеристика связи
|
Связь слабая |
Средняя теснота |
Связь тесная |
Связь очень тесная |
связь функциональная |
Значит чем больше R , тем точнее результаты [13,с.350].
В качестве оцениваемых параметров эффективности метода ГРП нами выбраны
-технологический эффект (Эот);
-общий удельный эффект, т/скважино-операцию (Эоу);
-увеличение нефтеотдачи, %;
-интенсификация разработки, % (Ки);
-кратность увеличения дебита нефти.
Если установлено, что связь довольно тесная, то можно перейти к достижению второй цели - оценке формы этой связи.
Вторая цель решается оценкой формы связи, которая характеризуется функцией регрессии, т.е. типом функциональной зависимости, которым мы приближенно пытаемся описать зависимость исследуемых нами явлений. Полученное при этом уравнение регрессии используется для содержательного описания изучаемого процесса, прогнозирования, выбора оптимального варианта и т.д. Если в уравнение регрессии включены признаки-факторы, учитывающие и возможное случайное поведение результативного признака, то такое выражение представляет регрессионную модель явления или процесса. Наибольшее применение получили уравнения регрессии, отражающие взаимосвязь одного результативного признака с одним (парная регрессия) или несколькими (множественная регрессия) признаками-факторами.
Данный метод лучше графического и табличного методов выявления взаимосвязи, так как позволяет оценить эту связь количественно. При построение регрессионной зависимости производится сглаживание экономических показателей по сравнению со средним арифметическим. Для этого используют метод наименьших квадратов. В качестве начальной гипотезы будем считать, что
, т.е. форма регрессионной модели имеет линейный характер. Для определения численных значений a0и a1будем использовать эмпирические значения Xi и Yi.
На основе этих данных требуется подобрать функцию y = f (х) , которая бы в некотором смысле наилучшем образом отражала зависимость между Х и Y .
Определить вид функции y = f (х) можно либо из теоретических соображений , либо анализируя характер расположения точек на координатной плоскости. Выбрав вид функции y = f ( х0,а0, а1…,аn), необходимо подобрать входящие в ее выражение параметры а0,а1…,аnтак, чтобы из всех функций данного вида выделить ту, которая лучше других описывает зависимость между изучаемыми величинами, т.е. обеспечивает наименьшее отклонение экспериментальных значений зависимой переменной от значений, получаемых в результате вычислений с помощью этой функции.
Одним из методов решения поставленной задачи является метод наименьших квадратов [13.c.330-335]. Он заключается в следующем:
(2.6)
Решим систему (2.6) в общем виде:
, (2.7)
(2.8)
Определив значения а , а1и подставив их в уравнение связи у = а0+ а1хнаходим значение у , зависящие только от заданного значения х.
Для практического использования моделей регрессии большое значение их адекватность, т.е. соответствие фактическим статистическим данным. Корреляционно-регрессионный анализ обычно проводится для ограниченной по объему совокупности. Поэтому показатели регрессии и корреляции – параметры уравнения регрессии, коэффициенты корреляции и детерминации могут быть искажены действием случайных факторов. Чтобы проверить насколько эти показатели характерны для всей генеральной совокупности, не являются ли они результатом стечения случайных обстоятельств, необходимо проверить адекватность построенных статистических моделей.
В качестве критерия адекватности используем критерии Фишера, выполняемый, по формуле (2.9).
,(2.9)
где S2yx-дисперсия обусловленная регрессией;
S2ост- остаточная дисперсия, называемая стандартной ошибкой.
Значение S2yxи S2оствычисляются по формулам (2.10) и (2.11).
,(2.10)
(2.11)
Значение Fкритнаходят в таблицах [4,с.246].
Если Fp>=Fкритпри степенях свободы K1=n-d, где d число значащих коэффициентов в уравнении регрессии и K2=n-d, где n - объем выборки и уровни значимости x=0.05, то будет считать, что модель адекватна.
Для регрессионного моделирования мы выдвигаем следующие гипотезы о формах связи:
Эот= а0+ а1х ,(2.12)
гдеЭот– общий технологический эффект.
И=а0+а1х + а2х2,(2.13)
гдеИ– интенсификация.
Эоу= а0+ а1х + а2х2+ а3х3+а4х4+ а5х5, (2.14)
гдеЭоу– общий удельный эффект, т/скважино-операцию.
Фактические формы данных моделей будут найдены в третьем разделе по результатам статистических исследований.
2.3 Маркетинговое прогнозирование экономической эффективности биополимера.
Конечно, доходы нефтяной промышленности, их рост или падение – напрямую зависят от состояния цен на сырье, однако современная техника позволяет нефтедобывающим компаниям получать солидную прибыль даже в условиях постоянного снижения цен. В настоящее время большинство ведущих нефтяных компаний мира добились столь значительного сокращения производственных затрат, что добыча жидкого углеводородного сырья на новых месторождениях будет для них рентабельной даже в том случае, если цены на нефть упадут [12,с.30-35].
Впрочем, сказанное не нужно понимать в том смысле, что в условиях падения цен на нефть все добывающие компании будут по прежнему преуспевать. Но те, что постоянно совершенствуют технику добычи и э0ффективность освоения месторождений, безусловно оставят позади других, которые не в силах идти в ногу с ними.
Специалистами СП “МеКаМинефть” в течении длительного периода времени разрабатывался материал (биополимер), оказывающий эффективное воздействие на пласты разрабатываемых месторождений, т.к. значительные валютные средства предприятий уходят на Запад на закупку не только оборудования, инструмента и насосно- компрессорных труб но и материалов, только по причине отсутствия координации деятельности однопрофильных предприятий и аккумуляции средств для поддержки отечественных производителей .
С учетом больших перспектив применения биополимерных композиций отечественного производства, положительного опыта лабораторных и промысловых работ представляется необходимым дать экономическую оценку технологической эффективности биополимерного воздействия на пласты разрабатываемых месторождений с целью увеличения коэффициента извлечения нефти.
На месторождениях ОАО “Славнефть – Мегионнефтегаз” в течении последних трех лет проводятся опытно-промышленные работы по применению отечественных водорастворимых биополимеров для выравнивания профиля приемистости нагнетательных скважин о ограничения водопритоков. В качестве биополимера использованы микробные полисахариды в виде постферментационной жидкост, полученные по технологии, разработанной специалистами СП “МеКаМинефть”.
Положительные реезультаты этих работ, низкая цена биополимера и отсутствие ресурсных ограничений для его производства значительно расширить масштабы применения биополимера.
В результате этого нами был выполнен цикл исследований по применению отечественного биополимера с целью увеличения коэффициенты извлечения нефти путем организации биополимерного заводнения, результаты которого будут приведены в следующей главе.
3 СТАТИСТИЧЕСКИЙ АНАЛИЗ ДЕЯТЕЛЬНОСТИ СП“МеКаМинефть” И РАЗРАБОТКА ПРАКТИЧЕСКИХ РЕКОМЕНДАЦИЙ
3.1 Регрессионное моделирование эффективности гидроразрыва пласта
Анализ статистических данных проводился на предприятиях ОАО “Славнефть-Мегионнефтегаз”, ОАО”Ноябрьскнефтегаз”, ОАО”Лукойл”, АО“Нижневартовскнефтегаз”, АО”Черногорнефть”, СП”Черногорское”, ОАО « Лукойл-Пермнефть », «Лукойл-Лангепаснефтегаз”» . Территориально экспертные скважины рассредоточены на территории Западной Сибири и Западного Казахстана.
Общее количество обследуемых скважин по Росси составило двадцать шесть. Общее количество обследуемых скважин по Казахстану составило семнадцать.
Статистические данные эффективности ГРП собраны за период его использования на территории СНГ с 1993 года по 1998 год.
Всё применяемое оборудование произведено американской фирмой “Stewart & Stevenson“. Разработка всех технологических операций производится с использованием программного обеспечения фирмы “ Meyer Design Software”. Использование метода ГРП проводилось в разное время года.
В таблице 3.1 приведены статистические данные по эффективности технологического метода воздействия на нефтеносный пласт ГРП в Западной Сибири.
В результате корреляционной обработки получены следующие данные по тесноте статистической связи между технологическим эффектом, интенсификацией , общим удельным эффектом и числом проведенных ГРП, которые приведены в таблице 3.2.
Таблица 3.1 Показатели оценки эффективности ГРП в России
|
Месторождение
|
Пласт |
Чис- ло ГРП |
Общий технологи-ческий эффект,тыс.тонн
|
Общий удельный эффект,
т/скважино-операцию |
Интен
сификация |
Ус-
пеш-
ность,% |
Крат-
ность увеличе-ния дебитов |
|
Мамонтовское |
АС4 |
42
|
173,535 |
4132 |
225,844 |
47,6 |
1,2 |
|
|
БС10 |
60
|
1068.713 |
10486 |
936,632 |
92,7 |
1,9 |
|
|
БС11 |
4
|
29.194 |
2980 |
39,377 |
98,7 |
2,2 |
|
Мало-Балыкское |
АС4 |
322
|
3301.4 |
10253 |
3298,5 |
100 |
4,6 |
|
Средне-Балыкское |
БС10 |
48
|
143.032 |
7299 |
139,087 |
97,9 |
11,3 |
|
Правдинское |
ЮС2 |
83
|
870.962 |
17812 |
822,189 |
100 |
4,9 |
|
|
БС8 |
14
|
63.136 |
4510 |
72,222 |
92 |
1,4 |
|
|
БС9 |
1
|
|
763
|
-6,26 |
86 |
0,3 |
|
Хокряковское |
ЮС1 |
17
|
219.51 |
12912 |
183,17 |
100 |
5,8 |
|
|
БС110 |
3
|
32.828 |
10943 |
32,828 |
97 |
3,8 |
|
|
БС210 |
6
|
22.285 |
3714 |
27,739 |
98,9 |
5,9 |
|
Приобское |
АС12 |
3
|
13.320 |
4440 |
13,32 |
91,1 |
4,5 |
|
Омбинское |
ЮС2 |
24
|
63.377 |
2641 |
63,586 |
100 |
3,3 |
|
Приразломное |
БС2 |
234
|
2490.367 |
10641 |
2497,51 |
100 |
2,5 |
|
Южно-Асомкинское |
ЮС4-5 |
3
|
9.587 |
3196 |
9,587 |
71,4 |
6,7 |
|
Восточно-Сургутское |
ЮС1 |
2
|
2.104 |
1052 |
2,104 |
50 |
4,5 |
|
|
ЮС1 |
1
|
|
800
|
5,136 |
69 |
1,2 |
|
Усть-балыкское |
БС2 |
1
|
2.937 |
2937 |
2,937 |
50,2 |
1,2 |
|
Угутское |
ЮС31 |
2
|
38.893 |
4321 |
39,268 |
50 |
5,2 |
|
|
ЮС21 |
12
|
26.758 |
4795 |
28,824 |
98 |
3,6 |
|
|
ЮС11 |
10
|
3.878 |
-1,256 |
3,878 |
96,2 |
10,2 |
|
|
ЮС2 |
1
|
0 |
600 |
0 |
100 |
1 |
|
Пакомасовское |
ЮС2 |
2
|
40.381 |
2174 |
40 |
100 |
7,3 |
|
Солкинское |
ЮС0 |
1
|
1.114 |
1114 |
1,114 |
100 |
10,3 |
|
Сылымское |
ЮС1 |
1
|
3.141 |
1150 |
3,141 |
100 |
5 |
|
Западно-Угутское |
ЮС2 |
8
|
7.742 |
968 |
10,701 |
62,5 |
2 |
